Logga in

Registrera

TSBB31 · Linköpings universitet

Medicinska bilder

Ny kurs

Kom igång gratis

Inga tentor än

Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial

Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg

Kurs info

KurssidaKursplan
HP
Språk
Svenska
Nivå
Grundnivå
Fakultet
Institution

Lärandemål

Efter genomgången kurs:

  • Studenten ska kunna redogöra för den grundläggande teorin för 1D och 2D kontinuerlig fouriertransform med tillhörande teorem, sampling, rekonstruktion och DFT. Studenten ska kunna redogöra för den grundläggande teorin för digitala bilder (tvådimensionella signaler), exempelvis 2D diskret faltning, omsampling, interpolation och viss klassisk bildanalys. Studenten ska kunna redogöra för enkla faltningskärnor och filter för derivering, lågpass- och högpassfiltrering. Studenten ska kunna utföra relaterade beräkn ingar.
  • Studenten ska känna till och kunna redogöra för de vanligaste typerna av medicinska bilder, vad de visar, dess bakomliggande fysik och teknik: CT, röntgen, MRI, ultraljud, gamma-kamera, SPECT och PET. Studenten ska visa en djupare förståelse för ovan nämnda tekniker genom att utföra relaterade beräkn ingar med fokus på signal- och bildbehandling.
  • Studenten ska kunna analysera och utföra beräkn ingar på bilder i ett högnivåspråk såsom Python och/eller Matlab. Här ingår att tolka resultatet av 1D och 2D fouriertransformer, samt att simulera hur en medicinsk bild (CT, MRI, ultraljud) skapas.
Kursinnehåll
Kursen består av 2 delar. Den första delen avser att ge grundläggande kunskaper i signalbehandling på bilder. I den andra delen utnyttjas dessa kunskaper för att förstå hur bilder skapas med CT, MRI, ultraljud, SPECT och PET. Grundläggande signalbehandling på bilder: Den digitala bilden. Histogram och gråskale-transformationer. Färgtabeller. Repetition av 1D fouriertransform. Från 1D till 2D fouriertransform. Teorem för 1D och 2D fouriertransform, såsom skalning, translation, derivering, faltning och multiplikation. Teorem för 2D fouriertransform såsom rotations- och projektionsteoremet. Titta på bilder och dess fouriertransformer och relatera dessa till teoremen. Dirac-pulsen. Sampling och rekonstruktion. Effekter på bilden vid vikningsdistorsion i spatial- eller fourierdomän. 1D och 2D DFT. Diskret 1D och 2D faltning. Faltningskärnor i spatial- och fourierdomän: lågpass (gauss), högpass (laplace), deriverande (sobel). 2D geometriska operationer. Omsampling och interpolation. Projektion och återprojektion. Några enkla bildanalysmetoder såsom tröskelsättning, krympning och etikettering. Mätvärden och brus på bilder, såsom kontrast, upplösning, MTF och SNR. Några vanliga medicinska bildtekniker med fokus på signal- och bildbehandling: CT och röntgen. Grundläggande fysik om röntenspektrum, fysikalisk interaktion såsom fotoelektrisk effekt, koherent och inkoherent spridd strålning, mm. Denna fysik tas upp för att visa dess påverkan på bilderna. 2D rekonstruktion med direkta fouriermetoden och filtrerad återprojektion. Fanbeam och rebinning. Kort om 3D rekonstruktion och iterativ rekonstruktion. MRI. Grundläggande fysik om t ex spin, precession, RF-puls och gradienter för att förstå hur en bild skapas genom mätningar i k-rummet (2D fourierdomänen). Orientering om olika varianter på MRI såsom fMRI, EPI och diffusion. Ultraljud. Hur skapas en B-mode ultraljudsbild? RF data, enveloppsdetektion med kvadraturfilter, gråskaletransformation, nedsampling, skannkonvertering (omsampling), mm. SPECT, PET och gammakameran: Grundläggande fysik om gamma-fotoners interaktion i patient och kollimator, principen för PET, dvs positron+elektron= 2 motriktade gammafotoner, mm. Gammakameran. Iterativ rekonstruktion med ML-EM algoritmen. Bildexempel på SPECT-CT och PET-CT. Laborationerna: Lab 1: Den digitala bilden: pixlar/storlek/zoom, kvantisering och lagring, gråskala/färg, reell/komplex. Histogram och gråskaletransformationer. Färgtabeller: gråskala, äkta RGB, pseudo. 2-D fouriertransform på bilder – utseende, egenskaper. Enkla faltningskärnor i spatialdomänen. Linjära filter i fourierdomänen. Lab 2: Omsampling och interpolation. Effekter av omsampling i spatial- och fourierdomän. Lab 3: CT-rekonstruktion: Hur görs en CT-bild? Lab 4: Grundläggande MRI. Design av pulssekvenser. Lab 5: Hur görs en ultraljudsbild? Rf-signal => enveloppsdetektering => nedsampling => histogramtransformation => skannkonvertering (omsampling) => ultraljudsbild Lab 6: Mätning av brus. Några enkla bildanalysmetoder. Förberedelse för Lab 7. Lab 7: Mätningar på SPECT/CT-volymer. Exempel på friska och patienter med sjukdomen KOL. Studiebesök: Vi försöker ordna ett studiebesök på CMIV, då vi bland annat tittar på en datortomograf och en MR-kamera, samt lyssnar till ett föredrag om hur medicinska bilder används idag på universitetssjukhuset i Linköping. Vid behov kan studiebesöket bli virtuellt och/eller via zoom.
Förutsättningar
  • Från kursen Transformteori,: kontinuerlig 1D fouriertransform och dess teorem för skalning, translation, derivering, faltning och multiplikation.
  • Från kursen Introduktionskurs i Matlab, : grundläggande kunskaper i Matlab-programmering.
  • Från kursen Linjär algebra,: Vektor, matris, determinant och skalärprodukt.
  • En- och flervariabel analys, Oscillationer och mekaniska vågor.
Litteratur
Medical Imaging: Signals and Systems (Prince, J.L. and Links, J.M.; 2006) [Book Review] - Prince, J.L., Links, J.M.
Maria Magnusson, Grundläggande 1D och 2D signalbehandling för Bilder Kompendium i pdf-format
Diverse material
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

6
Tekniska fakulteten
Institutionen för systemteknik

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Blogg

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

  • Socialt

    • Instagram

    • Facebook

    • YouTube

    • TikTok

    • Linkedin

    © 2026 Crash Course Sverige AB