SlideShare ist ein Scribd-Unternehmen logo
1 von 23
Semantik und Bilddaten: wie
Terminologien in der Radiologie helfen
Henning Müller
Motivation: Datenwachstum, Komplexität
• Exponentielles Wachstum der
Anzahl der Bilder
• 30% weltweiter Speicherkapazität
ist medical imaging
• Nach Schätzungen der EU
• Komplexität der Bildgebung steigt
• Bilder sind in allen Abteilungen
verfügbar
• Alle klinischen Daten auch
• Integration vieler Daten ist notwendig
2
Was ist Semantik?
• Semantik (von Altgriechisch
sēmaínein ‚
bezeichnen‘, ‚zum Zeichen
gehörig‘), auch Bedeutungslehre, nennt man
die Theorie oder Wissenschaft von der
Bedeutung der Zeichen.
• Zeichen können in diesem Fall Wörter,
Phrasen oder Symbole sein.
• Die Semantik beschäftigt sich typischerweise
mit den Beziehungen zwischen Zeichen und
Bedeutungen dieser Zeichen
3
Semantik in der Medizin
• MeSH – Medical Subject headings
• UMLS – unified medical language system
• Methathesaurus verschiedener Terminologien
• Kostenlose, und nicht freie Terminologien
• SNOMED – Systemized Nomenclature in
Medicine
• Teuer, da kommerziell gepflegt
• Teilweise kaufen Länder die gesamte Terminologie
• LinkedLifeData
• Offen, freie Basis, 10 Mia Fakten
4
RadLex
• Nicht Teil von UMLS
• Teilweise basiert auf anderen Terminologien
• Deutsche Version existiert
• Wird aber (meines Wissens) nicht mehr upgedated
5
Khresmoi Projekt
• Mix von mehrsprachigen Ressourcen mit
multimedia Daten für verschiedene Benutzer
• Fokus auf 2D und 3D Bildsuche
6
Wo helfen Terminologien & Semantik?
• Beschreibung von Inhalten in eindeutiger Form
• Synonyme, Bedeutungshierarchien, Abkürzungen
• Interoperabilität oder Austausch von Daten
• Innerhalb und außerhalb der Institution
• Mehrsprachige Dokumentation und Suche
• Structured reporting und Wiederbenutzung
von Templates
• Effizienzgewinn
• Verlinken von Text und visuellen Inhalten
7
Wo gibt es Probleme mit Semantik?
• Standardisierte Beschreibung ist häufig
weniger ausdruckstark
• Vielleicht Freitext zusätzlich zu Terminologien?
• Automatische Auswahl nach Freitexteintrag
• Sehr große Terminologien sind nicht einfach
zu lernen
• SNOMED in Dänemark, langfristige Sicht ist notwendig
• Eindeutige Kodierung ist nicht unbedingt gegeben
• Am Anfang mehr Aufwand, später potentielle
Zeitgewinne
8
Eindeutige Beschreibung
• Herzinfarkt, Myokardinfarkt, Herzmuskelinfarkt,
…
• Viele Synonyme
• ICD10-I20: MI, STEMI, NSTEMI, ACS
• Viele Abkürzungen, die man lokal versteht, aber die
nicht Standard sind
• Auch “visuelle” Terminologien sind nicht
eindeutig
• Ground glass, Fibrosen, … mit Beispielen
9
Interoperabilität
• Mehr Patienten wechseln
den Arzt
• Generell mehr Mobilität
• Elektronische Daten
können einfacher
ausgetauscht werden
• Personal health records
• Vollständige Patientenakte
hat viele Vorteile
• eHealth Strategien in vielen Ländern
10
Mehrsprachigkeit
• Vor allem in der Schweiz ein wichtiges Thema!
• Literatur ist englisch, klinische Dokumente
deutsch/französisch/italienisch, …
• Teaching files in vielen Sprachen
• In RadLex/MeSH ist jeder Begriff in allen
Sprachen derselbe
11
(EN) x-ray of a tibia
with a fracture
(DE) Röntgenbilder
einer gebrochenen Tibia
(FR) Radiographies du
tibia avec fracture
www.RadReport.org
• Viele Templates für structured reporting
12
LinkedLifeData
1313
Klassifizieren von Journal Figuren
• Bilder in Artikeln sind
zum Grossteil nicht
klinische Bilder
• Caption erlaubt es
häufig nicht, den Typ zu
bestimmen
• Visuelle Information kann
helfen
• Typen auf RadLex/MeSH gemapped, ganze
Struktur kann eingesetzt werden
• Benutzung auch in Goldminer, um relevante Artikel
zu finden 14
Bilder in der Literature - Subfigures
15
EHR, PACS
Visuelle Semantik
16
Khresmoi Suchinterface
17
Extraktion von Begriffen
18
• Automatische Identifikation von Organen und
Landmarks im Körper (etwa 50 Strukturen,
15 landmarks, RadLex terms)
• Benchmark für die Bildverarbeitungscommunity
• Vergleichen von Algorithmen auf 10-40 TB Daten
• Gold standard und silver standard für Organe
19
Big data
• Sehr große Datenmengen müssen
automatisiert analysiert werden (>150 TB)
• Ähnlich wie Google im Web mit Billionen Webseiten
• Man findet immer “ähnliche” Fälle
• Auch für seltene Krankheiten
• Selbes Alter und ähnliche co-Morbiditäten
• Ähnliche CT und MR Generation, ähnliche Protokolle
• Auch normale Fälle als Vergleich
• Anonymisierung und Konfidentialität sind sehr
wichtig, aber das Potential ist enorm
20
Nächste Schritte
• Extraktion von einfacher Semantik aus Bildern
• Inhaltsbasierte Suche in Regionen
• Manuell annotierte Datenbanken sind nötig
• Auch Kommentare und social bookmarking
• Verbinden von 2D, 3D, 4D
• Visuelle Verbindung und über klinische Daten
• Klinische Bilder, Teaching files und die medizinische
Literatur
• Einsatz in Klinik, Forschung und Lehre
• Suche wie in Google in ähnliche Fällen
• Visualisierung von Beziehungen 21
Fazit
• Radiologie produziert immer mehr und immer
komplexere Bilder
• Semantik kann helfen die Fälle zu beschreiben
und Fälle später wiederzufinden
• Statistiken und Vergleiche können automatisiert werden
wenn gut annotiert wird
• Austausch von Daten zwischen Klinikern wird einfacher
• Visuelle Analyse kann helfen Semantik in Bildern
zu finden
• Lokale Bildanalyse ist notwendig
• Automatisches Messen und Finden ähnliche ROIs 22
Kontakt und mehr Information
• Mehr informationen unter:
• http://khresmoi.eu/
• http://visceral.eu/
• http://medgift.hevs.ch/
• http://publications.hevs.ch/
• Kontakt:
• Henning.mueller@hevs.ch
23

