Diagnóstico Assistido por Computador

Código:

EBE0149

Sigla:

DACO

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Biomédica

Ocorrência: 2014/2015 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mestrado Integrado em Bioengenharia

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MEB	12	Plano de estudos oficial	1	-	6	56	162
MIB	19	Plano de estudos oficial	4	-	6	56	162

Língua de trabalho

Português

Objetivos

O diagnóstico assistido por computador pode ser definido como sendo a opinião emitida por um radiologista, que é assistido por um sistema computacional de análise de imagem médica, que emite uma segunda opinião. Esta unidade curricular tem como objectivo dotar os alunos com conhecimentos e capacidades para desenvolver metodologias de realce de imagem, análise e classificação de imagem, úteis em ambientes de diagnóstico assistido por computador.

Resultados de aprendizagem e competências

 

Esta UC pretende contribuir para o desenvolvimento de competências relacionadas com a preparação e realização de apresentações orais, com a realização de análises bibliográficas e a preparação de relatórios sobre temas selecionados, fomentando simultaneamente o trabalho autónomo e em grupo dos estudantes.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Conhecimentos prévios:
Análise de Imagem Biomédica e Processamento de Sinal, Matlab

Programa

 Parte 1: Diagnóstico assistido por computador (DAC): visão geral

• Organização típica de um sistema DAC
• Desenvolvimentos em sistemas DAC

 Parte 2: Metodologias

 1.     Conceitos matemáticos relevantes

 ·            Álgebra linear

 ·            Análise estatística

 2.     Introdução ao reconhecimento de padrões (RP)

 ·            Arquitetura RP para DAC

 ·            Recolha de dados e escolha de caraterísticas

 3.     Classificação bayesiana

 ·            Caraterização de classes

 ·            Probabilidades a posteriori e classificador MAP

 ·            O caso normal

 4.     Aprendizagem não paramétrica

 ·            Histograma

 ·            Método de Parzen

 ·            K vizinhos mais próximos

 ·            Funções discriminantes lineares

 ·            Máquinas de suporte vectorial

 5.     Redução de caraterísticas

 ·            Extração

 ·            Seleção

6.     Realce de imagem

 ·            Métodos espaciais

 ·            Métodos em frequência

 7.     Segmentação de imagem em DAC

 ·            Thresholding and clustering

 ·            Análise de textura

 ·            Segmentação de órgãos e deteção de lesões

  8.     Avaliação e interpretação

 Parte 3: Aplicações

 Exemplos de aplicação em Oftalmologia, Imagiologia torácica e Mamografia

 

 

 

 

Bibliografia Obrigatória

Rangaraj M. Rangayyan; Biomedical image analysis. ISBN: 0-8493-9695-6
2. F. Der Heijden, R. Duin, D. Ridder, D. Tax; Classification, Parameter Estimation and State Estimation. An Engineering Approach using Matlab, Wiley, 2004

Métodos de ensino e atividades de aprendizagem

Apresentação de metodologias de análise e classificação de imagem. Discussão de tópicos relacionados com diagnóstico assistido por computador.
Grupos de 5-6 alunos vão apresentar casos de estudo de diagnóstico assistido por computador.

Software

Matlab

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	50,00
Trabalho laboratorial	50,00
Total:	100,00

Obtenção de frequência

Ter uma avaliação positiva durante o semestre

Fórmula de cálculo da classificação final

A classificação final (NF) tem 2 componentes:
1. Avaliação durante o semestre (50%): CF
• Estudo, análise e discussão de um artigo (grupo de 3-4 estudantes) (30%), incluindo uma apresentação pública - SP
• 2 trabalhos sobre análise de imagem e reconhecimento de padrões (2 estudantes) - 10% cada, a submeter até 21 de Outubro e 18 de Novembro: PR
2. Exame (50%): EX
Um estudante para ser aprovado as duas componentes, CF and EX, têm que ser superiores ou iguais a 8,0 valores e NF maior ou igual a 10 valores. (todas as classificações estão na gama 0 : 20). As expressões correspondentes são:

CF = 0.4*SP+0.6*PR

NF=0.5*CF+0.5*EX, para EX >= 8.0
NF=EX para EX < 8.0

Provas e trabalhos especiais

Casos de estudo: análise e discussão de um artigo científico (grupo de 5-6 alunos)
Dois Trabalhos (2-3 estudantes)

Avaliação especial (TE, DA, ...)

Os estudantes serão submetidos ao mesmo tipo de provas e à mesma regra de obtenção da classificação final dos estudantes em regime normal

Melhoria de classificação

No mesmo ano letivo, os estudantes podem melhorar apenas a componente escrita realizada no exame