KWOD
Transkrypt
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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his 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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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.