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