Anar al contingut (clic a Intro)
UdG Home UdG Home
UdG 30 anys
Tancar
Menú

Estudia a la UdG

Dades generals

Curs acadèmic:
2020
Descripció:
Anàlisi d'imatge mèdica i aplicacions: pre-processat d'imatge (normalització, eliminació de soroll i bias field), mètodes de segmentació (formes actives, basats en atlas), mètodes de registre (rígid i no rigid). Desenvolupament y avaluació de sistemes de detecció (CADe), caracterització i diagnosi (CADx). Presentació de casos i exemples de motivació i aplicació.
Crèdits ECTS:
6

Grups

Grup EB

Durada:
Semestral, 2n semestre
Professorat:
ROBERT MARTI MARLY  / ARNAU OLIVER I MALAGELADA  / SALVADOR PEDRAZA GUTIERREZ
Idioma de les classes:
Català (80%), Anglès (20%)

Competències

  • CB01 Analitzar situacions complexes i dissenyar estratègies per resoldre-les
  • CB02 Planificar i organitzar les propostes i projectes
  • CB03 Aplicar criteris de qualitat a les propostes i / o projectes
  • CB04 Avaluar la pròpia activitat i aprenentatge, i elaboració d'estratègies per millorar-los
  • CB05 Prendre decisions per a la resolució de situacions diverses
  • CB06 Coneixement, administració i manteniment de sistemes, dispositius i serveis biomèdics
  • CB07 Utilitzar tecnologies de la informació i la comunicació i especialment la programació i ús d'ordinadors
  • CB08 Recollir, seleccionar i organitzar informació de manera eficaç
  • CT01 Utilitzar la llengua anglesa
  • CT02 Treballar en equip
  • CT03 Comunicar-se oralment i per escrit
  • CT06 Dissenyar propostes creatives
  • CES3 Descriure la anatomofisiologia humana i comprendre els processos fisiopatològics per facilitar la seva descripció a través de senyals i imatges biomèdiques
  • CES4 Desenvolupar algoritmes per al tractament i anàlisi de senyals i imatges biomèdiques

Continguts

1. Introducció a l'anàlisi d'imatge mèdica.

          1.1. Desenvolupament de sistemes de detecció (CADe) i diagnosi (CADx).

          1.2. Presentació de casos i exemples de motivació i aplicació.

2. Tècniques de pre-processat d'imatge

          2.1. Tècniques generals: histograma, filtres, ...

          2.2. Tècniques específiques de la imatge: transformació dels rajos x, treure el bias field de les MRI, ...

3. Registre entre imatges

          3.1. Registre rígid i afí

          3.2. Registre no rígid

          3.3. Avaluació del registre

4. Segmentació d'imatges i detecció

          4.1. Segmentació mitjançant models deformables

          4.2. Segmentació basada en atlas

          4.3. Avaluació de la segmentació

5. Classificació

          5.1. Mètodes clàssics: kNN, Adaboost, Random Forests, SVM

          5.2. Mètodes basats en Deep Learning

          5.3. Avaluació de la classificació

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Anàlisi / estudi de casos 12,00 48,00 0 60,00
Sessió expositiva 30,00 30,00 0 60,00
Sessió pràctica 12,00 18,00 0 30,00
Total 54,00 96,00 0 150

Bibliografia

  • González, Rafael C (2004). Digital image processing using Matlab. Upper Saddle River: Prentice Hall. Catàleg
  • González, Rafael C (2002). Digital image processing (2nd ed.). Upper Saddle River: Prentice Hall. Catàleg
  • Duda, Richard O (2001). Pattern classification (2nd ed.). New York [etc.]: John Wiley & Sons. Catàleg
  • Bankman, Isaac N (2000). Handbook of medical imaging :. San Diego [etc.]: Academic Press. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat % Recuperable
Sessions teòriques Examen final. 30
Sessions pràctiques Les sessions pràctiques es realizaran al laboratori de visió per computador. El programari bàsic serà el matlab, tot i que també s'utilitzarà programari específic. 40
Anàlisi de casos. Durant les sessions de problemes els estudiants hauran de dissenyar propostes per resoldre un determinat objectiu: hauran de cercar informació de les propostes existents, analitzar-les, dissenyar la seva pròpia i presentar-la públicament en una exposició oral. 30 No

Qualificació

L'avaluació consta de tres parts: 30% provinent de l'examen final de les activitats teòriques, un 30% de l'anàlisi de casos que es realitzarà durant les sessions de problemes, i un 40% del treball realitzat a pràctiques (anàlisi previ, conducta durant les pràctiques i informe entregat).

Criteris específics de la nota «No Presentat»:
La no assistència a l'examen final serà considerat com un no-presentat de l'assignatura.

Avaluació única:
Per l'avaluació única caldrà realitzar l'examen final. Per tal de poder-lo realitzar, però, caldrà entregar primer una pràctica que donarem a principi de curs a les persones interessades. La nota final serà el 50% de cada activitat.

Nota: Per poder-se acollir a l’avaluació única, cal sol·licitar-ho dins dels terminis fixats i amb els procediments i criteris establerts per la Comissió de Govern del centre.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0.

Tutoria

Les tutories es convindran amb els professors via email. Podran ser presencials o bé online.

Comunicacio i interacció amb l'estudiantat

La comunicació genèrica habitual en l’assignatura es realitza via moodle. El fòrum d'avisos conté totes les notificacions relatives al curs.

L'interacció individual serà via email/moodle o bé, presencialment durant les tutories prèviament concertades.

Assignatures recomanades

  • Anàlisi i processament d'imatges

Modificació del disseny

Modificació de les activitats:
L'assignatura està planejada considerant classes teòriques presencials/virtuals i classes de problemes i pràctiques presencials. En cas d'entrar en un nou escenari, totes les activitats es podran realitzar igualment.

Modificació de l'avaluació:
Com que les activitats es podran realitzar igualment, l'avaluació no canviarà.

Tutoria i comunicació:
La comunicació habitual en l’assignatura es continuarà fent via moodle per les notificacions genèriques o via mail per les individuals i per concertar les tutories, que podran ser presencials o telemàtiques.

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.