Page 25 - IFM_201401_v9 150

Inżynier i Fizyk Medyczny 1/2014 vol. 3 23
diagnostyka obrazowa / medical diagnosis artykuł naukowy / scientific paper
Komputerowe rozumienie obrazów
wspierające diagnostykę medyczną
– zarys koncepcji
Computer image understanding applied to medical diagnosis
– an outline of the concept
Artur Przelaskowski
Wydział Matematyki i Nauk Informacyjnych, Politechnika Warszawska, ul. Koszykowa 75, 00-662 Warszawa, tel. +48 22 234 78 21, e-mail:arturp@mini.pw.edu.pl
otrzymano / received:
08.01.2014
poprawiono / corrected:
22.01.2014
zaakceptowano / accepted:
30.01.2014
Streszczenie
Wartykule przedstawiono koncepcję komputerowego rozumienia
obrazów medycznych, wykorzystującą tzw. seony do tworzenia
modelu treści obrazowej istotnej diagnostycznie. Zakłada ona mode-
lowanie efektu ‘umysłowego poznania’ na bazie percepcji informacji
obrazowej w kontekście określonej wiedzy dziedzinowej (diagnosty-
ka określonego schorzenia) oraz sytuacyjnej (wyniki badań ogólnych,
specjalistycznych, innych diagnostycznych, czynniki ryzyka itp.). Celem
jest integracja numerycznej reprezentacji obrazowej informacji dia-
gnostycznej 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 mo-
del jest optymalizowany z kryteriummaksymalnej ekstrakcji formalnych
komponentów treści (czyli wspomniane seony), które mają decydującą
rolę w rozumieniu i interpretacji obrazów. Obliczeniowe komponenty
nabierają znaczenia diagnostycznego wskutek weryfikacji ich przydat-
ności w subiektywnych testach klinicznych. Poszukiwane są jednak obli-
czeniowe wzorce oraz odpowiednie normy i metryki, które pozwolą wy-
krywać istotne komponenty wprzypadku zupełnego braku ich percepcji
w klasycznych formach odbioru treści obrazowej. Dostosowano prezen-
towaną metodę numerycznego rozumienia rejestrowanych danych ob-
razowych do ogólnie przyjętej metodyki komputerowegowspomagania
diagnostyki (CAD) medycznej. Wybrano przy tym istotne zastosowania
kliniczne, m.in. wspomaganie diagnostyki wczesnych udarów mózgu na
bazie zobrazowań tomografii komputerowej (CT) oraz detekcję sympto-
mów raka sutka wmammogramach.
Artykuł jest rozszerzeniem zagadnień prezentowanych na XVIII Kon-
ferencji Biocybernetyki i Inżynierii Biomedycznej w Gdańsku, 2013.
Słowa kluczowe: komputerowo-wspomagana diagnoza, rozumienie
obrazów,przetwarzanieobrazów,diagnostykawczesnegoudarumózgu
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 cog-
nition was considered with ability of visual perception to recognize
information in the context of specific domain knowledge (e.g. con-
ditions of a specific disease) and clinical data (i.e. results of gener-
al 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 com-
ponents for a complete lack of visual perception according to clas-
sical 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