تحلیل تصاویر زیست‌پزشکی

Analysis of Biomedical Images

مقطع: تحصیلات تکمیلی گرایش: بیوانفورماتیک
نوع درس: نظری تعداد واحد: ۳
پیش‌نیاز: – هم‌نیاز: –

هدف کلی

با توجه به تحولات اخیر حوزه هوش‌مصنوعی و یادگیری ماشین، و همچنین پیشرفت فناوری‌های تصویربرداری زیست‌پزشکی و تولید تصاویر باکیفیت، پردازش هوشمند این تصاویر بیشتر امکان‌پذیر شده است. هدف از این درس کسب توانایی‌های لازم برای طراحی اصول‌مند راه‌حل‌های نوین هوشمند و مطمئن برای مسائل موجود پزشکی مانند تشخیص، پیش‌بینی، بهبود تصویر، و قطعه‌بندی تصاویر و همچنین رسیدن به زبان مشترک برای انتقال یافته‌ها و روش طراحی شده به یک متخصص زیست‌شناس یا رادیولوژیست است.

سرفصل‌ها

  1. اصول اولیه پردازش و ذخیره‌سازی تصاویر (سه جلسه)
    • تئوری نمونه‌برداری و تبدیل فوریه
    • روش‌های درون‌یابی و سنجش فشرده (compressed sensing) برای بازسازی تصاویر
    • فرمت DICOM برای ذخیره‌سازی و انتقال تصاویر پزشکی
  2. منابع تصاویر پزشکی (مانند X-ray و MRI) و فیزیک آن (دو جلسه)
  3. انواع میکروسکوپ (فلورسنت، الکترونی و غیره) (دو جلسه)
  4. نرم‌افزارهای تحلیل و کمی‌سازی تصاویر میکروسکوپی مانند CellProfiler و Ilastik و ImageJ (پنج جلسه)
  5. انواع پیش‌پردازش‌های مفید تصاویر (سه جلسه)
    • بهبود تصاویر (image enhancement)
    • ثبت تصاویر (image registration)
  6. روش‌های قطعه‌بندی (segmentation) (پنج جلسه)
    • آستانه‌گذاری
    • روش Watershed
    • روش Faster Mask RCNN
    • روش U-net و مشتقات آن
    • روش‌های 3D CNN برای قطعه‌بندی تصاویر حجمی (V-net و DeepMedic و HighRes3Dnet)
    • روش Segment Anything
  7. روش‌های ردیابی سلول‌ها در ویدئو (دو جلسه)
  8. روش‌های خودکار تشخیص و پیش‌بینی تصاویر (چهار جلسه)
  9. روش‌های نمایه‌سازی (profiling) تصاویر میکروسکوپی (دو جلسه)

ارزیابی پیشنهادی

منابع پیشنهادی

  1. Kota Miura. Bioimage Data Analysis. Wiley, 2016.
  2. Paul Suetens. Fundamentals of Medical Imaging. Cambridge University Press, 3rd Edition, 2017.
  3. Guorong Wu, Dinggang Shen, Mert Sabuncu. Machine Learning and Medical Imaging. Elsevier and Micca Society, 1st Edition, 2016.
  4. S. Kevin Zhou, Hayit Greenspan, Dinggang Shen. Deep Learning for Medical Image Analysis. Elsevier, 1st Edition, 2017.