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. Segmentació d'imatges i detecció
3.1. Segmentació mitjançant models deformables
3.2. Segmentació basada en atlas
3.3. Avaluació de la segmentació
4. Classificació
4.1. Mètodes clàssics: kNN, Adaboost, Random Forests, SVM
4.2. Mètodes basats en Deep Learning
4.3. Avaluació de la classificació
5. Registre entre imatges
5.1. Registre rígid i afí
5.2. Registre no rígid
5.3. Avaluació del registre
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.
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.