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 |
Sí |
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 |
Sí |
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.