Technische Universität Ilmenau

Image processing in medicine 2 - Modultafeln of TU Ilmenau

The module lists provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the electronic university catalogue.

Information and guidance on the maintenance of module descriptions by the module officers are provided at Module maintenance.

Please send information on missing or incorrect module descriptions directly to modulkatalog@tu-ilmenau.de.

module properties Image processing in medicine 2 in degree program Master Biomedizinische Technik 2014
module number7870
examination number2200157
departmentDepartment of Computer Science and Automation
ID of group 2221 (Biomedical Engineering)
module leader Dr. Dunja Jannek
term winter term only
languageDeutsch
credit points4
on-campus program (h)34
self-study (h)86
obligationelective module
examoral pass-fail certificate, 20 minutes
details of the certificate
alternative examination performance due to COVID-19 regulations incl. technical requirements
signup details for alternative examinationsDie Anmeldung zur alternativen semesterbegleitenden Abschlussleistung erfolgt über das Prüfungsverwaltungssystem (thoska) außerhalb des zentralen Prüfungsanmeldezeitraumes. Die früheste Anmeldung ist generell ca. 2-3 Wochen nach Semesterbeginn möglich. Der späteste Zeitpunkt für die An- oder Abmeldung von dieser konkreten Abschlussleistung ist festgelegt auf den (falls keine Angabe, erscheint dies in Kürze):
  • signup begins: 05.11.2021
  • signup ends: 19.01.2022
  • resignation not after:
  • last modification of this information:
maximum number of participants
previous knowledge and experience

Bildverarbeitung in der Medizin 1, Bildgebende Systeme in der Medizin 1+2, Klinische Verfahren 1+2

learning outcome

Die Kerninhalte orientieren sich an den aus der medizinischen Bildgebung und Bildverarbeitung resultierenden interdisziplinären physikalischen, technischen und informationsverarbeitenden Problemen.
Die Studierenden sind fähig, auf der Basis der vermittelten methodischen Grundlagen eine Bildverarbeitungsaufgabe zu erkennen, zu analysieren, zu bewerten und geeignete Lösungsansätze zu entwickeln. Sie kennen die zugrundeliegende Theorie, um die Stärken und Schwächen der Verfahren zur Registrierung, Merkmalsextraktion, Bildsegmentierung, Klassifikation und Visualisierung zu verstehen. Sie besitzen die methodischen Fähigkeiten und Fertigkeiten, Algorithmen zu entwickeln und geeignet zu evaluieren. Die Studierenden sind in der Lage, medizinische Bildverarbeitung als Bestandteil Biomedizinischer Technik zur Diagnostik und Therapie zu begreifen. Sie verstehen die Wirkungsweise komplexer Algorithmen und können sie selbst parametrisch steuern. Dabei sind die Studierenden mit Techniken der Qualitätssicherung in der Bildverarbeitung vertraut. Sie kennen die Möglichkeiten und Grenzen eingesetzter Bildanalyse- und Bildverarbeitungsprozesse sowie die Vor- und Nachteile computergestützter Diagnose und sind in der Lage, Aufwand, Nutzen und Risiko dieser Verfahren zu bewerten.

content

Speicherung von Bilddaten:

-         Datenreduktion und Datenkompression, Möglichkeiten in der medizinischen Anwendung

-         JPEG und JPEG2000

-         Medizinische Bilddatenstandards – DICOM und Alternativen

 

Bildbearbeitung:

-         Qualitätsmaße für Bilder

-         Bildverbesserung und Bildrestauration – Kantenerhaltendes Entrauschen

-         Bildregistrierung – merkmals- und voxelbasiert

 

Bildanalyse:

-         Segmentierung – Clusterung, modellbasiert, Evaluation

-         Merkmalsextraktion – Formanalyse, Texturanalyse

-         Klassifikation – überwacht, unüberwacht

-         Vermessung und Interpretation – Distanz, Winkel, Fläche, Volumen

 

Visualisierung von Bilddaten:

-         Darstellung von Grauwertbildern – Wiederholung

-         Darstellung von Farbbildern – Farbmodelle, Farbräume, Transformation, Analyse

-         3D-Visualisierung - Surface-Rendering, Volume-Rendering, Beleuchtung und Schattierung

Zusatz:

Validierung

Qualitätsmaße für Bildanalyse-Algorithmen

Grundwahrheit

Repräsentativität

media of instruction and technical requirements for education and examination in case of online participation

Vorlesung

Medienform: Tafel, Folien, Mitschriften, Powerpoint-Präsentationen, Demonstration, Übungsaufgaben, Matlab-Scripte

Veranstaltungsform: Präsenz

->wenn durch Corona-Maßnahmen erforderlich: Online- und Hybrid-Vorlesung

Technische Voraussetzung: webex https://intranet.tu-ilmenau.de/site/vpsl-pand/SitePages/Handreichungen_Arbeitshilfen.aspx

Moodle-Link: https://moodle2.tu-ilmenau.de/enrol/index.php?id=2298

 

literature / references
  1. Birkfellner, Wolfgang (2014): Applied Medical Image Processing, Second Edition: A Basic Course. 2.Aufl.; Taylor&Francis Inc.
  2. Deserno, Thomas (Hg.) (2013): Biomedical Image Processing. Springer.
  3. Dougherty, Geoff (2011): Medical Image Processing: Techniques and Applications. Springer.
  4. Handels, Heinz (2009): Medizinische Bildverarbeitung. Bildanalyse, Mustererkennung und Visualisierung für die computergestützte ärztliche Diagnostik und Therapie. 2.Aufl.; Vieweg+Teubner.
  5. Preim, Bernhard und Botha, Charl P. (2013): Visual Computing for Medicine: Theory, Algorithms, and Applications. 2.Aufl.; Morgan Kaufmann.
  6. Tönnies, Klaus D. (2005): Grundlagen der Bildverarbeitung. Pearson Studium.
  7. Tönnies, Klaus D. (2017): Guide to Medical Image Analysis: Methods and Algorithms. 2.Aufl.; Springer.
evaluation of teaching

Pflichtevaluation:

WS 2015/16 (Fach)

Freiwillige Evaluation:

WS 2011/12 (Vorlesung)

WS 2013/14 (Vorlesung)

Hospitation:

WS 2015/16