Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

CM203V Introduktion till medicinsk bildanalys 2,0 hp

Kursen syftar till att studera de mest använda metoderna för 3D-bildanalys (extrahera relevant information från bilder) och deras användning i medicinska applikationer.

Välj termin och kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Kursval

Gäller för kursomgång

HT 2024 Start 2024-10-28 fristående studerande

Anmälningskod

10086

Rubriker med innehåll från kursplan CM203V (HT 2023–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Egenskapsextraktion
  • Bildklassificering
  • Bildregression
  • Maskinlärning och djuplärning för bildanalys

Kursen består av föreläsningar, laborationer, matematiska övningar och tentamen. Deltagarna kombinerar grundläggande och avancerade mjukvarubibliotek för bildregistrering i Python, inklusive scipy, numpy, SimpleITK, scikit-image, scikit-learn, TensorFlow m m. Kursen innehåller också introduktionslaborationer för studenter med programmeringserfarenhet men utan erfarenhet i Python.

Lärandemål

Bildanalys används för att extrahera relevant information från bilder. Bildanalys är viktig för diagnostik och behandling av olika sjukdomar. Kursen omfattar begrepp, teorier och de mest använda metoderna inom bildanalys. Kursen är inriktad på att lösa medicinskt relevanta problem.

Efter genomförd kurs ska deltagaren kunna:

  • Förstå de viktigaste problemen och utmaningarna inom bildanalys
  • Beskriva huvudprinciperna och metoderna och de viktigaste skillnaderna mellan dem
  • Sammanfatta fördelarna och nackdelarna och tillämpningsområdet för olika metoder
  • Identifiera och förstå den matematiska teorin bakom de mest använda metoderna
  • Utveckla och systematiskt utvärdera olika metoder för att lösa förenklade problem
  • Analysera effekten av olika parametrar hos metoderna i särskilda situationer
  • Förklara den föreslagna strategin för att lösa specifika problem

för att:

  • förstå det fullständiga arbetsflödet för att använda beräkningsverktyg för bildanalys i ett medicinskt sammanhang
  • kunna implementera beräkningslösningar i bildanalys till medicinskt relevanta problem
  • ha en bred kunskapsbas som kan underlätta att förstå litteratur inom området

Kurslitteratur och förberedelser

Särskild behörighet

Kandidatexamen i Medicinsk teknik, Teknisk fysik, Elektroteknik, Datateknik eller motsvarande. Minst 6hp inom programmering.  Engelska B/Engelska 6.

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laborationer och övningar, 1,0 hp, betygsskala: P, F
  • TEN1 - Skriftlig tentamen, 1,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Medicinsk teknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Rodrigo Moreno (rodmore@kth.se)

Övrig information

Överlappande kurs: HL2027, delvis överlappande 

Målgruppen för denna kurs är personer som inte redan är programstudenter vid KTH.