Обработка визуальной информации в медицине
内容描述: В дисциплине рассматриваются характеристики сканеров и средств медицинской визуализации, принципы, методы и средства извлечения диагностической информации из измерений, использующих различные модальности и технологические решения. Студенты получают основные сведения по методам улучшения и реконструкции изображений и знакомятся с современными средствами обработки и визуализации медицинской информации.
贷款数: 6
Пререквизиты:
- Введение в инженерное образование
*СomplexityDiscipline(zh-CN)*:
| *TypesOfClasses(zh-CN)* | *hours(zh-CN)* |
|---|---|
| *Lectures(zh-CN)* | 30 |
| *PracticalWork(zh-CN)* | 30 |
| *LaboratoryWork(zh-CN)* | |
| *srop(zh-CN)* | 30 |
| *sro(zh-CN)* | 90 |
| *FormOfFinalControl(zh-CN)* | экзамен |
| *FinalAssessment(zh-CN)* |
零件: Компонент по выбору
循环次数: Профилирующие дисциплины
Цель
- формирование у студентов системного подхода в сфере разработки и использования методов и компьютерных программ обработки визуальной информации, получаемой при использовании медицинской диагностической техники.
Задача
- Задачи изучения дисциплины: - приобрести навыки оценки возможностей современной медицинской визуализации с использованием примеров из практической деятельности и выбора рациональных диагностических сканеров и средств медицинской инженерии.
Результат обучения: знание и понимание
- Знать основные положения теории обработки и визуализации данных в медицине, принципы построения диагностических устройств, методы решения задач улучшения и реконструкции медицинских изображений, адаптации к новым модальностям медицинской визуализации, типы и характеристики основных сканеров и устройств.
Результат обучения: применение знаний и пониманий
- Уметь: - использовать основные приёмы обработки и визуализации информации в медицине, представлять результаты потребителю, реализовывать гибкую стратегию обработки визуальных данных; - способность самостоятельно применять методы и средства познания, обучения и самоконтроля, осознавать перспективность интеллектуального, культурного, нравственного, физического и профессионального саморазвития и самосовершенствования, уметь критически оценивать свои достоинства и недостатки; - способность эффективно работать индивидуально и в качестве члена команды, демонстрируя навыки руководства отдельными группами исполнителей, в том числе над междисциплинарными проектами, уметь проявлять личную ответственность, приверженность профессиональной этике и нормам ведения профессиональной деятельности. - осуществлять коммуникации в профессиональной среде и в обществе в целом, в том числе на иностранном языке.
Результат обучения: формирование суждений
- Обучающийся способен формировать обоснованные суждения на основе анализа визуальной медицинской информации, включая выбор и интерпретацию методов обработки изображений, оценку их применимости в клинической практике и понимание влияния полученных данных на диагностические решения.
Результат обучения: коммуникативные способности
- Обучающийся способен ясно и аргументированно представлять результаты анализа визуальной медицинской информации, вести профессиональную коммуникацию с медицинскими специалистами и техническими экспертами, участвовать в обсуждении клинических решений, основанных на визуальных данных
Результат обучения: навыки обучения или способности к учебе
- Обучающийся способен самостоятельно и эффективно осваивать современные методы и технологии обработки медицинских изображений, применять знания из различных источников, критически анализировать новую информацию и интегрировать её в профессиональную деятельность.
*TeachingMethods(zh-CN)*
Интерактивная лекция: управляемое обсуждение или беседа, модерация, презентация слайдов или учебных фильмов, мозговой штурм, мотивационная речь;
Информация и связь;
Поиск и исследование;
Решение учебных задач.
