Praktische Unterstützung des digitalen Bildmanagements in der radiologischen Routine durch lokale Modellierung und Adressierung des Bildinhaltes über strukturelle Prototypen

• Antragsteller: Professor Dr. Thomas Martin Deserno; Professor Dr. Rolf W. Günther
• Fachliche Zuordnung: Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung von 2006 bis 2010
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 21748099

Immer mehr medizinische Untersuchungsaufnahmen werden digital erzeugt und verwaltet. Der Zugriff erfolgt bislang jedoch über Textinformation (z.B. Patientenname, Untersuchungscode, Diagnose), aber diese ist oft unvollständig oder nicht eindeutig. Mit Methoden des inhaltsbasierten Bildzugriffes können Diagnostik, Forschung und Lehre gleichermaßen unterstützt werden. Im Rahmen des zum Jahresende auslaufenden IRMA1-Projektes konnte hierfür eine schrittweise Abstraktion von Pixeln über Regionen zu Objekten entwickelt werden, bei der medizinisches A-priori-Wissen systematisch in die Bildanalyse integriert wird. Es wurde eine Referenzdatenbank mit mehr als 10.000 Bildern aufgebaut und manuell klassifiziert. Innerhalb einzelner Bildklassen wurden globale Prototypen identifiziert, in denen relevante Strukturen manuell markiert werden (lokale Prototypen). Über eine hierarchische Bildsegmentierung werden medizinische Bilder in einen eindeutigen Bezug zu diesen lokalen Prototypen gesetzt, was den Vergleich lokaler Bildmuster ermöglicht. Durch die datenbankgestützte verteilte Vorberechnung wird der Rechenaufwand zur Anfragezeit minimiert, obwohl der Anfragekontext in das Retrieval eingeht. Mit SPIRR2 soll diese Methodik um strukturelle Prototypen erweitert und in die klinische Routine integriert werden. Durch diese statistisch modellierten Prototypen können die intra- und interindividuellen Variabilitäten relevanter Bildmuster sowie deren räumliche Relationen repräsentiert werden. Für die Routineanbindung der Retrievalfunktionalität muss eine daten-, funktions-, präsentations-, und kontextintegrative Schnittstelle zum PACS3 entwickelt werden, die erweiterte Funktionen zur Anfrageverfeinerung (Query Refinement) bereitstellt. Exemplarische Applikationen aus den Bereichen Evidence-based Medicine, Case-based Reasoning, Computer-aided Diagnosis und Computer-based Training sollen realisiert, praktisch erprobt und systematisch validiert werden. Damit kann der Nutzen dieser Technologie für wichtige medizinische Anwendungsfelder valide beurteilt werden.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Professor Dr. Klaus Kabino