up

Системы обработки изображений в биологии и медицине

Start date will be announced later

Start date for course enrollment has not been announced yet

  • Russian

    course language

  • от 10 до 14 недель

    course duration

  • от 4 до 7 часов в неделю

    needed to educate

  • 2 credit points

    for credit at your university

About

Программа курса освещает теоретические основы обработки изображений. Изучаются такие темы как свет, цветовые модели. Курс освещает как регистрируются цифровые изображения и какие при этом могут возникнут проблемы. Изучаются основы по подавлению помех на цифровых изображениях.

Format

Стоимость доступа к материалам курса за исключением ознакомительной части (включая тестовые материалы и возможность пройти экзамен с прокторингом и получить сертификат) составляет 3600 рублей. Для этого нужно пройти текущее тестирование не меньше чем на 60% и итоговый тест не меньше чем на 60%.

1.    Гонсалес Р., Вудс Р. Цифровая обработка изображений (3-е изд., 2012)
2.    Яне Б. Цифровая обработка изображений Москва: Техносфера, 2007 г.Объем 584 стр
3.    И.С.Грузман, В.С. Киричук, В.П. Косых,Г.И. Перетягин, А.А.Спектор ЦИФРОВАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ Новосибирск 2000

Course program

Модуль 1. Введение

  1. Что такое цифровая обработка изображений.
  2. Основные стадии цифровая обработка изображений и компоненты системы обработки изображений.
  3. Применение цифровая обработка изображения в медицине.

 

Модуль 2. Зрительный анализатор

  1. Свет.
  2. Строение глаза.
  3. Свойства человеческого зрения.

 

Модуль 3. Восприятие цвета

  1. Что такое цвет.
  2. Законы Грассмана.
  3. Стандарт МКО, эксперимент по определению цветовых координат.

 

Модуль 4. Цветовые модели I

  1. RGB, XYZ
  2. CMY и CMYK

 

Модуль 5. Цветовые модели II

  1. HSV, HSВ, HSI и HSL
  2. Lab, Luv
  3. HEX

 

Модуль 6. Регистрация изображения

  1. Дискретизация.
  2. Квантование.
  3. Регистрация изображения.

 

Модуль 7. Визуализация цифрового изображения

  1. Отображение цифрового изображения. Пространственная интерполяция. Цветовой профиль устройства.
  2. Форматы цифровых изображений.

 

Модуль 8. Оценка качества изображений

  1. Шумовые характеристики изображений.
  2. Качество изображений. Меры качества изображений.

 

Модуль 9. Яркостные преобразования

  1. Линейные и нелинейные преобразования. Яркостные преобразования и гистограммы.
  2. Гистограммные преобразования и эквализация гистограмм.
  3. Гомоморфная фильтрация.

 

Модуль 10. Устранение помех и фильтрация шума

  1. Подавление помех.
  2. Фильтрация шума.

 

Модуль 11. Подчеркивание границ

  1. Нерезкое маскирование для подчеркивания границ.
  2. Фильтрация частотной области для шумоподавления и подчеркивания границ.

 

Модуль 12. Восстановление изображений

  1. Восстановление искажения, размытия и смазов.
  2. Винеровская фильтрация.

 

Модуль 13. Пространственные преобразования

  1. Масштаб.
  2. Поворот.
  3. Проективные искажения.

Education results

В результате обучения по курсу слушатель будет:

Знать:

  • подходы к оценке эффективности применения биотехнических систем и технологий.
  • методы исследования теоретических и прикладных вопросов, связанных с исследованием, разработкой высокотехнологичных систем для медицинской диагностики.

Уметь:

  • проводить оценку эффективности применения биотехнических систем и технологий.
  • формировать исходные данные для создаваемых высокотехнологичных систем.

Владеть:

  • навыком оценки эффективности применения биотехнических систем и технологий.
  • навыком сопровождения и эксплуатации современных медицинских комплексов, связанных с разработкой и внедрением в клинической практике систем диагностики с акцентом на онкологические заболевания.

Education directions

Knowledge

Знание подходов к оценке эффективности применения биотехнических систем и технологий.

Знание методов исследования теоретических и прикладных вопросов, связанных с исследованием, разработкой высокотехнологичных систем для медицинской диагностики.

Skills

Умение проводить оценку эффективности применения биотехнических систем и технологий.

Умение формировать исходные данные для создаваемых высокотехнологичных систем.

Abilities

Навык оценки эффективности применения биотехнических систем и технологий.

Навык сопровождения и эксплуатации современных медицинских комплексов, связанных с разработкой и внедрением в клинической практике систем диагностики с акцентом на онкологические заболевания.

Проничев Александр Николаевич

Кандидат технических наук
Position: Доцент отделения биотехнологий офиса образовательных программ НИЯУ МИФИ

Простаков Святослав Николаевич


Position: Ассистент кафедры компьютерных медицинских систем НИЯУ МИФИ

Марков Тодор Костов


Position: Инженер центра онлайн образования НИЯУ МИФИ

Similar courses