Neurális hálók, mesterséges intelligencia fejlesztői szintű ismerete, orvosi képalkotás
A fogászati mintavétel a fogak negatív képét gipszöntvénnyel pozitív mintára fordítja, és erre a pozítív lenyomatra történik meg a pótlások (pl. implantátumok, koronák) egyedi tervezése. A negatív foglenyomat nagyfelbontású kompjútertomográfiás (CT) felvétele alapján lehetséges volna a digitális tervezés, ekkor a pozitív minta előállítása által okozott pontatlanság elkerülhető volna. Különösen fontos ez az elkészült minta minőségellenőrzése során, ekkor az elkélszült pótlást a CT felvétele alapján illeszteni lehetne a negatív minta CT felvételéhez és az illeszkedés minősége megítélhető volna. Az illeszkedéssel szemben támasztott követelmények és a CT felvételek sztenderd képhibái szükségessé teszik, hogy a levegő-negatív minta határt neurális hálók segítségével térképezzük fel.
A hallgató feladatai:
-
a szkennelt objektumok felületi geometriájának leképezését pontosító gépi tanulás alapú eljárások fejlesztése a mérési adatfelvétel, a rekonstrukció és az utólagos képszűrés tekintetében.
-
gépi tanulás által támogatott virtuális illeszkedésvizsgálati módszerek kifejlesztése.
-
gépi tanulásos algoritmusok fejlesztése képrekonstrukcióhoz, adaptív mérési adatfelvételhez és képszűrési eljárásokhoz a szkennelt objektumok határfelületének emelt pontosságú meghatározására.
-
célzott újabb mérési adatok felvételének vizsgálata, a résztérfogat hatás rekonstrukcióban adaptívan figyelembe vett finomodó felosztásával és az elkészült rekonstruált térfogat szegmentációjának implementálása