Attività | Crediti | Periodo | Docenti | Orario |
---|---|---|---|---|
Teoria | 5 | I semestre | Andrea Giachetti | |
Laboratorio | 1 | I semestre | Andrea Giachetti |
Acquisire conoscenze di base sull'imaging diagnostico digitale, la gestione dell'imaging ospedaliero e studiare i principali algoritmi utilizzati per la visualizzazione e l'analisi di tali immagini. Il corso comprenderà anche 1 credito di laboratorio in cui si realizzeranno implementazioni degli algoritmi in Matlab (ITK)
1. Imaging diagnostico
Obiettivo: Ripasso sulle immagini digitali e acquisizione di competenze sull'imaging ospedaliero.
-Modalità diagnostiche digitali: CT, MRI, US, PET, ecc.
-Il protocollo DICOM: archiviazione e trasmissione dei dati medici
2- Visualizzazione 3D in medicina
Obiettivo: fornire una panoramica sulle tecniche di visualizzazione dei dati utilizzate in ambito radiologico ospedaliero
-Tecniche di visualizzazione di volumi, proiezioni, ray casting
-Applicazioni informatiche in medicina: Computer Aided Diagnosis, pianificazione chirurgica, simulazione
3. Segmentazione di immagini mediche
Obiettivo: Acquisire la conoscenza delle tecniche di segmentazione, ricostruzione e visualizzazione di strutture da immagini 3(4)D principalmente utilizzate nella pratica.
- Sogliature, region growing, morfologia matematica
- Tecniche basate su classificazione (k-means, Mean shift), Graph Cuts, MRFs
- "Snakes" e modelli deformabili 2D e 3D, impliciti ed espliciti
4. Registrazione di immagini.
Obiettivo: Acquisire la conoscenza delle tecniche di registrazione di immagini 2D-3D
-Registrazione di immagini, problematiche e metodi
-Registrazione image based: potenziali, tecniche di ottimizzazione
-Registrazione point based, algoritmo ICP
5. Analisi del moto da sequenze di immagini
Obiettivo: Acquisire la conoscenza delle tecniche di ricostruzione del movimento da sequenze di immagini.
- Campo di moto e flusso ottico
- Algoritmi per la sitma: block matching, Lucas-Kanade
6. Analisi di forma
Obiettivo: caratterizzare le strutture in 2D e 3D per eventuale classificazione automatica o misura
- Momenti, descrittori di forma, distance functions, estrazione di scheletri curvilinei
7. Analisi di tessitura.
Obiettivo: Introdurre il concetto di tessitura e gli algoritmi che si utilizzano
principalmente per la sua analisi e classificazione
-Tessitura delle immagini
-Descrittori di tessitura: Gray Level Co-Occurrence Matrices e Run Length Matrices, Wavelets
-Richiami sulla classificazione supervisionata
Prova scritta con domande a risposta aperta sul programma svolto a lezione (20/30). Valutazione di un progetto di laboratorio (10/30)
******** CSS e script comuni siti DOL - frase 9957 ********p>