|
Материал взят с: http://www.gridclub.ru/library/publication.2008-02-14.8426200060/ Авторы: Винсент Бретон "Healthgrid Белая книга ""Медицинские изображения и их обработка" Медицинские изображения При установлении диагноза и проведении лечения врачи все больше полагаются на медицинские изображения, к которым относятся рентгенограммы (количество цифровых рентгенограмм растет, но в подавляющем большинстве это рентгеновские снимки), УЗИ, магнитно-резонансная томография (MRI - Magnetic Resonance Imaging), компьютерная томография (CT - Computed Tomography), томография на позитивном излучении (PET – Positive Emission Tomography) и т.д. Использование медицинских изображений будет расти по мере того, как во многих больницах (сначала в базовых больницах медицинских институтов) будут установлены системы с высокой пропускной способностью для архивирования изображений. Медицинские изображения дают основной объем информации о пациенте, однако, сами по себе они недостаточны, поскольку требуется их анализ и интерпретация в контексте истории болезни пациента (т.е. нужны метаданные, связанные с изображениями). Существует ряд факторов, которые чрезвычайно затрудняют лечение пациента, основанное на медицинских изображениях. Естественно, медицинские данные о пациенте собираются в разных лечебных учреждениях. Врачи часто не имеют доступа ко всем историям болезней всех своих пациентов. Медицинские изображения представляются очень большими объемами данных (трехмерные изображения, показания, полученные в последовательные моменты времени, многочисленные протоколы изображений) со сложной структурой (клинически и эпидемиологически значимые показатели, такие как возраст пациента, питание, образ жизни и история болезни, параметры получения изображений и анатомические / физиологические изменения). Часто изображений одной модальности оказывается недостаточно, поскольку на получение изображения влияет много параметров, и дополнительная информация накапливается различными системами сбора физических данных (physical acquisition systems). Хотя современное оборудование позволяет получать медицинские изображения в цифровом виде, для долгосрочного хранения часто используются только рентгеновские снимки. Медицинские изображения представляются огромными объемами данных: одно изображение может занимать от нескольких мегабайт до одного гигабайта и более. Общий объем цифровых изображений, получаемых в Европе, превосходит 1000 петабайт в год. Правовые вопросы, касающиеся архивирования медицинских данных, решаются в разных странах Евросоюза по-разному, но есть общая тенденция – долгосрочное хранение (около 20 лет для всех данных и до 70 лет для некоторых специальных данных) и предоставление права собственности на эти данные пациенту. Чтобы сделать более удобным хранение и передачу данных, несколькими международными организациями и промышленными компаниями был принят стандарт DICOM (Digital Image and Communication in Medicine). Обработка медицинских изображений Алгоритмы анализа медицинских изображений с помощью компьютера были разработаны около 20 лет назад. Их цель – помочь медикам справиться с большим объемом данных, обеспечив им надежную поддержку для диагностирования и лечения. В самом деле, ручная обработка трехмерных изображений требует больших усилий и часто чревата ошибками. Более того, интерпретация трехмерного медицинского изображения требует от врачей перестройки способа мышления и может приводить к большим разночтениям. Хотя алгоритмы обработки изображений могут обеспечить получение точных количественных показателей (например, измерение фракции выброса левого желудочка сердца по динамической последовательности изображений) или могут решать некоторые задачи, которые невыполнимы при ручной обработке (например, точная регистрация мультимодальных изображений), проблемы надежности и ответственности остаются главными препятствиями на пути широкомасштабного использования этих алгоритмов. Проверка правильности алгоритма часто бывает затруднительна из-за отсутствия теории, позволяющей сравнивать результаты обработки. Хотя алгоритмы обработки изображений могут обеспечить получение точных количественных показателей (например, измерение фракции выброса левого желудочка сердца по динамической последовательности изображений) или могут решать некоторые задачи, которые невыполнимы при ручной обработке (например, точная регистрация мультимодальных изображений), проблемы надежности и ответственности остаются главными препятствиями на пути широкомасштабного использования этих алгоритмов. Проверка правильности алгоритма часто бывает затруднительна из-за отсутствия теории, позволяющей сравнивать результаты обработки. Грид-технологии не только обеспечат доступ к большим объемам данных. Они дадут возможность сообществам, занимающимся обработкой изображений, разделять общие наборы данных для сравнения алгоритмов и подтверждения их правильности. Грид-технологии откроют доступ к мощным средствам обработки данных, способным обрабатывать полные наборы данных за разумное время, сравнимое с временем, необходимым для опробования новых алгоритмов. Они облегчат разделение алгоритмов, созданных различными исследовательскими группами, что позволит проводить сравнение алгоритмов. Все эти возможности позволяют надеяться, что грид-технологии будут способствовать созданию алгоритмов для анализа медицинских изображений и повышению их качества. Другая особенность алгоритмов обработки медицинских изображений состоит в том, что некоторые из них должны выполняться в интерактивном режиме: Чтобы обеспечить работу пользователя в интерактивном режиме, алгоритм должен выполняться за достаточно короткое время, позволяющее пользователю оставаться активным за экраном (обычно при работе с медицинской информацией весь процесс должен занимать не больше нескольких минут). Грид-инфраструктуры способны предоставить вычислительную мощность, необходимую для обеспечения разумного времени выполнения алгоритма, за счет выделения мощных вычислительных ресурсов для интерактивных заданий или путем параллельного запуска приложений. Однако выполнение интерактивных приложений в гриде осложняется из-за необходимости расщепления пользовательского интерфейса (который выдает на экран пользователя информацию о ходе выполнения алгоритма) и самого алгоритма (который выполняется удаленно на ресурсах грида). Поэтому интерактивные приложения, которые предполагается выполнять в гриде, должны быть тщательно спроектированы. Типичное управляемое пользователем интерактивное медицинское приложение – это алгоритмы сегментации. Сегментация медицинского изображения является сложной задачей, для которой не существует общего решения. Большинство алгоритмов сегментации, такие как деформируемые модели (deformable models) или алгоритмы создания кластеров вокселей (voxel clustering) являются итерационными. Поэтому возможно периодическое изменение хода выполнения алгоритма с экрана пользователя, при этом пользователь может вводить данные на каждом этапе, чтобы управлять ходом выполнения алгоритма. Точно так же, взаимодействие с выполняемыми в гриде нестрогими алгоритмами регистрации позволит исправлять ошибки, создаваемые локальными минимумами (особенно при регистрации изображений головного мозга многих пациентов), сохраняя при этом точность автоматической обработки и разумное время вычислений. |