- Voxelbaserad bildsegmentering
- Grafbaserad bildsegmentering
- Konturbaserad bildsegmentering
- Modellbaserad bildsegmentering
- Bildsegmentering med djuplärning
Kursen består av föreläsningar, laborationer, matematiska övningar och tentamen. Deltagarna kombinerar grundläggande och avancerade mjukvarubibliotek för bildregistrering i Python, inklusive scipy, numpy, SimpleITK, scikit-image m m. Några specifika laborationer använder MATLAB och Mialab, en bildsegmentering vertyg utveklat på KTH. Kursen innehåller också introduktionslaborationer för studenter med programmeringserfarenhet men utan erfarenhet i Python.
Bildsegmentering används för att identifiera relevanta regioner i bilder. Bildsegmentering är viktig för diagnostik och behandling av olika sjukdomar. Kursen omfattar begrepp, teorier och de mest använda metoderna inom bildsegmentering. Kursen är inriktad på att lösa medicinskt relevanta problem.
Efter genomförd kurs ska deltagaren kunna:
- Förstå de viktigaste problemen och utmaningarna inom bildsegmentering
- Beskriva huvudprinciperna och metoderna och de viktigaste skillnaderna mellan dem
- Sammanfatta fördelarna och nackdelarna och tillämpningsområdet för olika metoder
- Identifiera och förstå den matematiska teorin bakom de mest använda metoderna
- Utveckla och systematiskt utvärdera olika metoder för att lösa förenklade problem
- Analysera effekten av olika parametrar hos metoderna i särskilda situationer
- Förklara den föreslagna strategin för att lösa specifika problem
för att:
- förstå det fullständiga arbetsflödet för att använda beräkningsverktyg för bildsegmentering i ett medicinskt sammanhang
- kunna implementera beräkningslösningar i bildsegmentering till medicinskt relevanta problem
- ha en bred kunskapsbas som kan underlätta att förstå litteratur inom området
