KWOD

 KOMPUTEROWE WSPOMAGANIE OBRAZOWEJ DIAGNOSTYKI
MEDYCZNEJ
(COMPUTER-AIDED IMAGE-BASED DIAGNOSIS)
! " # W
C
L
P
2
-
-
1
Klasy programowe: Techniki obrazowe w diagnostyce medycznej
! $ % Podstawy technik obrazowania w medycynie
& % ! $ % Cyfrowe przetwarzanie obrazów
Przedmioty podobne:
Forma zaliczenia:
E
Semestr zalecany:
8
' % komputerowe wspomaganie diagnozy(
poprawa percepcji, detekcja patologii
) * ) +,- , . ,/ * 012 *3 +,4 5- 6 78 9 14 : 9 1; (
< % ! " =
,> , 8 : 27 : 2,
) * +? @4 , : 7
-
+,6 ,1;
- 9 /A,8?
@/ * : 17:B+*- ,: 7
B 7 1 ; : * D* > 22
/ * 6 )? B7+*- 9 1;
8*
) * ) +,- 9
@/ ? B7 1 4 :
E
+ 4 7 8 6 2* B 7 6 + * 4 - , F , G @ C ) + 4 7 8 7 - @4 9 @B / 26 , ? B * 6 , B 9 1 4
HI J K K L
( + * 4 ? 6 2 , : 7 . , / * M8 +? > , ) , + , * 1 4 ? + , 8 2 * D* > , N
* 012
@C
:,
* 3 + , zowej
@) * @* 3 , 1 ;
- 9 / * + 4 9 @B , : 2 ,
diagnostyki medycznej.
: 7 6 7 B * 8 9 - @) * 6 , > , : 2 , 8 7 B 7 / 1. 2 2 8 2 , > : * 4 9
H
L
8 +? > 27 @) *. +4 7 : 27 ( ) +4 9 1 4 9 6 8 ? F C - , > O
) + 4 9 - 2 C 4 ? . 7 @ 2 O B , / F 7 8 * * ) B 9 6 , D 2 4 , 1 . 2 B 7 1 hnik wizualizacji (poprawy percepcji) informacji
H
* 3 + , 4 * - 7. D * / , D : , ) * ) + , - , / * : B + , @B ? ( / * + 7 / 1. , ; 2 @ B * > + , 6 ? ( ) * 8 / + 7 0 D 7 : 2 7 / + , - O 8 4 2 ( + 7 8 ? / 1. , @ 4 ? 6 ?
L
I J K K
7 B 1 P P Q 7 6 , B 9 / , - 9 / A , 8 ? * 3 7. 6 ? . 7 : , + 4 O 8 4 2 ,
2: B 7 > + * - , : 7 4 6 7 8 9 1 4 : 9 6 2 @9 @B 7 6 , 6 2
obrazowania, w tym algorytmy wykorzystywane do automatycznej detekcji potencjalnych patologii,
2 D* 0 1 2* - 7. * 1 7 : 9 + * 4 - *. ?
1 ; * + * 3 9 ( 2D* 0 1 2* - 7. * 1 7 : 9
6 * + R* D* > 22 - 9 3 + , : 9 1 ;
@B +? / B? + ( + 5 F : 21 ? . C 1 7.
diagnozy zmian patologicznych
oraz do wyszukiwania
informacji obrazowej o podobnym
znaczeniu
H
L
E
8 2, > : * @B9 1 4 : 9 6
B 7 1 ; : 2/ 2
@B +? / B? + , 1 ; (
6 * 8 7 D* - , : 2,
2 : B 7 + ) + 7 B , 1. 2
*3 +,45-
8 *3 +4 7
-
+7R7+7: 19. : 9 1;
, ) +* / @9 6 ?. C 1 7
21 ;
3 ,4,1;
8,:9 1; P
- A , 0 1 2- * 0 1 2(
+747:B*- ,: 7
6 7B* 89
@C
) +4 7B- , +4 , : 2,
- @B O ) : 7 > * ( @ 7 > 6 7 : B , 1. 2( 7 / @B + , / 1. 2 1 7 1 ; * + , 4 B 7 1 ; : 2/ 2 + * 4 ) * 4 : , - , : 2 , - 4 * + 1 5 - ( , B , / F 7 , D> * +9 B 6 9
0D7 8 4 7 : 2,
/ * : B? +5 - (
+ 7 : 8 7 + 2: > ?
