FSK3522 Kvantitativ databehandling och analys för mikroskopi 7,5 hp
Information för forskarstuderande om när kursen ges
Enligt överenskommelse.
Innehåll och lärandemål
Kursinnehåll
Kursen fokuserar på de grundläggande matematiska principerna och implementationerna av bilddatabehandling, bilddata-analys och dataextrahering med fokus på mikroskopbilder. Kursen täcker intensitets-och färgbaserad tranformering och segmentering, fouriermetoder för både filtrering och dataanalys och morfologiska operationer. Studenten väntas kunna både analytiskt lösa relaterade problem och självständigt kunna välja och implementera metoder för att lösa en "riktig" uppgift.
Lärandemål
Studenten skall, efter fullgången kurs, kunna (med fokus på ljusmikroskopidata)
- Förklara och använda den matematiska grunden for intensitetsbaserade transformer och spatiell filtrering i upp till fyra dimensioner.
- Implementera lösningar baserat på denna kunskap i Matlab, Image], Imaris eller liknande verktyg, så väl som använda de inbyggda metoderna.
- Förklara och använda den matematiska grunden för beräkning (filtrering och analys) i frekvensrymden (fouriermetoder) i upp till fyra dimensioner, så väl som avfaltning.
- Frekvensrymden (fouriermetoder) i upp till fyra dimensioner, så väl som avfaltning.
- Implementera lösningar baserat på denna kunskap i beräkningsverktygen, såväl som använda de inbyggda metoderna.
- Ta hänsyn till effekterna av val av färgrymd samt göra matematiskt korrekta färgbaserade transformationer och segmenteringar
- Förklara och använda några enklare algoritmer for bildkompression
- Förklara och använda enkla och sammansatta morfologiska operationer och implementera lösningar baserade på dessa i beräkningsverktygen.
- Förklara och använda de matematiska grunderna for bildsegmentering.
- Implementera lösningar baserat på denna kunskap i beräkningsverktygen, så väl som använda de inbyggda metoderna.
- Känna till fördelarna och utmaningarna med att jobba med superupplöst data (STORM, PALM, SIM, STED) och de matematiska grunderna för deras bild(re) konstruktionsalgoritmer
- Extrahera relevant data från behandlade bilder och genomföra matematisk/numerisk analys på densamma; inklusive ickelinjar regression, enklare optimeringsproblem och anpassning till partiella differentialekvationer.
- Bygga, motivera och dokumentera ett GUI i Matlab, Image] eller liknande miljö för att lösa en specifik flerstegad bildbehandlings- och -analysuppgift (projektarbete)
Kurslitteratur och förberedelser
Särskild behörighet
Antagen till forskarstudier i fysik, biologisk fysik eller relaterat ämne.
Rekommenderade förkunskaper
Grundläggande färdigheter i Matlab, ImageJ eller liknande.
Grundläggande kunskaper i teoretisk och praktiskt mikroskopi
Engelskakunskaper goda nog för att kunna följa materialet och delta i diskussioner
Utrustning
Kurslitteratur
RC Gonzalez & RE Woods, Digital Image Processing, 3rd ed (ISBN-13:978-0-13-505267-9)
Bioimage Data Analysis, edt Kota Miura, ePub ISBN: 978-3-527-80094-0
Handout "Analyzing fluorescence microscopy images with lmageJ", by Peter Bankhead
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- INL1 - Inlämningsuppgift, 1,5 hp, betygsskala: P, F
- INL2 - Inlämningsuppgift, 1,5 hp, betygsskala: P, F
- PRO1 - Projektarbete, 4,5 hp, betygsskala: P, 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.
Examination sker genom godkända övningsuppgifter och godkännt projektarbete. Projektarbetet presenteras vid ett seminarium.
Övriga krav för slutbetyg
Klarat av följande: Inlämningsuppgift 1, Inlämningsuppgift 2 och Projektarbete
Möjlighet till komplettering
Möjlighet till plussning
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.