Weitere ähnliche Inhalte

Andere mochten auch

toma fotográfica en la UPB
toma fotográfica en la UPBtoma fotográfica en la UPB
toma fotográfica en la UPBcarofovi
 
Email Marketing Seminar - DevsTeam Institute
Email Marketing Seminar - DevsTeam InstituteEmail Marketing Seminar - DevsTeam Institute
Email Marketing Seminar - DevsTeam InstituteMasudur Rashid
 
Canoanele-bisericii-ortodoxe
Canoanele-bisericii-ortodoxeCanoanele-bisericii-ortodoxe
Canoanele-bisericii-ortodoxeArety Constantin
 
Why Understanding Hedge Fund Beta Is Important
Why Understanding Hedge Fund Beta Is ImportantWhy Understanding Hedge Fund Beta Is Important
Why Understanding Hedge Fund Beta Is ImportantMiroslav_Mitev
 
Organizational influence - Moving from good to great by David Mathias at Prod...
Organizational influence - Moving from good to great by David Mathias at Prod...Organizational influence - Moving from good to great by David Mathias at Prod...
Organizational influence - Moving from good to great by David Mathias at Prod...ProductCamp Twin Cities
 
La voz que rompe el silencio
La voz que rompe el silencioLa voz que rompe el silencio
La voz que rompe el silencioDruidajvc Jvc
 
Floweringplants reproduction pp
Floweringplants reproduction ppFloweringplants reproduction pp
Floweringplants reproduction ppNor Shahida Taib
 
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...trendquest - HSP Principle Consultancy
 
Enterprise Security API (ESAPI) Java - Java User Group San Antonio
Enterprise Security API (ESAPI) Java - Java User Group San AntonioEnterprise Security API (ESAPI) Java - Java User Group San Antonio
Enterprise Security API (ESAPI) Java - Java User Group San AntonioDenim Group
 
I seminario de criminología aplicada
I seminario de criminología aplicadaI seminario de criminología aplicada
I seminario de criminología aplicadaisa_silke
 
