ECTS: 7.5

Prüfer: Prof. Hornegger

Beisitzer: Dr. Tino Haderlein

Dauer: 30 min

Ergebnis: 1.0

Anmerkung: absolut faire Prüfung, die Atmosphäre war super, Prof. Hornegger bemüht sich wirklich darum, dass Spannung und Nervosität abgebaut werden. So hab ich zB. zuerst einmal eine Tasse Kaffe bekommen

* Roter Faden Mit welchen Themen haben wir uns beschäftigt? DMIP-Wolke malen

* Modalities Wenn Sie sich das Bein brechen, welche Modalität wird denn dann angewendet? Röntgen

Und wenn es ein komplizierter Bruch ist? CT

Wie ist denn der Zusammenhang zwischen Roentgen und CT? Bei CT viele Roentgenbilder und verschiedenen Winkeln

Was wird denn da gemessen? lief dann auf I = I0 exp (- int_L f(x) dx) raus

Also was muss man rein mathematisch machen? Gleichungssytem mit Integralgleichungen lösen, also ganz viele Stammfunktionen von den Linienintegralen ausrechnen

* 3D-Rekonstruktion Wie macht man das denn jetzt so in der Praxis? Da gibt es analytische und algebraische Methoden Gut, wie ist das denn analytisch? Basiert auf dem FourierSlice-Theorem, das dann erklärt (musste es aber nicht beweisen)

Welche Probleme ergeben sich dabei? Abtastung in Polarkoordinaten, in der Mitte mehr als aussen

Wie geht man damit um? In die inverse Fouriertransformation die Koordinatentransformation einbauen, Jacobideterminate nicht vergessen!

Wie ergibt sich die Jacobideterminate? (und muss da ein Betrag hin oder nicht, das hat er aber nur gefragt, weil ich ja Mathe studiere und wollte keine wirkliche Antwort drauf, weil das wohl keiner so genau weiss) Matrix mit den Ableitungen hingeschrieben und Determinanten berechnet.

Dann erklaeren sie mal, warum |r| ganz gut passt Funktion hingemalt und gesagt, dass das ja ganz gut zusammenpasst als Gewichtung, weil ja in der Mitte unendlich oft gesampelt wird

* Rigid Image Registration Bei der rigid image registration haben wir uns einen statistischen Ansatz angeschaut, da haben wir ja zwei Bilder ein CT und ein PET - was ist denn ein PET Kurz erklaert, nukleare Medizin und so und werden dann ja so aufeinander gedreht und verschoben, dass die Intensitäten gut zusammenpassen, aber dafür brauchen wir ja ein Maß KL definiert, und erklärt, dass man KL(p(x,y) || p(x)p(y)) maximiert werden muss und das die mutal information ist

Gut, wenn sie da jetzt zwei bilder haben (mal bilder hin), wie kommen Sie denn auf p(x), p(y) und p(x,y)? p(x) und p(y) durch relative Häufigkeit und p(x,y) durch Übereinanderlegen und relative Häufigkeit der Kombinationen (da ha er mir etwas draufhelfen müssen!)

Wenn Sie eine 16 Bit Quantisierung haben und ein die Bilder 256 * 256 groß sind, bekommen sie dann sinnvolle Histogramme (da war ich sehr verwirrt)… naja wir haben 2^16 moegliche Intensitätwerte und 256^2 = 2^16 Pixel (da bin ich erst auf 2^14 gekommen…), es kann also passieren, dass bei jedem Wert genau ein Pixel steht, also nicht so toll

Wenn ich Ihnen ein p(x) und ein p(x,y) gebe, wie überprüfen Sie, dass ich Sie nicht uebers Ohr gehauen habe? Es muss p(x) = sum_y p(x,y) sein (Stichwort Marginalisierung)

Wo kommt denn hier die Rotation und Translation hinein? Erst faelschlicherweise über Rotationen in 2D mit komplexen Zahlen geredet neinnein, wie ist die in der KLD mit drinnen? x = f_ij und y = T(g_ij) = g_T(ij)

Sie haben ja gerade schon mit komplexen Zahlen für Rotation im 2D angefangen, welche Möglichkeiten haben wir denn Rotationen im 3D darzustellen? (ach Sie haben ja ComputerGraphik gehört… dann brauche ich Sie da ja gar nichts zu fragen) - Eulerwinkel (Zerlegung in Rotation um x, y, und z Achse), dann Achse-Winkel Rotationsmatrix durch Rodrigues-Formel) und dann noch Quaternionen

* Zwischenfrage Haben sie ihren Kaffee schon ausgetrunken? Nein gut dann müssen wir noch weiter machen