Beschreibung des Vorhabens

Das Projekt IRMA (Image Retrieval in Medical Applications) ist eine Zusammenarbeit der Klinik für Radiologische Diagnostik, dem Institut für Medizinische Informatik und dem Lehrstuhl für Informatik VI der RWTH Aachen. Mit der beispielhaften Problemstellung des Röntgenarchivs sollen Methoden des Image Retrieval konzipiert und realisiert werden, die semantische und formale Anfragen an ein medizinisches Bildarchiv bearbeiten. Zu den semantischen Anfragen gehören intra- und interpersonale, krankheits- und variationsorientierte Suchvorgaben. Formale Anfragen können nach der Untersuchungstechnik und den Aufnahmemodalitäten erfolgen. Exemplarische Aufgaben sind die Verlaufskontrolle bei Patienten mit einer großen Anzahl an Aufnahmen und das Auffinden von Bildern mit gleichem Befund. 
Das System soll es erlauben, Röntgenaufnahmen unabhängig von einer konkreten Problemstellung automatisch zu klassifizieren und gegen Vorlagenbilder zu registrieren. Mit diesen Aufnahmen werden dann durch Einsatz von Methoden der statistischen Mustererkennung zu anonymisierten und bereits befundeten Beispielbildern Merkmale erarbeitet, die die Bilder inhaltlich unterscheiden können und ein rasches Auffinden der Bilder im Fall einer Anfrage gewährleisten. 

Zusätzlich zu den bereits beschriebenen Archivrecherchen erlaubt die Klassifizierung von Bildern des Röntgenarchivs ein umfassendes Einfügen der konventionellen Röntgenbilder in ein elektronisches Archiv, da eine interaktive Eingabe dieser Daten zu kosten- und zeitintensiv ist. Hierzu soll das Namens- und Datumsfeld auf einem Röntgenfilm erkannt und gelesen werden, um nach einer sekundären Digitalisierung ein homogenes DICOM-Archiv aufbauen zu können. 

Aufgabenverteilung zwischen den Kooperationspartnern

Jeder beteiligte Projektpartner wird sowohl bereits realisierte Komponenten mit einbringen als auch die Neuentwicklung von Teilkomponenten für IRMA durchführen. 

• Am Institut für Medizinische Informatik wird die Registrierung von Röntgenaufnahmen und die Auswertung geometrischer Informationen durchgeführt. Dazu werden insbesondere Segmentierungs- und Multiskalenverfahren eingesetzt werden. Die erstellte Entwicklungsumgebung wird hier gewartet und weiterentwickelt. 
• In der Klinik für Radiologische Diagnostik erfolgt die Texturanalyse sowie eine modell- und wissensbasierte Segmentierung von Röntgenaufnahmen zur Unterstützung der Klassifikation. Das Retrieval-System nutzende Radiologen werden Archivanfragen inhaltlicher Relevanz auswählen und dazu Trainingsbilddatensätze zusammenstellen. 
• Am Lehrstuhl für Informatik VI werden Algorithmen zur Klassifikation und Cluster-Analyse von Bildmaterial weiterentwickelt. Ebenfalls erfolgt eine Extraktion und automatische Auswahl von für die jeweilige Fragestellung geeigneten Merkmalen. 

Vorgehensweise und eingesetzte Methoden

Zwei unterschiedliche, parallel verfolgte Entwicklungen sollen im Projekt IRMA verfolgt werden:

• Automatische Klassifizierung mittels globaler Bildbeschreibungen von Röntgenaufnahmen hinsichtlich der bildgebenden Modalität, Aufnahmerichtung, Körperregion und untersuchtem Funktionensystem.
• Ermittlung diagnostisch relevanter lokaler Merkmale zu klassifizierten und registrierten Bildern. 

Das resultierende System soll einem digitalen Bildarchiv Röntgenaufnahmen und in einer späteren Phase auch Aufnahmen anderer Herkunft entnehmen, die einem Vorlagenbild im Hinblick auf ausgewählte Eigenschaften ähneln. Eine dieser Eigenschaften ist beispielsweise die visuelle Ähnlichkeit einzelner Strukturen. 

Klassifikation von sekundär digitalisierten Röntgenaufnahmen

Bei der Klassifizierung wird z.B. die Information herausgearbeitet, welcher Skelettabschnitt aus welcher Ansicht mit welcher Aufnahmetechnik aufgenommen wurde. Eine Grobklassifikation kann beispielsweise durch die Texturanalyse einer Aufnahme durchgeführt werden. Wie Untersuchungen der Klinik für Radiologische Diagnostik gezeigt haben, lassen sich damit Röntgenaufnahmen nach Skelettabschnitten klassifizieren. Jede so gebildete Klasse muß mit Feinklassifikatoren, die am Lehrstuhl für Informatik VI entwickelt und implementiert werden, weiter unterteilt werden. Diese Unterteilung wird nach einer Segmentierung des Bildmaterials durch eine Formanalyse unterstützt werden. Mit diesen Schritten können einer Röntgenaufnahme fehlende Informationen über den Inhalt zugeordnet werden. Danach erfolgt die Ausrichtung eines Röntgenbildes auf die entsprechende Schablone seiner Projektion im Körper. 