Spanish pg 2013
Spanish pg 2013Spanish pg 2013
Spanish pg 2013HALA-media
 
ASEA_Allaboutyou_Sep2012
ASEA_Allaboutyou_Sep2012ASEA_Allaboutyou_Sep2012
ASEA_Allaboutyou_Sep2012Mira Szabla
 
Revista CaliNews CaliVita - editia IARNA 2015
Revista CaliNews CaliVita - editia IARNA 2015Revista CaliNews CaliVita - editia IARNA 2015
Revista CaliNews CaliVita - editia IARNA 2015Natura pentru Sanatate
 
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativo
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativoCómo mejorar la efectividad de sus programas de salud y bienestar corporativo
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativoElizabeth Ontaneda
 

Andere mochten auch (16)

toma fotográfica en la UPB
toma fotográfica en la UPBtoma fotográfica en la UPB
toma fotográfica en la UPB
 
Email Marketing Seminar - DevsTeam Institute
Email Marketing Seminar - DevsTeam InstituteEmail Marketing Seminar - DevsTeam Institute
Email Marketing Seminar - DevsTeam Institute
 
Programm times-new-roman
Programm times-new-romanProgramm times-new-roman
Programm times-new-roman
 
Canoanele-bisericii-ortodoxe
Canoanele-bisericii-ortodoxeCanoanele-bisericii-ortodoxe
Canoanele-bisericii-ortodoxe
 
Why Understanding Hedge Fund Beta Is Important
Why Understanding Hedge Fund Beta Is ImportantWhy Understanding Hedge Fund Beta Is Important
Why Understanding Hedge Fund Beta Is Important
 
Organizational influence - Moving from good to great by David Mathias at Prod...
Organizational influence - Moving from good to great by David Mathias at Prod...Organizational influence - Moving from good to great by David Mathias at Prod...
Organizational influence - Moving from good to great by David Mathias at Prod...
 
La voz que rompe el silencio
La voz que rompe el silencioLa voz que rompe el silencio
La voz que rompe el silencio
 
Floweringplants reproduction pp
Floweringplants reproduction ppFloweringplants reproduction pp
Floweringplants reproduction pp
 
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...
Die neue Klasse - Frauen als Entscheider. trendquests open trendtalk vom 04.0...
 
Ingeniería web
Ingeniería webIngeniería web
Ingeniería web
 
Enterprise Security API (ESAPI) Java - Java User Group San Antonio
Enterprise Security API (ESAPI) Java - Java User Group San AntonioEnterprise Security API (ESAPI) Java - Java User Group San Antonio
Enterprise Security API (ESAPI) Java - Java User Group San Antonio
 
I seminario de criminología aplicada
I seminario de criminología aplicadaI seminario de criminología aplicada
I seminario de criminología aplicada
 
Spanish pg 2013
Spanish pg 2013Spanish pg 2013
Spanish pg 2013
 
ASEA_Allaboutyou_Sep2012
ASEA_Allaboutyou_Sep2012ASEA_Allaboutyou_Sep2012
ASEA_Allaboutyou_Sep2012
 
Revista CaliNews CaliVita - editia IARNA 2015
Revista CaliNews CaliVita - editia IARNA 2015Revista CaliNews CaliVita - editia IARNA 2015
Revista CaliNews CaliVita - editia IARNA 2015
 
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativo
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativoCómo mejorar la efectividad de sus programas de salud y bienestar corporativo
Cómo mejorar la efectividad de sus programas de salud y bienestar corporativo
 

Mehr von Institute of Information Systems (HES-SO)

Classification of noisy free-text prostate cancer pathology reports using nat...
Classification of noisy free-text prostate cancer pathology reports using nat...Classification of noisy free-text prostate cancer pathology reports using nat...
Classification of noisy free-text prostate cancer pathology reports using nat...Institute of Information Systems (HES-SO)
 
Machine learning assisted citation screening for Systematic Reviews - Anjani ...
Machine learning assisted citation screening for Systematic Reviews - Anjani ...Machine learning assisted citation screening for Systematic Reviews - Anjani ...
Machine learning assisted citation screening for Systematic Reviews - Anjani ...Institute of Information Systems (HES-SO)
 
Exploiting biomedical literature to mine out a large multimodal dataset of ra...
Exploiting biomedical literature to mine out a large multimodal dataset of ra...Exploiting biomedical literature to mine out a large multimodal dataset of ra...
Exploiting biomedical literature to mine out a large multimodal dataset of ra...Institute of Information Systems (HES-SO)
 
