Diagnóstico Assistido por Computador

Código:

EBE0149

Sigla:

DACO

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Biomédica

Ocorrência: 2019/2020 - 1S

Ativa?	Sim
Página Web:	http://moodle.fe.up.pt
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	10	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 Computacional de Imagem Biomédica e Processamento de Sinal, Programação de computadores

Programa

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

1.     Introdução
2.     Organização típica de um sistema DAC
3.     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.     Aprendizagem supervisionada
            Aprendizagem Paramétrica. Classificação Bayesia
                  Class characterização das classes
                  Probabilidade à posteriori e classificador MAP                   Densidade normal

4.    Avaliar e interpretar sistemas de RP
5.    Redução de Dimensionalidade
               Extração de caraterísticas
               Seleção de caraterísticas
6.     Processamento e análise de imagem
               Métodos avançados de processamento e realce de imagem
               Análise de Textura
7.    Deteção de objetos e lesões
8.      Aprendizagem não supervisionada
                "Clustering"
                Segmentação de Imagem

 Parte 3: Aplicações

 Exemplos de aplicação

 

 

 

 

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
Bishop Christopher M.; Pattern recognition and machine learning. ISBN: 978-0-387-31073-2
Gonzalez Rafael C.; Digital image processing. ISBN: 0-201-11026-1
Duda Richard O.; Pattern classification. ISBN: 0-471-05669-3

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 4 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 tem 2 componentes: 1. CF - Avaliação durante o semestre (50%): que inclui um “Challenge” em grupo DE 4 ESTUDANTES (ch); e trabalhos sobre reconhecimento de padrões e análise de imagem (PR) em grupo de 2 estudantes; 2. EX - Exame (50%): prova escrita com problemas sobre a matéria lecionada. Um estudante para ser aprovado tem que ter classificação em cada uma das componentes superior ou igual a 8,0 valores e classificação final (NF) maior ou igual a 10 valores. As expressões correspondentes são:

CF = 0.4*PR+0.6*CH

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

NF=EX para EX < 8.0

Provas e trabalhos especiais

Casos de estudo: Implementação de um challenge (grupo de 4 alunos)
Trabalhos Práticos (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