1. Badanie algorytmów rekonstrukcji obrazów 3D na podstawie serii
Transkrypt
1. Badanie algorytmów rekonstrukcji obrazów 3D na podstawie serii
Projekty na praktyki wakacyjne w Pracowni Neuroinformatyki IBD PAN dotyczące neuroobrazowania oraz neuroanatomii obliczeniowej. Zainteresowane osoby proszone są o kontakt z Piotrem Majką: [email protected] 1. Badanie algorytmów rekonstrukcji obrazów 3D na podstawie serii obrazów 2D Projekt o wysokim priorytecie, przy dużym zaangażowaniu praktykanta istnieje możliwość udziału w publikacji naukowej. Opis projektu: Projekt łączący analizę danych oraz inżynierię oprogramowania. Celem jest systematyczne zbadanie algorytmów używanych do rekonstrukcji obrazów 3D z danych 2D stosowanych w różnego rodzaju przedsięwzięciach realizowanych w Pracowni Neuroinformatyki, np.: • http://www.frontiersin.org/Community/AbstractDetails.aspx?ABS_DOI=10.3389/conf.fninf. 2013.09.00122&eid=1904&sname=Neuroinformatics_2013 • http://www.frontiersin.org/10.3389/conf.fninf.2013.10.00026/event_abstract • https://www.youtube.com/watch?v=rOxtmoQpwbY&fmt=22&hd=1 • https://www.youtube.com/watch?v=kbXB3Y4DJrk&fmt=22&hd=1 • https://dl.dropboxusercontent.com/u/5284815/poster_sztokholm_0.png Projekt będzie polegał na przygotowaniu danych testowych oraz wykorzystaniu ich do badania algorytmów rekonstrukcji obrazów 3D z danych 2D a następnie przygotowaniu raportu z przeprowadzonych obliczeń testowych. Parametry ustalone w wyniku testów zostaną następnie użyte do przetworzenia przykładowego, pojedynczego zbioru danych. Ostatnim elementem będzie opisanie przeprowadzonych obliczeń w formie tutoriala. Przydatne umiejętności: • Znajomość Pythona, NumPy, SQL, BASHa na pewno będzie pomocna. Czego możesz się nauczyć? • Analizy danych przy pomocy Pythona, NumPy, SQLa, BASHa, • Przetwarzania dwu- oraz trójwymiarowych obrazów cyfrowych, • Podstawowych informacji o budowie mózgów różnych gatunków zwierząt oraz człowieka, • Narzędzi kontroli wersji (Git, GitHub), • Przygotowywania oprogramowania OpenSource oraz związanych z tym tzw. dobrych zwyczajów (good practices) • Tworzenia testów jednostkowych (http://en.wikipedia.org/wiki/Unit_testing, Python DocTest) oraz wykorzystywania ich w tzw. ciągłej integracji projektów (np. http://en.wikipedia.org/wiki/Continuous_integration, https://travis-ci.org/) • Narzędzia do tworzenia dokumentacji Sphinx (http://sphinx-doc.org/) • Wykorzystania narzędzi do dystrybucji pakietów przygotowanych w języku Python (distutils, seetuptools) 2. Implementacja algorytmu do pomiaru kształtów struktur mózgowych w oparciu o równanie Laplace'a Opis projektu: Celem projektu jest implementacja algorytmu do pomiaru kształtu (w szczególności grubości) różnych struktur mózgowych opartego na numerycznym rozwiązaniu równania Laplace'a. Proponowana metoda to modyfikacja algorytmu opisanego w [1] umożliwiająca pomiary nie tylko do danych pochodzących z obrazowania ludzi, lecz również dla obrazowania małych zwierząt laboratoryjnych oraz innych zastosowań neuroanatomii obliczeniowej. Projekt składa się z następujących 4 etapów: • Implementacja oraz testowanie numerycznego rozwiązania równania Laplace'a dla przypadku dwu- oraz trójwymiarowego. • Zastosowanie rozwiązania równania Laplace'a do pomiaru kształtów struktur mózgu, • Badanie implementacji na danych testowych, • Przygotowanie oprogramowania umożliwiającego korzystanie z zaimplementowanej metody przez użytkowników końcowych. Przydatne umiejętności: • Python, NumPy, • Znajomość metod numerycznych rozwiązywania równania Laplace'a, • Umiejętność metody całkowania numerycznego metodą Runge-Kutta, • Elementarna wiedza o cyfrowym przetwarzaniu obrazów (operacja splotu, gradient, pole wektorowe, itp.) Czego możesz się nauczyć? • Przetwarzania dwu- oraz trójwymiarowych obrazów cyfrowych, • Podstawowych informacji o budowie mózgów różnych gatunków zwierząt oraz człowieka, • Narzędzi do wizualizacji danych trójwymiarowych (np. Visualization Toolkit, http://www.vtk.org/) [1] Jones, S. E., Buchbinder, B. R., & Aharon, I. (2000). Three-dimensional mapping of cortical thickness using Laplace’s Equation. Human Brain Mapping, http://www.stat.wisc.edu/~mchung/teaching/MIA/reading/SBM.thickness.laplace.2000.pdf