) * - 27 +4 1 ; : 2
2
2: : 7 P
S 9 @B 7 6 9
- @) * 6 , > , : 2,
8 2, > : * 4 9
@C
- 7 +9 R2/ * - , : 7 / D2: 21 4 : 27 -
B 7 @B , 1 ; 4 , : , D24 C @B , B9 @B 9 1 4 : C ( / B 5 +9 1 ; 6 7 B * 8 9 / , . 7 @B 8 * 0 T * 3 @4 7 + : 27
E
+ 4 7 8 @B , - 2* : 7 4 * @B , : C - + 7 @4 1 2 7 ) + 4 9 / A , 8 * - 7 + 7 , D24 , 1. 7 @9 @B 7 6 5 H
I
- @) * 6 , > , : 2 , 8 * B9 1 4 C 1 7 - 9 3 + , : 9 1 ; 4 , @B * @ * - , G ) + 4 7 8 7 - @4 9 @B / 26 - 6 , 6 6 * > + , R22 ( + , 8 2* > + , R22 2 Q
L
/ D , B / 2 ) 2 7 + @ 2 * - 7. - + , 4 4 / D 2 : 2 1 4 : C * 1 7 : C 2 1 ; - 2 , + 9 > * 8 : * 0 1 2U @ / ? B 7 1 4 : * 0 1 2 P
* 6 ,- 2, : , -
+,6 ,1; - 9 /A,8? P
< % ! " This course concerns computer technology applied to increase the efficacy of medical imaging
systems. Although the interpretation of medical image information is still almost exclusively the
work of humans, the use of computers in image analysis (reading) is expected to increase vastly in
the next decades. This is the area of computer-aided detection and diagnosis (CADD). Generally,
CADD systems does not replace the radiologist’s interpretation, but serves as a second look (a
second pair of eyes for the radiologist) at the areas that need to be more closely scrutinized for
possible underlying pathology. Nevertheless, in some areas computer algorithms may even replace or
outperform human observers. Presented CADD tools are applied to computerized detection of
abnormalities, to quantification of disease progression, to differential diagnosis of lesions, and to the
retrieval of reference cases similar to the case at hand from large image repositories. Problems taken
into consideration focus on image modeling, segmentation and feature extraction using statistical
models of shape and appearance and techniques from pattern recognition. Moreover, the course fixes
on methods of subjective interpretation of image features those are important for diagnosis (shape
and contour of structures, texture, local contrast, context of appearance) and clinical verification in
experiments with statistical analysis of scores given in diagnostic and even therapy terms. Given
examples concern CADD systems for various applications (mammography, chest, both plain
radiography and CT), evaluate their performance in clinical practice and to promote their use in the
clinic (statistical hypothesis tests).
V W# -
Wprowadzenie (2h): schemat systemów wspomagania decyzji diagnostycznych, podstawowe
d 7 R 2 : 2 1 . 7 2 1 7 D 7 X ) + 4 7 > D C 8 6 7 B * 8 6 * 8 7 D * - , : 2 , * 3 + , 4 5 - Y -statystycznych
(analiza korelacyjna,
L
HE I J
+ * 4 / A, 8 9 A C 1 4 : 7 2 3 + 4 7 > * - 7 ( Z + 5 8 A, [ , +/ * - , ( ? / +9 B 7 ) * D, [ , +/ * - , ( B+ , : @R* + 6 , 1 9 . : 9 1 ;
(
L
H
) + 4 7 / @ 4 B , A 1 7 : 2 , R , D / * - 7 ( > 7 : 7 + , 1 . 2 6 * 8 7 D * - , : 2 7 ) + * 1 7 @ ? , / - 2 4 9 1 .–2 ) + 4 9 / A ad mammografii);
-
Falkowa
charakterystyka
1 ; , + , / B 7 + 9 @B 9 1 4 : 9 1 ;
obrazów
*3 +,4?
