Medisinsk bildediagnostikk med kunstig intelligens (ELE670)

Medisinske data, i form av signaler og bilder, blir i stor grad benyttet som en viktig del av diagnostikken. Dette emnet omhandler noen sentrale teknikker for innsamling av slike data. Temaet sees i sammenheng med signal- og bildebehandling samt maskinlæring som er sentrale emner i studiet, da metoder fra disse fagområdene kan benyttes for automatisk segmentering, tolkning og analyse av signaler og bilder. I moderne diagnostikk kan automatisk analyse av data inngå som beslutningsstøtte.

Av teknikker som blir belyst i emnet, vil følgende bli vektlagt: Elektrokardiografi (EKG), elektroencefalografi (EEG), ultralyd, røntgen, magnetresonanstomografi (MR), computertomografi (CT), angiografi.

NB! Dette er et valgemne og dersom det er færre enn 10 studenter oppmeldt pr. 20. august for høstsemesteret, kan dette medføre at emnet ikke tilbys.

Dette emnet handler om hvordan noen utvalgte medisinske bilder dannes, og egenskapene til disse. Stoffet blir relatert til tema og teknikker fra bildebehandling og kunstig intelligens (KI).

Emnet vil fokusere på prinsipp, virkemåte og anvendelser av de vanligste teknikkene for innsamling av medisinsk-diagnostisk data. Følgende teknikker vil bli belyst:

• Røntgen
• Magnetresonanstomografi (MR)
• Computertomografi (CT)
• Ultralyd
• Bruk av KI i medisinke bilder, analyse og bildefangst

Kunnskap:

• Formålet med emnet er å gi studenter med teknologisk bakgrunn innsikt i teknikker for dannelse av medisinske bilder for diagnostikk og bruk av KI i denne forbindelse. Slike medisinske data bør da ses i sammenheng med kunnskap fra andre fag. Følgende teknikker vil bli lagt vekt på: røntgen, magnetisk resonansbilder (MR), computer tomografi (CT), angiografi, ultralyd, microscopy, hvordan bruke KI i bildefangst og analyse. Studentene vil lære om prinsippene bak disse teknikkene, og bruken av dem, blant annet ved hjelp av eksempelbilder.

Ferdigheter:

• Studentene skal kunne forklare prinsippene bak noen teknikker for å samle medisinske bilder for diagnostikk. Studentene skal kunne gjenkjenne og forstå betydningen av spesifikke egenskaper fra ulike typer bilder, samt hvordan kunstig intelligens er brukt for å analysere bildene og hvordan dette påvirker resultatet.

Generell kompetanse:

• Etter å ha tatt dette emnet skal studentene kunne forstå sammenhengen mellom medisinsk diagnostiske bilder og fysiologiske fenomener.

For å ta dette emnet forventes det at du har en bachelorgrad i ingeniørfag eller teknologi (f.eks. biomedisinsk ingeniørfag, elektroteknikk eller informatikk). Det forventes at du har tatt et emne i programmering da Python-programmering må brukes i obligatoriske oppgaver og prosjektarbeid. Det kreves matematiske kunnskaper på nivå med fullført ingeniørgrad, inkludert lineær algebra med matriser og vektorregning.

Kjennskap til konsepter fra dyplæring, som nevrale nettverk, tapsfunksjoner og modelltrening anbefales, selv om emnet inkluderer en kort introduksjon til disse temaene.

Tidligere eksponering for medisinsk bildebehandling er nyttig, men ikke nødvendig, da det grunnleggende om radiografi, CT, MR og ultralyd vil bli dekket i den første delen av emnet.