Anar al contingut (click a Intro)
Tancar
Menú
Identificació

Estudia a la UdG

Dades generals

Curs acadèmic:
2019
Descripció:
The aim of this course is to introduce all the steps needed to develop a CADe medical system. The main focus will be on the analysis of different techniques to perform medical image segmentation tasks.
Crèdits:
6

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
MARIANO CABEZAS GREBOL  / XAVIER LLADO BARDERA  / ROBERT MARTI MARLY  / ARNAU OLIVER I MALAGELADA
Idioma de les classes:
Anglès (100%)

Competències

  • CB7 - Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o no familiars i en contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi
  • CB8 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB10 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran manera autodirigida o autònoma.
  • CT2- Interactuar amb habilitat en un entorn multicultural mitjançant el coneixement de la cultura nacional i europea, els drets humans i les realitats europees
  • CT3- Comunicar-se de manera efectiva oralment i per escrit preparant documents i exposant projectes i resultats amb llengua anglesa
  • CE38- Aprendre quin algoritme (s) podria (n) ser més adequat (s) en una aplicació particular
  • CE59- Tenir un bon coneixement del camp de la detecció assistida per ordinador (CADe)
  • CE60- Analitzar l'estat de l'art dels algoritmes de segmentació utilitzats en l'anàlisi d'imatges mèdiques, des del punt de vista de l'enginyer de visió per ordinador
  • CE61- Avaluar un algoritme de segmentació i estimar la seva facilitat d'ús per a l'ús clínic diari. Estimar els factors crucials perquè sigui un èxit

Altres Competències

  • To have a good knowledge of the field of Computer Aided Detection (CADe).
  • To analyse the state of the art segmentation algorithms used in medical image analysis, from the perspective of the computer vision engineer.
  • To be able to evaluate a segmentation algorithm and asses is usability for daily clinical usage. Estimate the crucial factors for it to be successful.
  • To learn what algorithm(s) could fit better for a particular application.

Continguts

1. Introduction to Medical Image Segmentation and Applications

2. Image preprocessing

3. Clustering segmentation techniques

4. Region-based segmentation techniques

5. Atlas based segmentation EM/Bayesian +atlas / Markov Random Fields

6. Segmentation via detection + Patches + classification

7. Deep learning for image segmentation (CNNs)

8. Evaluation of segmentation algorithms for medical applications

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 8 25 33
Aprenentatge basat en problemes (PBL) 10 50 60
Classes expositives 22 25 47
Seminaris 4 6 10
Total 44 106 150

Bibliografia

  • González, Rafael C. (2004). Digital image processing using Matlab. Upper Saddle River : Prentice Hall, cop. 2004.
  • Forsyth, David A., Ponce, Jean (2003). Computer vision : a modern approach. Upper Saddle River: Prentice Hall.
  • Robert B. Fisher (2007). CVonline: The Evolving, Distributed, Non-Proprietary. On-Line Compendium of Comp.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Theoretical lectures 20
Lab sessions 40
Segmentation project 40

Qualificació

The evaluation is based on three different activities: 40% from lab sessios P1 + 40% from the final project + 20% from an exam.

Evaluation Criteria:
From Labs/Project: 70% strategy and results + 30% document

Criteris específics de la nota «No Presentat»:
NP will be considered when the students do not submit any of the evaluation activities (P1, P2, Final project, or exam)

Observacions

Mentoring will be held in the office 015 of building P-IV.