Estudia > Oferta formativa > Oferta d'assignatures > Detall de l'assignatura
Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2022
Descripció:
The aim of this course is to introduce all the steps needed to develop a CADx medical system, i.e. a system that help physicians to deliver a diagnosis. The topics cover both the traditional scheme including independent image segmentation, characterisation, and classification approaches as well as the recent groundbreaking deep learning technology.
Crèdits:
5

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
Idioma de les classes:
Anglès (100%)

Competències

  • CG3- Comunicar-se de manera efectiva oralment i per escrit preparant documents i exposant projectes i resultats amb llengua anglesa
  • CG5- Recollir i seleccionar informació per poder avaluar l'estat de l'art d'un tema o matèria específica
  • CB7- Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis 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
  • CE1- Programar, a nivell avançat, en els llenguatges i llibreries més utilitzats en la robòtica de camp intel·ligent
  • CE2- Analitzar un problema relacionat amb sistemes autònoms intel·ligents i identificar les tècniques i les eines apropiades per resoldre'l
  • CE3- Entendre, desenvolupar, modificar i aplicar de manera efectiva mètodes d'aprenentatge automàtic
  • CE7- Entendre i ser capaç d'aplicar les principals tècniques de percepció per computador
  • CE8- Comprendre els fonaments matemàtics dels algorismes utilitzats en els sistemes robòtics intel·ligents

Altres Competències

  • To have a good knowledge of the field of Computer Aided Diagnosis (CADx).
  • To have an overview of general image characterization.
  • Applying pattern recognition techniques to the field of medical imaging.
  • To learn what characteristics and what classifiers are more useful to the different medical images.
  • To be able to evaluate a previously developed algorithm and asses is usability for medical images and 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 diagnosis and CADx

2. Image characterization: morphological, texture, and shape descriptors

3. Interest point detectors and descriptors

4. Object and image characterization

5. Deep Learning for classification

6. Deep Learning applications

7. CADx evaluation and applications

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Aprenentatge basat en problemes (PBL) 16,00 53,00 0 69,00
Lectura / comentari de textos 6,00 22,00 0 28,00
Sessió expositiva 14,00 14,00 0 28,00
Total 36,00 89,00 0 125

Bibliografia

  • Isaac Bankman (2008). Handbook of Medical Imaging: Processing and Analysis. Elsevier.
  • Forsyth, David A, Ponce Jean (2003). Computer vision : a modern approach. Upper Saddle River: Prentice Hal.
  • P. Suetens (2002). Fundamentals of Medical Imaging. Cambridge University Press.
  • A. Dhawan (2010). Medical Image Analysis. Wiley. 2nd Edition .

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat % Recuperable
Lecture Activity 50% document + 50% presentation and interaction 35 No
Lab session: Traditional Diagnosis 70% strategy and results + 30% document 30 No
Lab Project: Deep Learning Diagnosis 70% strategy and results + 30% document 35

Qualificació

The evaluation is based on three different activities: 30% from the fist Lab assignment + 35 % from final Lab Project + 35% by evaluating the lectures given by the students.

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 Lecture activity)

Avaluació única:
Students should do the final project and an exam related to the contents seen in the course

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

Tutoria

To stablish the appointments students can use moodle or the emails. These appointments can be done online via google meet meetings or in person (office 0.15 P4 Building)

Comunicacio i interacció amb l'estudiantat

The communitation and interaction with the student will be mainly done via moodle, having also specific forums for all the activities.

Students can also interact with the teacher via email or via videoconferences (google meet).

Observacions

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

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.