Module also offered within study programmes:
General information:
Name:
Advanced Medical Image Processing Techniques
Course of study:
2019/2020
Code:
ZSDA-3-0064-s
Faculty of:
Szkoła Doktorska AGH
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Szkoła Doktorska AGH
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż. Skalski Andrzej (skalski@agh.edu.pl)
Dyscypliny:
automatyka, elektronika i elektrotechnika, informatyka techniczna i telekomunikacja, inżynieria biomedyczna
Module summary

W ramach modułu planowane jest zaznajomienie doktorantów z aktualnymi algorytmami przetwarzania i analizy obrazów medycznych. Moduł złożony jest z części wykładowej oraz seminaryjnej. W części wykładowej zostanie przedstawiona specyfika zagadnień związanych z przetwarzaniem i analizą obrazów ze szczególnym uwzględnieniem prawidłowej walidacji/ewaluacji algorytmów. W części seminaryjnej przewidziane są prezentacje uczestników połączone z dyskusją na temat wybranych technik.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Doktorant potrafi krytycznie ocenić treści prezentowane w publikacjach naukowych. SDA3A_K01 Presentation,
Activity during classes
Skills: he can
M_U001 Doktorant potrafi przedstawić wybrany problem badawczy lub algorytm w formie prezentacji. SDA3A_U02, SDA3A_U05, SDA3A_U01, SDA3A_U04 Participation in a discussion,
Presentation,
Activity during classes
M_U002 Doktorant potrafi zabrać głos w dyskusji dotyczącej prezentowanych treści. SDA3A_U02, SDA3A_U01 Activity during classes
Knowledge: he knows and understands
M_W001 Doktorant ma wiedzę dotyczącą współczesnych algorytmów przetwarzania i analizy obrazów medycznych. SDA3A_W02, SDA3A_W01 Participation in a discussion,
Activity during classes
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
24 8 0 0 0 0 16 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Doktorant potrafi krytycznie ocenić treści prezentowane w publikacjach naukowych. + - - - - + - - - - -
Skills
M_U001 Doktorant potrafi przedstawić wybrany problem badawczy lub algorytm w formie prezentacji. - - - - - + - - - - -
M_U002 Doktorant potrafi zabrać głos w dyskusji dotyczącej prezentowanych treści. - - - - - - - - - - -
Knowledge
M_W001 Doktorant ma wiedzę dotyczącą współczesnych algorytmów przetwarzania i analizy obrazów medycznych. + - - - - + - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 84 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 24 h
Preparation for classes 20 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 20 h
Realization of independently performed tasks 20 h
Module content
Lectures (8h):
  1. Przegląd aktualnych problemów badawczych z zakresu przetwarzania i analizy obrazów medycznych.

    W ramach wykładu zostaną przedstawione aktualne problemy badawcze z zakresu przetwarzania i analizy obrazów medycznych.

  2. Przegląd aktualnych metod z zakresu przetwarzania i analizy obrazów

    Podczas wykładu zostaną przedstawione wybrane algorytmy wraz z przykładami w języku Python. Prezentowane algorytmy będą obejmowały między innymi: zagadnienia segmentacji oraz dopasowania obrazów (ang. image registration).

    Istnieje możliwość dostosowania treści do zainteresowań uczestników.

  3. Krytyczna analiza algorytmów przetwarzania obrazów

    W ramach wykładu zostaną omówione wybrane algorytmy wraz z analizą treści oraz sposobu prezentacji algorytmów w publikacjach naukowych.

  4. Ewaluacja i walidacja algorytmów przetwarzania i analizy obrazów.

    Podczas wykładu zostaną przedstawione typowe miary i narzędzia ewaluacji algorytmów przetwarzania i analizy obrazów obejmujące między innymi: segmentację, algorytmy śledzenia, dopasowania obrazów, uczenie maszynowe i głębokie.
    Szczególna uwaga zostanie poświęcona tematyce: ground truth/wskazania eksperckie oraz błędom.

Seminar classes (16h):
Wybrane algorytmy przetwarzania i analizy obrazów medycznych

Podczas zajęć seminaryjnych Doktoranci prezentują i omawiają wybrane algorytmy lub problemy badawcze. Prezentowane treści będą bazować między innymi na publikacjach w IEEE TMI, MIA, IEEE PAMI lub prezentowanych na konferencjach MICCAI, IEEE ISBI.

Po prezentacji wszyscy uczestnicy biorą udział w dyskusji na temat prezentowanych treści.

Additional information
Teaching methods and techniques:
  • Lectures: Wykład w formie prezentacji multimedialnej uzupełnionej kodowaniem "na żywo" oraz kredą.
  • Seminar classes: Prezentacje multimedialne połączone z dyskusją
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Ocena z zaliczenia wystawiana jest na podstawie prezentacji, raportu oraz aktywności na zajęciach.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Udział w zajęciach jest obowiązkowy. Terminy spotkań są ustalane wspólnie z Doktorantami.
  • Seminar classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Udział w zajęciach jest obowiązkowy.
Method of calculating the final grade:

Ocena końcowa jest średnią ważoną z prezentacji, raportu oraz aktywności:
Prezentacja – 40%
Raport – 40%
Aktywność – 20%

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Wyrównywanie zaległości ustalane jest indywidualnie z Doktorantem.

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Publikacje z IEEE TMI, MIA, IEEE PAMI oraz konferencji MICCAI, CVPR, IEEE ISBI.
Do każdej tematyki literatura zostanie przedstawiona podczas zajęć.

Scientific publications of module course instructors related to the topic of the module:

Pełny wykaz publikacji można znaleźć na stronie:
https://bpp.agh.edu.pl/autor/skalski-andrzej-05649

Additional information:

None