Análise de Imagem Biomédica

Código:

EBE0056

Sigla:

AIBI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Biomédica

Ocorrência: 2010/2011 - 2S

Ativa?	Sim
Página Web:	http://moodle.fe.up.pt
Unidade Responsável:	Ciências Fundamentais e da Electrotecnia
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	18	Plano de estudos oficial	1	-	6	56	162
MIB	37	Plano de estudos oficial	3	-	6	56	162
MIEEC	10	Plano de estudos de Transição a partir de 2010/11	4	-	6	56	162
			5
		Plano de estudos oficial	4	-	6	56	162
			5
PRODEB	0	Plano de estudos oficial	1	-	6	56	162

Língua de trabalho

Português

Objetivos

Desenvolver conhecimentos e capacidades em: conceitos e metodologias do processamento digital de imagem; princípios, conceitos e métodos da física e tecnologias de imagem usados em Biologia e em Medicina; exposição dos estudantes a diversas formas de Processamento e Análise de Imagens em Biologia e Medicina (PAI-EBM).
São criadas as seguintes competências:
- aquisição de conhecimentos em PAI-EBM
. análise de problemas de PAI-EBM
. projecto em PAI-EBM
. apresentação oral e escrita

Programa

1. INTRODUCTION
1.1. The image processing cycle
1.2. The machine and computer vision cycle
1.3. The Biomedical image analysis cycle
1.4. Applications
2. DIGITAL IMAGES: ACQUISITION, SAMPLING, QUANTIZATION AND REPRESENTATION
2.1. Introduction
2.2. Digital Images
2.2.1. Image acquisition
2.2.2. Sampling and quantization
2.2.3. An image in the frequency domain
2.2.4. Type of images
2.3. Biomedical Images
2.3.1. Microscopic Images
2.3.2. Light intensity images
2.3.3. Ultrasonic images
2.3.4. X ray images
2.3.5. CT and MR images
2.3.6. PET and SPECT
2.3.7. Thermographic images
3. IMAGE ENHANCEMENT
3.1. Basic intensity operations
3.1.1. Pixel operations
3.1.2. Image averaging
3.1.3. Image subtraction
3.1.4. Intensity histograms
3.2. Image enhancement using local operators
3.2.1. Smoothing filters
3.2.2. Sharpening filters
3.2.3. Edge enhancement
3.2.4. Non-linear filters
3.3. Adaptive image filtering
3.3.1. Wiener Filters
3.3.2. Anisotropic filtering
4. EDGE and CORNER DETECTION
4.1. Introduction
4.1.1. Initial considerations
4.1.2. Goals of edge and corner detection
4.1.3. Types of edges and corners
4.1.4. Basic definitions
4.2. Edge detection
4.2.1. First and second order derivative based operators
4.2.2. Canny Edge detector
4.2.3. Criteria for evaluating the performance of edge detectors
4.3. Line and curve fitting
4.3.1. Edge linking
4.3.2. Hough transform
4.4. Corner detectors
4.4.1. Introduction
4.4.2. Harris detector
5. MORPHOLOGICAL IMAGE PROCESSING
5.1. Basic principles
5.2. Binary images
5.2.1. Erosion and Dilation
5.2.2. Opening and Closing
5.2.3. Thinning
5.3. Grey level images
5.3.1. Basic operations
5.3.2. Morphological smoothing and gradient
5.3.3. Top-hat transform
5.4. Applications
6. IMAGE SEGMENTATION
6.1. Introduction
6.1.1. From images to objects
6.1.2. Goals, definition and overview
6.1.3. Categorization of segmentation methods
6.2. Feature domain
6.2.1. Brightness and colour
6.2.2. Texture
6.2.3. Clustering in the feature domain
6.3. Image domain
6.3.1. Region-based
6.3.2. Boundary-based
7. QUANTITATIVE IMAGE ANALYSIS
7.1. Introduction
7.1.1. Discrete geometry
7.1.2. Connected components labelling
7.2. Feature measurement
7.2.1. Boundary measures
7.2.2. Region measures
7.2.2.4. Invariant Moments
7.3. Object representation
7.3.1. Boundary
7.3.2. Region representation
7.3.2.3. Skeletons

Bibliografia Obrigatória

Gonzalez, Rafael C; Digital image processing using Matlab. ISBN: 0-13-008519-7
Gonzalez, Rafael C; Digital image processing. ISBN: 0-201-50803-6

Métodos de ensino e atividades de aprendizagem

Aulas TP de carácter expositivo. Ensino acompanhado por exercícios de desenvolvimento de programas de processamento e análise de imagem biomédica bem como de desenvolvimento de um projecto. Para criar copetência de exposição oral e de síntese de resultados os alunos apresentam em 20 minutos um tema específico sugerido com cerca de 2 semanas de antecedência.

Software

Matlab 6 R12.1

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Descrição	Tipo	Tempo (Horas)	Peso (%)	Data Conclusão
Participação presencial (estimativa)	Participação presencial	56,00
Exame	Exame	4,00		2011-07-14
Frequências	Exame	6,00		2011-06-09
	Total:	-	0,00

Obtenção de frequência

Um aluno obtem frequência se satisfizer as duas condições seguintes:
1 - Não ter excedido o número legal de faltas permitidas nas aulas TP
2 - Ter obtido pelo menos 50% na classificação prática

Fórmula de cálculo da classificação final

Avaliação distribuída com exame final
1. Frequências (75%):
1ª frequência: 27 de Abril de 2011
2ª frequência: Na data do exame normal
2. Avaliação Prática (25%)
Avaliação laboratorial com prova em computador
Exame de recurso: Exame a toda a matéria das frequências.

Provas e trabalhos especiais

Provas: Duas provas escritas, um trabalho laboratorial e exame

Avaliação especial (TE, DA, ...)

A mesma avaliação estabelecida para os alunos em regime normal.

Melhoria de classificação

A melhoria de classificação obtida nas provas escritas é realizada no exame de recurso, que incide sobre toda a matéria leccionada.