Medicinsk billedanalyse

• udføre landemærkebaseret, intensitetsbaseret samt overfladebaseret billedregistrering.
• vælge det mest passende similaritets-mål til specifikke billedregistreringsproblemer.
• anvende flere forskellige lineære og ikke-lineære transformationsmodeller i specifikke billedregistreringsproblemer.
• implementere segmenteringsalgoritmer baseret på generative probalistiske modeller.
• implementere simple neurale netværk til eksempel baseret segmentering.
• forklare de matematiske modeller og optimizers der bruges i medicinsk billedregistrering og segmentering.
• validere resultatet fra automatiserede algoritmer til medicinsk billedanalyse.
• vælge det mest passende interpolationsskema.

Registrering baseret på landmærker; intensitetsbaseret registrering (sum af kvadrerede forskelle, Mutual Information, principal axis transformation); lineær og ikke-lineære transformationsmodeller (stive og affine transformationer, tynde plade splines, B-splines); overfladebaseret registrering og segmentering; voxel-baseret segmentering ved brug af generative og diskriminerende metoder (Gaussisk blanding, Markov tilfældige felt priorer, neurale netværk); optimering (Gauss-Newton, forventningsmaksimering, stokastisk gradient nedstigning); atlasser; validering.

02402/02502, Det forudsættes, at deltagerne har haft et indledende kursus i statistik samt et indledende kursus i billedanalyse. Endvidere forudsættes arbejdskendskab til Python/Matlab.

Online forelæsninger; øvelser. Forelæsningerne vil blive delt mellem DTU og Aalto Universitet, og vil blive streamet.