Studying Public Medical Images from Open Access Literature and Social Network...
Studying Public Medical Images from Open Access Literature and Social Network...Studying Public Medical Images from Open Access Literature and Social Network...
Studying Public Medical Images from Open Access Literature and Social Network...Institute of Information Systems (HES-SO)
 
Risques opérationnels et le système de contrôle interne : les limites d’un te...
Risques opérationnels et le système de contrôle interne : les limites d’un te...Risques opérationnels et le système de contrôle interne : les limites d’un te...
Risques opérationnels et le système de contrôle interne : les limites d’un te...Institute of Information Systems (HES-SO)
 
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...Le contrôle interne dans les administrations publiques tient-il toutes ses pr...
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...Institute of Information Systems (HES-SO)
 
Le système de contrôle interne : Présentation générale, enjeux et méthodes
Le système de contrôle interne : Présentation générale, enjeux et méthodesLe système de contrôle interne : Présentation générale, enjeux et méthodes
Le système de contrôle interne : Présentation générale, enjeux et méthodesInstitute of Information Systems (HES-SO)
 
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...Institute of Information Systems (HES-SO)
 
NOSE: une approche Smart-City pour les zones périphériques et extra-urbaines
NOSE: une approche Smart-City pour les zones périphériques et extra-urbainesNOSE: une approche Smart-City pour les zones périphériques et extra-urbaines
NOSE: une approche Smart-City pour les zones périphériques et extra-urbainesInstitute of Information Systems (HES-SO)
 

Mehr von Institute of Information Systems (HES-SO) (20)

MIE20232.pptx
MIE20232.pptxMIE20232.pptx
MIE20232.pptx
 
Classification of noisy free-text prostate cancer pathology reports using nat...
Classification of noisy free-text prostate cancer pathology reports using nat...Classification of noisy free-text prostate cancer pathology reports using nat...
Classification of noisy free-text prostate cancer pathology reports using nat...
 
Machine learning assisted citation screening for Systematic Reviews - Anjani ...
Machine learning assisted citation screening for Systematic Reviews - Anjani ...Machine learning assisted citation screening for Systematic Reviews - Anjani ...
Machine learning assisted citation screening for Systematic Reviews - Anjani ...
 
Exploiting biomedical literature to mine out a large multimodal dataset of ra...
Exploiting biomedical literature to mine out a large multimodal dataset of ra...Exploiting biomedical literature to mine out a large multimodal dataset of ra...
Exploiting biomedical literature to mine out a large multimodal dataset of ra...
 
L'IoT dans les usines. Quels avantages ?
L'IoT dans les usines. Quels avantages ?L'IoT dans les usines. Quels avantages ?
L'IoT dans les usines. Quels avantages ?
 
Studying Public Medical Images from Open Access Literature and Social Network...
Studying Public Medical Images from Open Access Literature and Social Network...Studying Public Medical Images from Open Access Literature and Social Network...
Studying Public Medical Images from Open Access Literature and Social Network...
 
Risques opérationnels et le système de contrôle interne : les limites d’un te...
Risques opérationnels et le système de contrôle interne : les limites d’un te...Risques opérationnels et le système de contrôle interne : les limites d’un te...
Risques opérationnels et le système de contrôle interne : les limites d’un te...
 
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...Le contrôle interne dans les administrations publiques tient-il toutes ses pr...
Le contrôle interne dans les administrations publiques tient-il toutes ses pr...
 
Le système de contrôle interne : Présentation générale, enjeux et méthodes
Le système de contrôle interne : Présentation générale, enjeux et méthodesLe système de contrôle interne : Présentation générale, enjeux et méthodes
Le système de contrôle interne : Présentation générale, enjeux et méthodes
 
Crowdsourcing-based Mobile Application for Wheelchair Accessibility
Crowdsourcing-based Mobile Application for Wheelchair AccessibilityCrowdsourcing-based Mobile Application for Wheelchair Accessibility
Crowdsourcing-based Mobile Application for Wheelchair Accessibility
 
Quelle(s) valeur(s) pour le leadership stratégique ?
Quelle(s) valeur(s) pour le leadership stratégique ?Quelle(s) valeur(s) pour le leadership stratégique ?
Quelle(s) valeur(s) pour le leadership stratégique ?
 
