Επεξεργασία Βιοϊατρικής Εικόνας
| Τίτλος | Επεξεργασία Βιοϊατρικής Εικόνας / Biomedical Image Processing |
| Κωδικός | MEI005 |
| Σχολή | Επιστημών Υγείας |
| Τμήμα | Ιατρικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Πέτρος Δάρας |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600021931 |
Πρόγραμμα Σπουδών: ΠΜΣ "Ιατρική Μηχανική και Πληροφορική" (2022-σήμερα)
Εγγεγραμμένοι φοιτητές: 9
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΚΟΡΜΟΣ | Υποχρεωτικό | 1 | 1 | 6 |
| Τίτλος | Επεξεργασία Βιοϊατρικής Εικόνας |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Διδάσκοντες άλλων Κατηγοριών |
|
| Ώρες Εβδομαδιαία | 3 |
| Ώρες Συνολικά | 39 |
| Class ID | 600265086
|
Τύπος Μαθήματος
Γενικού Υποβάθρου
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600265086
Γλώσσα Διδασκαλίας
- Αγγλικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
Σκοπός του μαθήματος είναι η εισαγωγή των φοιτητών (-τριών) στις βασικές έννοιες και στους λόγους αναγκαιότητας της ψηφιακής επεξεργασίας ιατρικής εικόνας, ώστε να γίνει αντιληπτή η σημασία και η ανάγκη ανάπτυξης προηγμένων τεχνικών διαχείρισης και επεξεργασίας ιατρικής εικόνας, αλλά και οι λόγοι που καθιστούν αυτό το αντικείμενο ιδιαίτερα ενδιαφέρον, τόσο από ερευνητική όσο και από άμεσα εφαρμόσιμη σκοπιά.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Αυτόνομη εργασία
- Ομαδική εργασία
- Εργασία σε διεπιστημονικό περιβάλλον
- Παραγωγή νέων ερευνητικών ιδεών
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Εισαγωγή στην επεξεργασία Ιατρικής Εικόνας
2. Εισαγωγή στα Νευρωνικά Δίκτυα
3. Εισαγωγή Κατάτμηση Ιατρικής Εικόνας
4. Οπτικοποίηση Ιατρικής Εικόνας
5. Καταχώρηση Ιατρικών Εικόνων
6. Εύρεση αντικειμένων ενδιαφέροντος σε Ιατρική Εικόνα
7. Προηγμένες Τεχνικές Βαθιάς Μάθησης: Fully Convolutional Neural Networks
8. Προηγμένες Τεχνικές Βαθιάς Μάθησης: Reinforcment Learning
9. Σεμινάριο: Βιοπληροφορική
10. Σεμινάριο: Αναγνώριση Νοηματικής Γλώσσας
Λέξεις Κλειδιά
Επεξεργασία, Κατάτμηση, Νευρωνικά
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Πολυμεσικό υλικό
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 22 | 0,9 | |||
| Σεμινάρια | 4 | 0,2 | |||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 64 | 2,6 | ✓ | ||
| Εξετάσεις | 60 | 2,4 | ✓ | ||
| Σύνολο | 150 | 6 |
Αξιολόγηση Φοιτητών
Περιγραφή
Μορφή αξιολόγησης:
- Ομαδική μελέτη και ανάλυση άρθρων 30%
- Γραπτές εξετάσεις στο τέλος του εξαμήνου 70%.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Διαμορφωτική)
- Γραπτή Εξέταση με Ερωτήσεις Εκτεταμένης Απάντησης (Διαμορφωτική)
- Γραπτή Εργασία (Διαμορφωτική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
R. Gonzalez and R. Woods, Digital Image Processing, 2nd edition, Prentice Hall, 2002.
- Image Processing Toolbox, Users Version 4, 2003, The Mathworks
- R. Gonzalez, R. Woods, S.Eddins, Digital Image Processing using MATLAB, Prentice Hall 2004.
- I. Πήττας, Επεξεργασία Εικόνας
- N. Kalouptsidis, Signal Processing Systems, Theory and Design, John Wiley, 1997
- Lim, 2-D signal and image processing, Prentice Hall, 1990.
- Περιοδικα¨IEEE Trans. on Medical Imaging,
+ IEEE Trans. on Pattern Analysis and Machine Intelligence
+ NeuroImage, Elsevier
+ Medical Image Analysis, Elsevier
Τελευταία Επικαιροποίηση
24-11-2023