*AssessmentKnowledge(zh-CN)*
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| *Period2(zh-CN)* | *TypeOfTask(zh-CN)* | *Total(zh-CN)* |
|---|---|---|
| 1 *Rating(zh-CN)* | 0-100 | |
| 2 *Rating(zh-CN)* | 0-100 | |
| *TotalControl(zh-CN)* | экзамен | 0-100 |
*PolicyAssignmentTask(zh-CN)*
| *TypeOfTask(zh-CN)* | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | *Grade4(zh-CN)* | *Grade3(zh-CN)* | *Grade2(zh-CN)* | |
| Выполнение практических расчетов | Полное качественное выполнение поставленной задачи. Делаем вывод по расчету. Ответьте на дополнительные вопросы совершенно правильно. Полностью понимает тему. Знает и умеет использовать термины. | Полное выполнение практического задания. Если на первый дополнительный вопрос не дан полный ответ, будет задан второй определяющий вопрос. | Теоретические знания средние. Допущение ошибок в практическом отчете. Не отвечайте на следующий вопрос. | Низкие теоретические знания. Он выдает ошибки в расчетной работе. Доказательства не могут служить примером |
| Устные и письменные анкеты по контрольным вопросам | Демонстрирует систематические теоретические знания, знает терминологию, логически и последовательно объясняет суть явлений и процессов, делает обоснованные выводы и обобщения, приводит примеры, демонстрирует беглость монологической речи и умение быстро отвечать на уточняющие вопросы. | Демонстрирует прочные теоретические знания, знает терминологию, логично и последовательно объясняет смысл, явления и процессы, делает обоснованные выводы и обобщения, приводит примеры, демонстрирует беглость монологической речи, но при этом допускает мелкие ошибки, которые преподаватель может исправить самостоятельно или с незначительной коррекцией | Проявляет поверхностные теоретические знания, слабо сформированы навыки анализа явлений и процессов, неумение делать обоснованные выводы и приводить примеры, недостаточно владеет монологической речью, терминологией, логикой и последовательностью изложения, допускает ошибки, исправить которые можно только при исправлении со стороны преподавателя | Показывает недостаточное знание теоретических основ предмета, неразвитость навыков анализа явлений и процессов, не может делать обоснованные выводы и приводить примеры, плохо владеет монологической речью, не знает терминологии, демонстрирует отсутствие логики и последовательности изложения, даже совершает ошибки, которые не может исправить учитель, отказывается реагировать на урок |
| Экзамен | На все теоретические вопросы были даны правильные и полные ответы; - практическая задача решена полностью; - материал изложен грамотно, соблюдая логический порядок; - проявились творческие способности. | На все теоретические вопросы даны правильные, но неполные ответы, допущены незначительные ошибки или неточности; - практическое задание выполнено, но допущена небольшая ошибка; - материал изложен грамотно, с соблюдением логической последовательности. | Ответы на теоретические вопросы в основном правильные, но не полные, в выводах допущены неточности и логические ошибки; - практическое задание выполнено не полностью; - материал написан правильно, но логическая последовательность нарушена. | Ответы на теоретические вопросы содержат грубые ошибки; Практическое задание не выполнено; -в изложении ответа допущены грамматические и терминологические ошибки, нарушена логическая последовательность. |
*EvaluationForm(zh-CN)*
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Введение в теорию обработки цифровых изображений. Получение цифровых изображений. Понятие о пикселе и вокселе. Форматы цифровых изображений. Сжатие изображений. Применение цифровых изображений в медицине (диагностика, электронные истории болезни, телемедицина). Цифровое представление цвета. Системы RGB, HSV, CIE. Цветопередача в медицинских изображениях и ее оценка. Стандартные цветовые шкалы. Вопросы цветокоррекции. Основы теории распознавания образов. Визуализация в рентгеновской диагностике.Принцип работы и устройство компьютерного томографа. Современные модификации компьютерных томографов. Реконструкция изображений в компьютерной томографии. Режимы сканирования. Визуализация в ядерной медицине. Аппаратное обеспечение и контроль качества ПЭТ. Детектирующая система ПЭТ. Этапы исследования и основные блоки ПЭТ сканера. Реконструкция изображений. Артефакты изображений в ПЭТ (аппаратные артефакты, артефакты сбора данных, артефакты обработки данных). Реконструкционные алгоритмы изображения. Физические основы МРТ, основные блоки МР-томографа, построение МР- изображения. Гибридные системы (ПЭТ/МРТ).
Основная литература
- 1. Visual Basic. NET. Библия пользователя : к изучению дисциплины / Б.Ивьен, Д.Берес и др. - М. ; СПб. ; Киев : Диалектика,2002. - 1014 c. : рис., табл. - ISBN 5-8459-0395-5 : 2294 т. ГРНТИ 20 УДК 004.378.5 2. Основы обработки медицинских изображений, "Digital Image Processing" – Rafael C. Gonzalez, Richard E. Woods, 2017 3. Машинное обучение и искусственный интеллект в медицине, "Deep Learning for Medical mage Analysis" – S. Kevin Zhou, Hayit Greenspan, Dinggang Shen, 2017 4."Artificial Intelligence in Health Care" – Adam Bohr, Kaveh Memarzadeh 2020. 5. Медицинская визуализация,"Medical Imaging: Principles and Practice" – James L. Prince, John K. Links 2006