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...
A 3-D Riesz-Covariance Texture Model for the Prediction of Nodule Recurrence ...
 
Challenges in medical imaging and the VISCERAL model
Challenges in medical imaging and the VISCERAL modelChallenges in medical imaging and the VISCERAL model
Challenges in medical imaging and the VISCERAL model
 
NOSE: une approche Smart-City pour les zones périphériques et extra-urbaines
NOSE: une approche Smart-City pour les zones périphériques et extra-urbainesNOSE: une approche Smart-City pour les zones périphériques et extra-urbaines
NOSE: une approche Smart-City pour les zones périphériques et extra-urbaines
 
Medical image analysis and big data evaluation infrastructures
Medical image analysis and big data evaluation infrastructuresMedical image analysis and big data evaluation infrastructures
Medical image analysis and big data evaluation infrastructures
 
Medical image analysis, retrieval and evaluation infrastructures
Medical image analysis, retrieval and evaluation infrastructuresMedical image analysis, retrieval and evaluation infrastructures
Medical image analysis, retrieval and evaluation infrastructures
 
How to detect soft falls on devices
How to detect soft falls on devicesHow to detect soft falls on devices
How to detect soft falls on devices
 
FUNDAMENTALS OF TEXTURE PROCESSING FOR BIOMEDICAL IMAGE ANALYSIS
FUNDAMENTALS OF TEXTURE PROCESSING FOR BIOMEDICAL IMAGE ANALYSISFUNDAMENTALS OF TEXTURE PROCESSING FOR BIOMEDICAL IMAGE ANALYSIS
FUNDAMENTALS OF TEXTURE PROCESSING FOR BIOMEDICAL IMAGE ANALYSIS
 
MOBILE COLLECTION AND DISSEMINATION OF SENIORS’ SKILLS
MOBILE COLLECTION AND DISSEMINATION OF SENIORS’ SKILLSMOBILE COLLECTION AND DISSEMINATION OF SENIORS’ SKILLS
MOBILE COLLECTION AND DISSEMINATION OF SENIORS’ SKILLS
 
Enhanced Students Laboratory The GET project
Enhanced Students Laboratory The GET projectEnhanced Students Laboratory The GET project
Enhanced Students Laboratory The GET project
 

