Page 28 - IFM_201401

vol. 3 1/2014 Inżynier i Fizyk Medyczny

26

diagnostyka obrazowa

\

medical diagnosis

artykuł naukowy

\

scientific paper

Poniżej przedstawiono przegląd konkretnych już realizacji

metod rozumienia obrazów.

Rozumienie jako interpretacja

rozpoznanych wzorców

J. Kulikowski [11] definiuje pojęcie rozumienia zawartości (tre-

ści) obrazów jako zdolność: a) interpretacji obrazów w kate-

goriach założonego modelu świata zewnętrznego, odbitego

w obrazie (czyli przyjętego modelu wiedzy dziedzinowej), b) for-

mułowania odpowiedzi na zapytania dotyczące samego obrazu,

jak też zawartych w nim obiektów, ich właściwości, relacji defi-

niowanych pomiędzy obiektami oraz w odniesieniu do innych,

nieobserwowanych obiektów.

W myśl tej definicji rozumienie staje się synonimem racjonal-

nej interpretacji obrazów i silnie zależy od wiedzy podstawowej

w dziedzinie zastosowań, tj. od możliwie wyczerpującego, wia-

rygodnego i precyzyjnego opisu obrazowanej rzeczywistości.

Testem na rozumienie nie jest wniknięcie w sam proces rozpo-

znania i wyjaśniania treści, ocena roli świadomości itp., ale we-

ryfikacja poprzez zadawanie pytań i ocenę poprawności odpo-

wiedzi. Skuteczność interpretacji oznacza udzielenie poprawnej

odpowiedzi, dopasowanej do potrzeb użytkownika.

Istotną rolę odgrywa tutaj sposób formalizacji wiedzy dziedzi-

nowej, przede wszystkim według koncepcji ontologii jako specyfi-

kacji wspólnej warstwy pojęciowej z zakresu anatomii, diagnostyki

mammograficznej czy neurodiagnostyki itp. Konstruowane mode-

le wiedzy dziedzinowej bazują na wieloaspektowym rozumieniu

informacji obrazowej. Wyróżnia się zwykle pięć warstw organizacji

informacji obrazowej (na podstawie [11]): fizyczną (funkcja jasności,

spektrumbarw), syntaktyczną (statyczna, morfologiczna czy struk-

turalna), semantyczną (znaczenie wydzielonych struktur, obiek-

tów), pragmatyczną (odnoszącą się do specyfiki zastosowania, po-

ziomu abstrakcji stosowanego przez użytkownika) oraz systemową

(odnoszącą się do szerszej, zewnętrznej wiedzy warunkującej

używanie obrazów, np. do reguł prawnych, przyjętych formularzy

ocen, kategorii podejmowanych decyzji).

Koncepcja ta wymaga uzupełnienia o, wydaje się, istotny element

rozpoznania relacji, ekstrakcji niewidocznych obiektów czy też in-

nych właściwości obrazu mogących mieć znaczenie w interpretacji

scen, a następnie ustalenie pewnego rodzaju interfejsu pomiędzy

numerycznymobrazemobiektów, relacji i cech, a kategoriami pojęć,

obiektami, cechami i relacjami formalnego opisu wiedzy.

Przykładem wykorzystania modeli ontologicznych do wspoma-

gania diagnostyki są CADS [12], czyli systemy komputerowo wspo-

maganych decyzji (

Computer-Aided Decision Systems

), traktowanych

niekiedy jako dostosowanie systemów eksperckich do koncepcji

CAD. Są one traktowane jako nowa generacja systemów eksperto-

wych, którego szczególnym wyróżnikiem jest interaktywny inter-

fejs pomiędzy komputerem a użytkownikiem. CADS wykorzystują

obok diagnostycznej ontologii, także bazę obserwacji klinicznych

oraz model statystyczny do formułowania opinii diagnostycznych

techniką eksploracji danych (

data mining

), bazując np. na drzewach

informacji obrazowej, warunkując proces jej interpretacji. Geony

zdefiniowano jako wyróżniki rozpoznania, sprowadzając rozu-

mienie obrazów do rozpoznania geometrycznych komponentów

(geonów), opisujących strukturalne reprezentacje obiektów. Per-

cepcyjne rozpoznanie jest procesem segmentacji – wydzielenia

regionów wklęsłych (wygiętych) jako kompozycji bloków, cylin-

drów, klinów i stożków (czyli geonów). Geony są formowane na

bazie łatwo wykrywanych właściwości krawędzi obrazów, takich

jak: krzywizna, współliniowość, równoległość i zakończenia połą-

czeń; są niezmiennicze względem warunków obserwacji (punkt

widzenia, szumy wizyjne, oświetlenie), silnie rozróżnialne. Zostały

skonstruowane jako geometryczne niezmienniki postrzegania

i rozpoznawania percepcyjnego obiektów według zdolności HVS.

Koncepcja geonów dobrze sprawdza się w opisie poznawczym

naturalnych, prostych obiektów znanych z codziennego doświad-

czenia. W bardziej złożonych zastosowaniach, jak np. rozpoznanie

cech indywidualnych twarzy czy obiektów ze słabo określonymi

krawędziami, jej skuteczność jest ograniczona. W kontekście roz-

poznawania cech patologii trudno niewątpliwie odwołać się do

codziennych nawyków. Pozostaje jednak platońska nadzieja, że

myśl, wiedzy poprzedza postrzeganie, albo konieczny jest dosko-

nalszy model opisu medycznych zmian obrazowych.

Inne, bardziej subtelne i różnorodne sposoby opisu obrazów

wykorzystują atomy przestrzeni czas-częstotliwość łączące

geometryczne właściwości modelowanych obiektów z elastycz-

nością modelowania funkcjonalnego za pomocą podprzestrzeni

– niezwyklewygodnej wmodelu świata – przestrzeni Hilberta. Ze-

stawy atomów tworzą bazy, ramy czy szerzej słowniki generujące

takie przestrzenie modelowania obiektów, cech czy komponen-

tów obrazowych. Efektem jest przekształcona, rzadka reprezen-

tacja obrazów, łatwiejsza w opisie, ekstrakcji cech, rozpoznaniu,

selekcji czy formowaniu modeli treści istotnej, dającej efektywne

rozumienie obrazów, czyli trafniejszą ich interpretację. Kompre-

sowalność obrazów, czyli możliwość odwracalnego przekształce-

nia obrazów do postaci rzadkiej (

sparse

) stała się podstawą wielu

istotnych zastosowań obrazowych. Tak zwany

Sparse-Land

stał się

wiodącą koncepcją w odszumianiu, rekonstrukcji, odzyskiwaniu,

ekstrakcji cech selekcji źródeł informacji czy kompresji obrazów.

Okazał się też użyteczny w komputerowym rozumieniu obrazów.

Rys. 2

Przykład geometrycznych figur – geonów, łatwo rozpoznawalnych nawet

w warunkach ograniczonej percepcji obrazów [10] (po lewej); po prawej – składanie

samolotu z kolejnych atomów rodzi pytanie: w którym kroku jesteśmy w stanie roz-

poznać kształt samolotu?

Page 28 - IFM_201401_v9 150