4,
)*6 *1C
(6h):
opis,
uwydatnienie
i
R , D/ * - 9 1 ;
+ 5 F : 7.
) +4 7 / @4 B,A1 7 G
ekstrakcja
) * @B , 1 2
H
cech
3 ,49
ortogonalne, biortogonalne, pakiety falek, nadmiarowe, 2W, wedgelets etc.);
-
Poprawa percepcji informacji obrazowej (3h): semantyczna definicja informacji, odszumianie,
-
- ,F:9 1; X
] %! " \
+ 7 8 ? / 1. , : , 8 6 2 , + * - * 0 1 2( ) * ) + , - , D* / , D: 7 > * / * : B + , @B? ( 7 / @) * : * - , : 27
@B +? / B? + 8 2, > : * @B 9 1 4 : 27
^ Y 1 7 1 ; 9 . , / * 0 1 2 2 diagnostycznej
H
- 2, + 9 > * 8 : * 0 1 2 * 3 + , 4 5 - X @? 3 27 / B 9 - : 7 6 7 B * 8 9 * 1 7 : 9 . , / * 0 1 2 2 - 2, + 9 > * 8 : * 0 1 2 - 9 / * + 4 9 @B? . C 1 7
I
L
6 P2 : P / + 4 9 - 7 _ ` ( , : , D 2 4 O @ B , B 9 @ B 9 1 4 : C - 9 : 2 / 5 - ( / D 2 : 2 1 4 : 7 - , + ? : / 2 * 1 7 : 9 X * 3 2 7 / B 9 - 2 4 , 1 . ,
) + * 1 7 @? 2: B 7 + ) + 7 B , 1. 2 2 6 2 , + - 2 , + 9 > * 8 : * 0 1 2 X
-
Automatyczna detekcja patologii (4h): podstawowe elementy algorytmów detekcji, tj.
) +4 7B- , +4 , : 27
4
/ D , @9 R 2/ , 1. C
H
- @B O ) : C (
7 / @B + , / 1. ,
171;(
/ D, @9 R 2/ , 1. ,
/*G1*- ,X
) +4 7> DC 8
- 9 / * + 4 9 @B 9 - , : 9 1 ; : , + 4 O 8 4 2
6 P2 : P * ) 7 + , B * + 9 6 * + R * D * > 2 1 4 : 7 ( R 2 DB + 9 * + 5 F : 7 . @ / , D 2 ( , 8 , ) B , 1 9 . : 7
L
d4 2 7 8 4 2 : 2 7 R , D / * - 7 . X ) + 4 9 / A , 8 * - 7 + * 4 - 2 C 4 , : 2 , 4 6 , 6 6 * > + , R 2 2 2 + , 8 2 * > + , R 2 2 X
progowanie w
-
Automatyczna diagnoza (6h): referencyjna informacja diagnostyczna, dobór przestrzeni cech i
/ +9 B 7 +25 -
8 7 1 9 4 9 . : 9 1 ; ( - 7 + 9 R 2/ , 1. , @/ ? B 7 1 4 : * 0 1 2 X ) * B 7 : 1. , A 2 + * 4 - 5. / * 6 ) ? B 7 + * - 9 1 ; @9 @B 7 6 5 -
wspomagania diagnozy, praktyczne realizacje systemów CADD;
-
- 9 4 : , 1 4 , : 27 / @4 B , AB? * 3 27 / B 5 - ) A , @/ 21 ; 2 ) + 4 7 @B + 4 7 : : 9 1 ;
L
, / B9 - : 9 1 ; / * : B? + 5 - ( + 7 : 8 7 + 2: > ? 7B 1 P X 0D7 8 4 7 : 27 8 9 : , 6 21 4 : 9 1 ; * 3 27 / B 5 - - @7 +2, 1 ;
H
L
obrazów, wirtualne obra4 * - , : 2 7 / * D * : * > + , R 2 , ( * 3 + , 4 * - , : 2 7 : , 1 4 9 G ( - 2 + B ? , D : , 7 : 8 * @ / * ) 2 , (
Obiektowy
opis obrazów (3h):
H
6 7B* 89
wyznaczanie obliczeniowych parametrów diagnostycznych;
-
Integracja medycznych systemów obrazowania (3h):L 2 : B 7 > + , 1 . , : , + 4 O 8 4 2
obrazowymi (typu PACS, system teleradiologiczny 4 ? + 4 C 8 4 7 : 2 , 6 2
: ,+4 O 8 4 2, 6 2
- @) * 6 , > , : 2,
-
/ * 6 ) D7/ @* - 9 1;
@9 @B 7 6 , 1 ;
4 ,+4 C 8 4 , : 2, 8 ,: 9 6 2
*3 +,4?. C19 6 2
* 3 +,4 * - ,: 2,
*+,4
6 789 14: 7> * X
indeksowanie referencyjnych baz danych obrazowych.