Semantik und Bilddaten: wie Terminologien in der Radiologie helfen

  • 1. Semantik und Bilddaten: wie Terminologien in der Radiologie helfen Henning Müller
  • 2. Motivation: Datenwachstum, Komplexität • Exponentielles Wachstum der Anzahl der Bilder • 30% weltweiter Speicherkapazität ist medical imaging • Nach Schätzungen der EU • Komplexität der Bildgebung steigt • Bilder sind in allen Abteilungen verfügbar • Alle klinischen Daten auch • Integration vieler Daten ist notwendig 2
  • 3. Was ist Semantik? • Semantik (von Altgriechisch sēmaínein ‚ bezeichnen‘, ‚zum Zeichen gehörig‘), auch Bedeutungslehre, nennt man die Theorie oder Wissenschaft von der Bedeutung der Zeichen. • Zeichen können in diesem Fall Wörter, Phrasen oder Symbole sein. • Die Semantik beschäftigt sich typischerweise mit den Beziehungen zwischen Zeichen und Bedeutungen dieser Zeichen 3
  • 4. Semantik in der Medizin • MeSH – Medical Subject headings • UMLS – unified medical language system • Methathesaurus verschiedener Terminologien • Kostenlose, und nicht freie Terminologien • SNOMED – Systemized Nomenclature in Medicine • Teuer, da kommerziell gepflegt • Teilweise kaufen Länder die gesamte Terminologie • LinkedLifeData • Offen, freie Basis, 10 Mia Fakten 4
  • 5. RadLex • Nicht Teil von UMLS • Teilweise basiert auf anderen Terminologien • Deutsche Version existiert • Wird aber (meines Wissens) nicht mehr upgedated 5
  • 6. Khresmoi Projekt • Mix von mehrsprachigen Ressourcen mit multimedia Daten für verschiedene Benutzer • Fokus auf 2D und 3D Bildsuche 6
  • 7. Wo helfen Terminologien & Semantik? • Beschreibung von Inhalten in eindeutiger Form • Synonyme, Bedeutungshierarchien, Abkürzungen • Interoperabilität oder Austausch von Daten • Innerhalb und außerhalb der Institution • Mehrsprachige Dokumentation und Suche • Structured reporting und Wiederbenutzung von Templates • Effizienzgewinn • Verlinken von Text und visuellen Inhalten 7
  • 8. Wo gibt es Probleme mit Semantik? • Standardisierte Beschreibung ist häufig weniger ausdruckstark • Vielleicht Freitext zusätzlich zu Terminologien? • Automatische Auswahl nach Freitexteintrag • Sehr große Terminologien sind nicht einfach zu lernen • SNOMED in Dänemark, langfristige Sicht ist notwendig • Eindeutige Kodierung ist nicht unbedingt gegeben • Am Anfang mehr Aufwand, später potentielle Zeitgewinne 8
  • 9. Eindeutige Beschreibung • Herzinfarkt, Myokardinfarkt, Herzmuskelinfarkt, … • Viele Synonyme • ICD10-I20: MI, STEMI, NSTEMI, ACS • Viele Abkürzungen, die man lokal versteht, aber die nicht Standard sind • Auch “visuelle” Terminologien sind nicht eindeutig • Ground glass, Fibrosen, … mit Beispielen 9
  • 10. Interoperabilität • Mehr Patienten wechseln den Arzt • Generell mehr Mobilität • Elektronische Daten können einfacher ausgetauscht werden • Personal health records • Vollständige Patientenakte hat viele Vorteile • eHealth Strategien in vielen Ländern 10
  • 11. Mehrsprachigkeit • Vor allem in der Schweiz ein wichtiges Thema! • Literatur ist englisch, klinische Dokumente deutsch/französisch/italienisch, … • Teaching files in vielen Sprachen • In RadLex/MeSH ist jeder Begriff in allen Sprachen derselbe 11 (EN) x-ray of a tibia with a fracture (DE) Röntgenbilder einer gebrochenen Tibia (FR) Radiographies du tibia avec fracture
  • 12. www.RadReport.org • Viele Templates für structured reporting 12
  • 14. Klassifizieren von Journal Figuren • Bilder in Artikeln sind zum Grossteil nicht klinische Bilder • Caption erlaubt es häufig nicht, den Typ zu bestimmen • Visuelle Information kann helfen • Typen auf RadLex/MeSH gemapped, ganze Struktur kann eingesetzt werden • Benutzung auch in Goldminer, um relevante Artikel zu finden 14
  • 15. Bilder in der Literature - Subfigures 15 EHR, PACS
  • 19. • Automatische Identifikation von Organen und Landmarks im Körper (etwa 50 Strukturen, 15 landmarks, RadLex terms) • Benchmark für die Bildverarbeitungscommunity • Vergleichen von Algorithmen auf 10-40 TB Daten • Gold standard und silver standard für Organe 19
  • 20. Big data • Sehr große Datenmengen müssen automatisiert analysiert werden (>150 TB) • Ähnlich wie Google im Web mit Billionen Webseiten • Man findet immer “ähnliche” Fälle • Auch für seltene Krankheiten • Selbes Alter und ähnliche co-Morbiditäten • Ähnliche CT und MR Generation, ähnliche Protokolle • Auch normale Fälle als Vergleich • Anonymisierung und Konfidentialität sind sehr wichtig, aber das Potential ist enorm 20
  • 21. Nächste Schritte • Extraktion von einfacher Semantik aus Bildern • Inhaltsbasierte Suche in Regionen • Manuell annotierte Datenbanken sind nötig • Auch Kommentare und social bookmarking • Verbinden von 2D, 3D, 4D • Visuelle Verbindung und über klinische Daten • Klinische Bilder, Teaching files und die medizinische Literatur • Einsatz in Klinik, Forschung und Lehre • Suche wie in Google in ähnliche Fällen • Visualisierung von Beziehungen 21
  • 22. Fazit • Radiologie produziert immer mehr und immer komplexere Bilder • Semantik kann helfen die Fälle zu beschreiben und Fälle später wiederzufinden • Statistiken und Vergleiche können automatisiert werden wenn gut annotiert wird • Austausch von Daten zwischen Klinikern wird einfacher • Visuelle Analyse kann helfen Semantik in Bildern zu finden • Lokale Bildanalyse ist notwendig • Automatisches Messen und Finden ähnliche ROIs 22
  • 23. Kontakt und mehr Information • Mehr informationen unter: • http://khresmoi.eu/ • http://visceral.eu/ • http://medgift.hevs.ch/ • http://publications.hevs.ch/ • Kontakt: • Henning.mueller@hevs.ch 23