course-details-portlet

RAT3002 - Bildebehandling og automatisert klassifisering

Om emnet

Undervises ikke studieåret 2020/2021

Faglig innhold

I emnet undervises sentrale prinsipp og metoder for prosessering og automatisert klassifisering av digitale bilder, med fokus på medisinske bilder. Sentrale tema i emnet er normalisering, filtrering, segmentering, teksturanalyse, fusing og automatisert klassifisering. Gjennomgående tema i emnet vil være viktigste syntaks i programmering og hvilke programmer og algoritmer som er egnet for ulike medisinske modaliteter og problemstillinger.

Læringsutbytte

En kandidat som har fullført emne skal ha følgende læringsutbytte:
Kandidaten skal:
Kunnskaper:
‒ Har avansert kunnskap om oppbygning og egenskaper ved digitale bilder
‒ Har inngående kunnskap om prinsipp for normalisering, filtrering og andre grunnleggende metoder for bilde-prosessering
‒ Kan vurdere muligheter og begrensninger i ulike typer bildebehandling (segmentering, visualisering, teksturanalyse og fusing)
‒ Kan anvende kunnskap til å vurdere ny forskning innen bildebehandling og automatisert klassifisering
Ferdigheter:
‒ Kan bruke relevante bildebehandlingsverktøy på en selvstendig måte
‒ Kan gjennomføre ulike typer bildebehandling (segmentering, visualisering, teksturanalyse og fusing)
‒ Kan gjennomføre et selvstendig og avgrenset prosjekt basert på problemstilling og ubehandlede bilder
Generell kompetanse:
‒ Kan diskutere problemstillinger, analyser og konklusjoner innenfor bildebehandling med samarbeidende yrkesgrupper, kolleger og studenter
‒ Kan analysere problemstillinger og resultater i forskning med bildebehandling og automatisert klassifisering
‒ Behersker terminologien i bildebehandling og sentral syntaks i programmering

Læringsformer og aktiviteter

Samlingsbaserte forelesninger og gruppearbeid med elektronisk innlevering. Det vil bli avholdt 2 samlinger over totalt 6 dager i løpet av semesteret, og studentene har 4 obligatoriske arbeidskrav. Arbeidskravene vil være studentaktive, med øvingsoppgaver med bildedata; enten bilder tatt opp på eget arbeidssted, eller tilrettelagte øvingssett. Oppgavene kan også kobles til pågående forskningsprosjekter ved instituttet. Alle øvingsoppgaver kommer med skriftlige og/eller video-baserte veiledere for gjennomføring. Arbeidskrav tilrettelegger for tematisk sammenkobling av teori og praksis. Alle lærings-ressurser gjøres tilgjengelig via e-læringsplattform: artikler, lenker, kortfilmer (animasjoner, forelesninger ol.), selvtester, besvarelser på oppgaver og diskusjonsforum med studenter og faglærere.

Spesielle vilkår

Begrenset opptak til undervisning. For nærmere opplysninger: http://www.ntnu.no/studier/opptak/emneopptak

Krever opptak til studieprogram:
Medisinsk bildeteknologi (MMEDBT)

Forkunnskapskrav

Emnet har studierettskrav. For å avlegge eksamen i emnet må studenten være tatt opp til master i medisinsk bildeteknologi.

Kursmateriell

Gonzalez and Wood: Digital Image Processing. 4th Edition, 2018, Pearson, NY, USA

Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Høyere grads nivå

Undervisning

Undervisningsspråk: Engelsk, Norsk

Sted: Trondheim

Fagområde(r)
  • Helse- og sosialfag
  • Medisin
  • Radiografi

Eksamensinfo

  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU