Obrada slike u medicini

Vladimir Petrović
Aleksandra Zec
Ivan Lazić
Da li znate šta je ovo?
Ovde ste da naučite Pretvorite u ovo
kako da ovo
Uvod
 Ko smo mi?
 Ko ste vi?
 Čime ćemo se baviti - sadržaj predmeta
 Laboratorijske vežbe
 Projekat
 Ocenjivanje

Obrada slike u medicini

Mi smo ...
 Vladimir Petrović
 Fakultet tehničkih nauka
Katedra za telekomunikacije i obradu signala
 Visaris d.o.o., Beograd
 Aleksandra Zec
 Fakultet tehničkih nauka
Katedra za telekomunikacije i obradu signala
 Ivan Lazić
 Fakultet tehničkih nauka
Katedra za telekomunikacije i obradu signala

Obrada slike u medicini

Zašto smo ovde?
 Da upoznate i naučite:
 osnovne principe obrade slike u medicini
 i zašto je bitna
 izazove obrade slike u medicini (medical image processing)
 bitne algoritme, šta mogu i koja su im ograničenja
 kako se rešavaju problemi obradom medicinske slike

 Na kraju: da steknete iskustvo u rešavanju konkretnih

problema iz obrade medicinskih slika

Obrada slike u medicini

Sadržaj predavanja
 Opšte o predmetu (ovo)
 Uvod u medicinski imidžing (tema 1)
 Medicinska dijagnostika i njen radni proces
 Komponente, alati, DICOM format
 Uvod u obradu slike u medicini (tema 2)
 digitalna medicinska slika, 2D i 3D modaliteti
 rezolucija, izotropija, dinamička slika, vremenska rezolucija,
interpolacija ...
 Multiveličinska analiza (teme 3 i 4)
 razlaganje slike prema veličinama
 gausova i laplasova piramida, prikaz detalja, rekonstukcija slike
 vejvleti, DWT, kompleksni vejvleti

Obrada slike u medicini

Sadržaj predavanja (2)
 Uvod u obradu snimaka za prikaz (tema 5)
 Koncept obrade: originalni i obrađeni snimci (for presentation)
 Formiranje rendgenske slike, detektori, opseg i zasićenje, sirova
slika, otkrivanje kolimacije, kompresija opsega
 Kalibracija detektora, artifakti i korekcije
 Multiveličinsko pojačanje kontrasta (tema 6)
 Pojačanje oštrine, unsharp masking
 Manipulacija slikama detalja, podešavanje kontrasta
 Prenosne funkcije MTF senzora i njihovo ispravljanje
 Šum u medicinskim snimcima (tema 7)
 Izvori šuma, dodatni Gausov, signalni Poissonov šum
 Suzbijanje šuma u statičkim snimcima
 Suzbijanje šuma u dinamičkim snimcima

Obrada slike u medicini

Sadržaj predavanja (3)
 Toniranje slike (tema 8)
 Linearno podešavanje kontrasta i osvetljaja
 Nelinearni LUT-ovi, DICOM, VOI LUT, parametrizacija lutova
Zasićenje signala
 Multimodalno sjedinjavanje snimaka (tema 9)
 Multi-modalno snimanje, model prenosa informacija
 Monohromatsko sjedinjavanje, multi-veličinsko sjedinjavanje
 Prostori boje, sjedinjavanje u boji
 Merenje sličnosti/razlike između slika (tema 10)
 Jednostavne aritmetičke mere, zbir razlika
 Normalizacije signala
 Strukturna sličnost

Obrada slike u medicini

Sadržaj predavanja (4)
 Perspektive slike, kruta registracija (tema 11)
 Perspektivne transformacije slike
 Promene perspektive i pogleda na snimak
 Osnove krute registracije snimaka
 Odabiranje kroz signal: prikaz 3D podataka
 Osnove segmentacije medicinske slike (tema 12)
 Segmentacija prema osvetljaju
 Određivanje optimalnog praga

Obrada slike u medicini

Laboratorijske vežbe
 Nekoliko konkretnih problema iz obrade medicinskih slika,
okvirno:
 1. Osnovne manipulacije
 2. Medicinski snimci i njihovi podaci DICOM
 3. Multiveličinska analiza i sinteza slika
 4. Korekcija MTF-a radiografskog sistema
 5. Suzbijanje šuma u slikama
 6. Multi-modalno sjedinjavanje snimaka
 7. Z normalizacija slika
 8. Promene perspektive slike
 9. Segmentacija MRI slika

Obrada slike u medicini

Laboratorijske vežbe: praksa
 U Python ili Matlab okruženju
 Vode ih Aleksandra i Ivan
 Na raspolaganju imate naše okruženje: funkcije za učitavanje,
statistiku, prikaz slike i rezultata ...
 Od vas se očekuje da RAZMIŠLJATE o potencijalnim rešenjima
konkretnih problema
 Nađete način da ih primenite i napravite rezultat

Obrada slike u medicini

Projekti
 Svako dobija da reši konkretan problem na pravim slikama
 npr. razdvajanje anatomije i pozadine u rendgenskim snimcima
 Radi se u Matlab ili Python okruženju
 sve pomoćne funkcije su dostupne
 Očekuje se
 Matlab ili Python program koji analizira ili obrađuje date snimke i
proizvodi traženi rezultat
 Kratka prezentacija rešenja i demonstracija mogućnosti izmene
 Ili video prikaz rada funkcije
 Moguć je rad u parovima na kompleksnijim proketima

Obrada slike u medicini

Ocenjivanje ?
 Ocena se sastoji iz četri dela:
 Osnovni test (do 15 poena)
 Ispit (do 30 poena)
 Vežbe (do 30 poena)
 Projekat (do 40 poena)
 Okvirno broj poena podeljen sa 10 je ocena
 Ima više načina da stignete do visoke ocene
 Cilj je da pokažete znanje teorije obrade i analize medicinske
slike (ispit) i
 Pokažete praktičnu primenu tih znanja na konkretne probleme
(vežbe i projekat)

Obrada slike u medicini

Materijali
 Nema preporučenih knjiga
 Sav materijal koji nam treba se lako nalazi na internetu
 Svima su dostupni materijali sa predavanja
 Na vežbama dobijate realne medicinske snimke
 Sve podatke imate na Moodle strain predmeta:
https://moodle.telekom.ftn.uns.ac.rs/course/view.php?id=82

Obrada slike u medicini

Plan za naredni period
 Ove nedelje su samo predavanja
 Od sledeće nedelje prelazimo na normalan režim:
 Predavanja i vežbe

Obrada slike u medicini

Obrada slike u medicini