Moses - Machine Learning in Medical Image Processing

Zur Modulseite PDF generieren

Modul / Version
#40898 / #3

Gültigkeit
Seit WiSe 2023/24

Verfügbare Sprache(n)
English

Titel des Moduls
Machine Learning in Medical Image Processing

Leistungspunkte
9

Modulverantwortliche*r
Hennemuth, Anja

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Technische Informatik und Mikroelektronik

Fachgebiet
34341600 FG Computer Vision and Remote Sensing

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
MAR 6-5

Ansprechpartner*in
Hennemuth, Anja

E-Mail-Adresse
anja.hennemuth@campus.tu-berlin.de

Webseite

https://icm.charite.de/

Lernergebnisse

Participants will learn how to apply machine learning approaches such as support vector machines and deep learning for the automatic segmentation of medical image data.

Lehrinhalte

Clinical questions in image-based bloodflow analysis, requirement analysis based on a clinical application scenario, 4D image data preparation for machine learning, comparison and validation of image segmentation methods.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Machine Learning in Medical Image Processing	PJ		WiSe	en	6

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Learning in Medical Image Processing (PJ):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	6.0h	90.0h
Pre/post processing	15.0	12.0h	180.0h
			270.0h(~9 LP)

Der Aufwand des Moduls summiert sich zu 270.0 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

In this project participants will work with MRI datasets typically acquired for the examination of bloodflow in the main artery. The goal is to implement and compare different machine learning approaches for the segmentation of these datasets. The sessions will consist of interleaved theoretical and practical tasks. The theoretical sessions will be dedicated to the introduction of the methods to apply for requirement analysis, data preprocessing, machine learning, validation and result presentation. In the practical sessions these methods will be applied to compile a concept for a clinical image analysis application, as well as an implementation and comparison of different machine learning approaches.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Knowledge about image processing and machine learning techniques is helpful but not mandatory.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English, German

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Deliverable assessment) Demonstration of the implemented solutions	30	praktisch	20 min
(Deliverable assessment) Presentation of the requirement analysis and the implementation concept (talk)	30	mündlich	30 min
(Deliverable assessment) Report summarizing implemented approaches and results	40	schriftlich	5 pages

Notenschlüssel

Notenschlüssel »Notenschlüssel 1: Fak IV (1)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	86.0pt	82.0pt	78.0pt	74.0pt	70.0pt	66.0pt	62.0pt	58.0pt	54.0pt	50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

The grade is determined according to § 47 (2) AllgStuPO with the grading system 1 of faculty IV. Talk about the requirement analyses and (30P): The assessment of the presentation is based on its content , structure, design and comprehensibility, appropriate responses to questions. Implementation of machine learning solutions (30P): The implemented solution is graded according to effectiveness, code structure documentation and comprehensivenss Final report (40P): The report with the problem description, implemented approach and result presentation is assessed similar as in a paper review. It is expected that the text covers introduction and motivation, description of the methodology, data and results, discussion and conclusions. The criteria for the report assessment are structure, the clarity of the textblocks, the reproduciblity of the approach based on the text.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 20.

Anmeldeformalitäten

Please register for the module and for the examination via ISIS and Moses (MTS). For further inquiries please contact Rimona El-Kassem: rimona.el-kassem@dhzc-charite.de.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Biomedizinische Technik (M. Sc.)	1	4	WiSe 2023/24	SoSe 2025
Computer Engineering (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Computer Science (Informatik) (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Elektrotechnik (M. Sc.)	1	4	WiSe 2023/24	SoSe 2025
Wirtschaftsingenieurwesen (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025

Sonstiges

Keine Angabe