Kursen är indelad i 5 moduler:
- Bildrekonstruktion: olika metoder för tomografisk rekonstruktion (skapa 3D-bilder från 2D-projektioner) och från frekvensdomänackvisition (magnetresonans).
- Bildförbättring: bildbehandling och förbättring i spatial-, frekvens- och spatial-frekvensdomän.
- Bildregistrering: Linjär och icke-linjär registrering och registrering med a priori-information.
- Bildsegmentering: Voxel-, graf-, kontur- och modellbaserad bildsegmentering.
- Bildanalys: egenskapsextraktion, bildklassificering, bildregression, maskininlärning och djupt lärande för bildanalys.
Varje modul består av föreläsningar, laborationer, matematiska övningar och kontrollskrivningar. Deltagarna kombinerar grundläggande och avancerade mjukvarubibliotek för medicinsk bildbehandling och analys i Python, inklusive scipy, numpy, SimpleITK, scikit-image, scikit-learn, TensorFlow m m. Några specifika laborationer använder MATLAB. Kursen innehåller också introduktionslaborationer för studenter med programmeringserfarenhet men utan erfarenhet i Python.
Användningen av datorverktyg för att analysera 3D-medicinska bilder har förbättrat diagnostik och behandling av olika sjukdomar. Kursen omfattar begrepp, teorier och de mest använda metoderna för detta syfte, vilket innefattar att skapa läsbara 3D-bilder från råa förvärvade data från skannrarna (bildrekonstruktion), förbättra kvaliteten (bildförbättring), inpassa bilder från samma eller olika modalitet till varandra (bildregistrering), identifiera relevanta regioner i bilder (bildsegmentering) och extrahera betydelsefull information från bilderna (bildanalys). Kursen är inriktad på att lösa medicinskt relevanta problem.
Efter genomförd kurs ska deltagaren för alla de ovan nämnda problemen kunna:
- Förstå de viktigaste problemen och utmaningarna
- 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
- Använd och anpassa avancerade verktyg för att lösa komplexa problem
- Välja och anpassa de lämpligaste metoderna för att lösa problem i bildrekonstruktion och -analys
- Analysera effekten av olika parametrar hos metoderna i särskilda situationer
- Förklara muntligt och skriftligt 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 bildrekonstruktion och analys till medicinskt relevanta problem
- ha en bred kunskapsbas som kan underlätta att förstå litteratur inom området
