Streszczenie
W artykule przedstawiono koncepcję komputerowego rozumienia obrazów medycznych, wykorzystującą tzw. seony do tworzenia modelu treści obrazowej istotnej diagnostycznie. Zakłada ona modelowanie efektu ‘umysłowego poznania’ na bazie percepcji informacji obrazowej w kontekście określonej wiedzy dziedzinowej (diagnostyka określonego schorzenia) oraz sytuacyjnej (wyniki badań ogólnych, specjalistycznych, innych diagnostycznych, czynniki ryzyka itp.). Celem jest integracja numerycznej reprezentacji obrazowej informacji diagnostycznej ze sformalizowanym modelem wiedzy danej dziedziny (np. w formie ontologii) oraz modelem subiektywnego procesu poznania obrazowanej rzeczywistości przez ekspertów. Wszystkie te elementy nawiązują do określonego zadania klinicznego. Taki zintegrowany model jest optymalizowany z kryterium maksymalnej ekstrakcji formalnych komponentów treści (czyli wspomniane seony), które mają decydującą rolę w rozumieniu i interpretacji obrazów. Obliczeniowe komponenty nabierają znaczenia diagnostycznego wskutek weryfikacji ich przydatności w subiektywnych testach klinicznych. Poszukiwane są jednak obliczeniowe wzorce oraz odpowiednie normy i metryki, które pozwolą wykrywać istotne komponenty w przypadku zupełnego braku ich percepcji w klasycznych formach odbioru treści obrazowej. Dostosowano prezentowaną metodę numerycznego rozumienia rejestrowanych danych obrazowych do ogólnie przyjętej metodyki komputerowego wspomagania diagnostyki (CAD) medycznej. Wybrano przy tym istotne zastosowania kliniczne, m.in. wspomaganie diagnostyki wczesnych udarów mózgu na bazie zobrazowań tomografii komputerowej (CT) oraz detekcję symptomów raka sutka w mammogramach. Artykuł jest rozszer zeniem zagadnień prezentowanych na XVIII Konferencji Biocybernetyki i Inżynierii Biomedycznej w Gdańsku, 2013.
Słowa kluczowe: komputerowo-wspomagana diagnoza, rozumienie obrazów, przetwarzanie obrazów, diagnostyka wczesnego udaru mózgu
Abstract
The concept of computer understanding of medical images was presented. So-called seons were proposed to create model of diagnostically significant image content. The effect of mental cognition was considered with ability of visual perception to recognize information in the context of specific domain knowledge (e.g. conditions of a specific disease) and clinical data (i.e. results of general or specialistic examinations, other diagnosis, risk factors, etc.). Therefore, the research purpose was integration of the numerical representation of imaged diagnostic information with the formal model of domain knowledge (i.e. ontology) and the model of image subjective cognition by experts. All these issues relate to specific clinical tasks. This integrated model is optimized with the criterion of maximum extraction of formal components of content (represented by set of seons), which have a crucial role in the understanding and interpretation of the images. Computational components become diagnostically important due to the verification of their usefulness in the subjective clinical tests. However, computational patterns and relevant norms/metrics that allow to detect the essential components for a complete lack of visual perception according to classical procedures are sought. Moreover, discussed method of under standing the recorded image data was adjusted to methodology of computer-aided diagnosis (CAD) in medicine. Two important clinical applications, including acute stroke diagnosis with the computed to mography imaging (CT), and recognition of breast cancer in mammo grams were indicated to illustrate possible applications.
Key words: computer-aided diagnosis, image understanding, image processing, acute stroke diagnosis
Cały artykuł dostępny w wersji elektronicznej Flippingbook – Inżynier i Fizyk Medyczny 1/2014: www.inzynier-medyczny.pl
Artur Przelaskowski
Wydział Matematyki i Nauk Informacyjnych, Politechnika Warszawska, ul. Koszykowa 75, 00-662 Warszawa, tel. +48 22 234 78 21