Die Verfahren sind so konzipiert, daß sich auch Bildmaterial anderer Modalitäten (CT, MR) integrieren läßt. 

Extraktion diagnostisch relevanter Merkmale

Die Bestimmung diagnostisch relevanter lokaler Merkmale zu registriertem Bildmaterial in einer festgelegten Ansicht erlaubt die Anfrage an Datenbanken nach inhaltlichen Kriterien. Hierzu werden zur Zeit dazu primär und sekundär digitalisierte Röntgenaufnahmen eingesetzt werden, für die eine a-priori-Klassifizierung bereits vorliegt. Solchen Bilddatensätzen werden dann vorliegende Befunde zugeordnet, um Merkmale zu extrahieren, die befundsensitive Inhalte unterscheiden können. Dabei wird eine automatische Auswahl diagnostisch relevanter Regions-of-Interest erfolgen. In einem Schablonenbild wird von einem Mediziner eine ROI markiert. Durch eine Registrierung des Schablonenbildes auf ein zu klassifizierendes Bild wird durch die zugehörige Transformation der ROI die Lage diagnostisch relevanter Punkte herausgearbeitet, die dann extrahiert werden, um an einen statistischen Klassifikator weitergeleitet zu werden. In zur Klassifikation benötigten Algorithmen werden mit Erfahrungen aus der Klassifikation von 1-D-Datensätzen aus der Spracherkennung einfließen. 

Entwicklungsumgebung

Für die Realisierung von IRMA wurde eine Entwicklungsumgebung etabliert, die es erlaubt, unterschiedlichste Ressourcen in einer relationalen Datenbank dezentral zu verwalten und unterschiedliche Algorithmen zur Extraktion von inhaltsrelevanten Merkmalen in einem Computerverbund darauf anzuwenden. Als Ressourcen werden hier verfügbare Bilder, bereits extrahierte Merkmalsvektoren und auch die Extraktionsalgorithmen verstanden. Alle Ressourcen müssen zwischen den Projektpartnern, die unterschiedliche Betriebssysteme einsetzen, ausgetauscht werden können. Wesentlicher Bestandteil der Entwicklungsumgebung ist ein betriebssystemunabhängiges Rahmengerüst, das Bilder und Algorithmen zur Merkmalsextraktion kombiniert. Die Bilder werden dabei über Verweise auf Dateien, Fileserver oder Speichermedien in der Datenbank eingetragen. Für jeden der Projektpartner stehen alle in die Entwicklungsumgebung eingebrachten Bilder zur Verfügung, diese werden bei Bedarf automatisch über das Hochschulnetz ausgetauscht, ohne daß hierzu eine Nutzerinteraktion erforderlich ist. Die extrahierten Merkmalsvektoren werden in der Datenbank abgelegt und stehen damit für Retrieval-Recherchen, beispielsweise einem Query-by-Example (QBE) zur Verfügung. Die nötigen Schritte zum QBE werden vom Rahmengerüst organisiert, welches Extraktionsverfahren zu den Bildern einer Recherche startet. Genau wie bei Bildern erlaubt die Entwicklungsumgebung auch den Austausch der Extraktionsalgorithmen. Der Quellcode zu einem Extraktionsalgorithmus erhält eine definierte Aufrufsyntax. Zu einer bereits geöffneten Bilddatei müssen hier Merkmale extrahiert werden, die dann in der Datenbank abgelegt werden. Die Merkmalsextraktion kann bei der Arbeit mit vielen Bildern viel Zeit in Anspruch nehmen. Daher erlaubt es die Entwicklungsumgebung, Hintergrundprozesse zu starten, die Tabellen der Datenbank pollen, um bei Bedarf eine angeforderte Merkmalsextraktion zu starten. Informationen über einen Extraktionsalgorithmus sind ebenfalls in der Datenbank enthalten. Wenn ein Verfahren bei einem der Projektpartner nicht zur Verfügung steht, übernimmt die Entwicklungsumgebung die Installation nach dem automatischen Übertragen der benötigten Quelldateien. Gerade dieser automatische Methodenaustausch macht die Zusammenarbeit der beteiligten Projektpartner einfach und effektiv.