Diagnóstico Assistido por Computador

Código:

EBE0149

Sigla:

DACO

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Biomédica

Ocorrência: 2013/2014 - 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	18	Plano de estudos oficial	1	-	6	56	162
MIB	36	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

 

1.     Organização típica de um sistema DAC

 

2.     Desenvolvimentos em sistemas DAC

 

Parte 2: Metodologias

 

1.     Conceitos matemáticos relevantes

 

·            Álgebra linear

 

·            Análise estatística

 

2.     Realce de imagem

 

·            Métodos espaciais

 

·            Métodos em frequência

 

3.     Segmentação de imagem em DAC

 

·            Thresholding and clustering

 

·            Análise de textura

 

·            Segmentação de órgãos e deteção de lesões

 

4.     Introdução ao reconhecimento de padrões (RP)

 

·            Arquitetura RP para DAC

 

·            Recolha de dados e escolha de caraterísticas

 

5.     Classificação bayesiana

 

·            Caraterização de classes

 

·            Probabilidades a posteriori e classificador MAP

 

·            O caso normal

 

6.     Aprendizagem não paramétrica

 

·            Histograma

 

·            Método de Parzen

 

·            K vizinhos mais próximos

 

·            Funções discriminantes lineares

 

·            Máquinas de suporte vectorial

 

7.     Redução de caraterísticas

 

·            Extração

 

·            Seleção

 

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 quatro alunos vão apresentar cinco 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 3-4 alunos)
Dois Trabalhos (2 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