Zakres projektu:
a
+, 6 , 1 ; 4 , 8 , G ) +*. 7/ B* - 9 1 ;
@B? 8 7 : 1 2 * ) + , 1 * - ? . C , D> * + 9 B 6 9
2 ) + * > + , 6 * - 7 + 7 , D24 , 1. 7 + 5 F : 9 1 ;
B 7 1 ; : 2/ ) + 4 7 B- , + 4 , : 2 , 8 , : 9 1 ; @B * @ * - , : 9 1 ; : , + 5 F : 9 1 ; 7 B , ) , 1 ; ) + * 1 7 @? - @) * 6 , > , : 2 , 2: B 7 + ) + 7 B , 1. 2
H
L
E
* 3 + , 4 5 - 6 7 8 9 1 4 : 9 1 ; P * : , 8 B * ) + 4 7 - 28 9 - , : 7 @ C ) + , 1 7 4 4 , / + 7 @? , : , D 24 9 B + 7 0 1 2* - 7. ( @B , B9 @B 9 1 4 : 7.
H
- 9 3 + , : 9 1 ; 4 , > , 8 : 27 G * ) B9 6 , D24 , 1 9 . : 9 1 ;
: ) P 8 * 3 5 + / D , @ 9 fikatora, modele obrazu stosowane w
6 7B* 8 ,1;
@ 7 D 7 / 1. 2
@/ ? B7 1 4 : * 01 2
171;
6 7B* 8
7 / @) 7 +9 6 7 : B , D: 7
:,8
? F9B714:9 1;
, / B9 - : 9 1 ;
) * ) +,- C
-
, : , D24 2 7 * 3 + , 4 5 - 8 , : 7. 6 * 8 , D: * 0 1 2( @) * @ * 3 9 ) * ) + , - 9
L
a
P
, F : 9 6 2 4 , 8 , : 2, 6 2 ) + *. 7 / B * - 9 6 2 @C 3 , 8 , : 2,
/ * : B? +5 -
) 7 + 1 7 ) 1. 2
@B +? / B? +
*3 +,4*- 9 1;
*+,4
- 7 +9 R 2/ , 1. C
,? B* 6 ,B9 14 : 9 1;
, D> * + 9 B 6 5 -
- @) * 6 , > , : 2, P Q + 7 0 T 4 , 8 , G ) + *. 7 / B * - 9 1 ; . 7 @B @B , D7 ? , / B? , D: 2, : , ( ) + 4 9 1 4 9 6
* 3 7. 6 ? . 7
przede wszystkim:
-
6 7 B * 8 9 6 * 8 7 D* - , : 2, 8 , : 9 1 ; * 3 + , 4 * - 9 1 ; ( / B 5 + 7 * @4 1 4 O 8 : 27 * ) 2@? . C 4 A * F * : 9 1 ; , + , / B 7 + * 3 + , 4 5 -
medycznych (modele statystyczne, PCA, pola Markowa);
-
B 7 1 ; : 2 / 2 R , D / * - 7. , : , D 2 4 9 * 3 + , 4 5 - ( @ 1 ; 7 6 , B 9 8 7 / * 6 ) * 4 9 1. 2 ( 8 * 3 5 + 3 , : / ? R 2 DB + 5 - ( ? 4 , D 7 F : 2 7 : 2 7
H
L
- 9 3 * +? 3 , 4 9 * 8 1 7 1 ; @9 > : ,A?
