- Egenskapsextraktion
- Bildklassificering
- Bildregression
- Maskinlärning och djuplärning för bildanalys
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, scikit-learn, TensorFlow m m. Kursen innehåller också introduktionslaborationer för studenter med programmeringserfarenhet men utan erfarenhet i Python.
Bildanalys används för att extrahera relevant information från bilder. Bildanalys är viktig för diagnostik och behandling av olika sjukdomar. Kursen omfattar begrepp, teorier och de mest använda metoderna inom bildanalys. Kursen är inriktad på att lösa medicinskt relevanta problem.
Efter genomförd kurs ska deltagaren kunna:
- Förstå de viktigaste problemen och utmaningarna inom bildanalys
- 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 bildanalys i ett medicinskt sammanhang
- kunna implementera beräkningslösningar i bildanalys till medicinskt relevanta problem
- ha en bred kunskapsbas som kan underlätta att förstå litteratur inom området