Enkeltfag Engelsk 5 ECTS

Billedanalyse

Overordnede kursusmål

Målet med kurset er at give en introduktion til billedanalyse inklusiv emner inden for medicinsk billedanalyse. De seneste år, har der været en drastisk udvikling i brugen af billedanalyse til selvkørende biler, avanceret diagnostik, operationsplanlægning, ansigtsgenkendelse og mange andre applikationer.
Dette kursus giver den studerende en solid forståelse for digitale billeder. Hvad er billeder, hvor kommer de fra og hvilke værktøjer og teknikker bruges til at udtrække informationer fra dem. Efter kurset, vil deltagerne kunne kombinere, implementere, bruge og evaluerer performance af simple billedanalysesystemer.

See course description in English

Forklare de fundamentale egenskaber ved digitale billeder inklusiv billeder fra den medicinske verden.
Beskrive teknikker til optagelse af billeder. Herunder pin hole kameraet og medicinske modaliteter som Røntgen, CT scanning og MR scanning.
Implementere og bruge basale teknikker til kodning og lagring af billeder.
Implementere og bruge billedanalysealgoritmer. Herunder punkt processering, filtrering, morfologi, BLOB analyse, pixelklassifikation, geometriske transformationer, registrering, klassifikation, kantdetektion, linjedetektion og segmentering.
Implementere og bruge statistiske metoder så som principal komponent analyse til behandling af billeder og til udtrækning af signifikante information fra billeder.
Implementere og bruge klassifikationsalgoritmer baseret på billedkarakteristika.
Vælge passende træningsdata og udvælge relevante karakteristika for billedbaserede klassifikationsalgoritmer.
Implementere og bruge statistiske formanalysealgoritmer.
Designe en passende billedanalysealgoritme baseret på et sæt af eksempelbilleder og et givent mål.
Beregne performance af en billedanalysealgoritme givet et ground-truth datasæt.
Forbedre og optimere billedanalysealgoritmer baseret på ground-truth data eller kliniske end-points.

Digitale billeder og datastrukturer, pin hole kameraet, medicinske modaliteter, billedformater, punkt processering, filtrering, morfologi, BLOB analyse, klassifikation, objektanalyse, pixelklassifikation, segmentering, geometriske transformationer, registrering, kantdetektion, linjedetektion, formanalyse, confusion matricer og performancemål.

01001/01002/01003/01004/01005/01006/01015/01016/02101/02102/02402/02403/02405/02002/02631/02632/02633/02692, Kendskab til sandsynlighedsregning eller statistik. Kendskab til linear algebra. Grundlæggende programmeringserfaring i for eksempel Matlab, Python, C, C#, C++ eller Java.

Forelæsninger og computerøvelser.