) , / 2 7 B 9 R , D 7 / ( / * : @ B + ? / 1. , 3 , 4 R , D / * - 9 1 ; 8 - ? - 9 6 2 , + * - 9 1 ;
Hb a L
- 9 / * + 4 9 @ B ? . C 1 9 1 ; / 2 7 + ? : / * - 7 4 , D 7 F : * 0 ci w sygnale (wedgelets);
-
+ 7 , D24 , 1. , , D> * +9 B 6 5 - ) * ) + , - 9 8 2 , > : * @B9 1 4 : 7. . , / * 0 1 2 * 3 + , 4 5 - 2 ) 7 + 1 7 ) 1. 2 * / + 7 0 D* : 9 1 ; @B +? / B? +
4 B 7 @B , 6 2 8 * B 9 1 4 C 1 9 6 2 * 1 7 : 9 2 1 ; - 2 , + 9 > * 8 : * 0 1 2 X
-
+ 7 , D24 , 1. ,
kont? + 5 -
) + * @B9 1 ;
@9 @B 7 6 5 -
8 7 B 7 / 1. 2
8+*3 :9 1;
* 3 27/ B5 -
H
:) P
L
6 2/ + * 4 - , ) : 2 7 G (
,
B,/ F7
( / @4 B , AB? 2 2: : 9 1 ; 1 7 1 ; 2: R * + 6 , 1. 2 * 3 + , 4 * - 7. X
B 7 @B * - , : 2 7 @ 9 @B 7 6 5 - - @ ) * 6 , > , : 2 , 8 2 , > : * 4 9 ( * 1 7 : , 2 1 ; 7 R 7 / B 9 - : * 0 1 2 4 , ) * 6 * 1 C + 7 R 7 + 7 : 1 9 . : 9 1 ;
baz danych oraz testów klinicznych, realizacja prostych algorytmów ekstrakcji cech i klasyfikacji
struktur w radiografii;
-
+ 7 , D24 , 1. ,
6 7B* 8
- 9 4 : , 1 4 , : 2, 1 2C > A9 1 ; / * : B? +5 - ( * 8B- ,+4 , : 2, ) * - 27 +4 1 ; : 2 2 0D7 8 4 7 : 2,
H
L
8 9 : , 6 21 4 : 9 1 ; / * : B? +5 * 3 27 / B 5 - * 4 6 27 : : 9 6 / @4 B ,A 1 27 - 8 9 : , 6 21 4 : 9 1 ; 2 ) + 4 7 @B + 4 7 : : 9 1 ;
badaniach obrazowych (fMRI, MRI, USG, fCT, CT);
-
implementacja procedur wspomagania diagnozy w prostych systemach archiwizacji i wymiany
cyfrowej informacji obrazowej, indeksowanie informacji obrazowej, opracowanie prostej
wyszukiwarki.
Literatura:
1. B.J. Erickson, B. Bartholmai, „Computer-aided detection and diagnosis at the start of the third
millennium”, Journal of Digital Imaging, 15(2), str. 59-68, 2002.
2. A. Meyer-Baese, „Pattern recognition in medical imaging”, Academic Press, 2003.
3.
_ 7 8 P c P d C 1 / 2 ( e Pf P d ? D 2 / * - @ / 2 (
biomedyczna 2000,
J
P g * - , / * - @/ 2( c P
a
, : 27- @/ 2( h 2* 1 9 3 7 + : 7B9 / , 2 2: F 9 : 27 +2,
bjjk
S 9 @ B 7 6 9 / * 6 ) ? B 7 + * - 7 2 B 7 D 7 2 : R * + 6 , B 9 1 4 : 7 - @A ? F 3 2 7 4 8 + * - 2 , ( c i 2B (
P
4. M. Sonka, V. Hlavac, R. Boyle, „Image processing, analysis, and machine vision”, PWS
Publishing, 1999.
5. S. Mallat, „A wavelet tour of signal processing”, Academic Press, Londyn, 1999.