Entwicklung eines benutzerorientierten Segmentiersystems für biomedizinische Bilder

In der heutigen medizinischen Bildverarbeitung werden oft Schwerpunkte auf die Bereiche MR, CT, Ultraschall und PET gelegt. Die Mikroskopie wird sehr häufig eher den biologischen, als den medizinischen Fächern zugeteilt. Hierbei wird jedoch häufig übersehen, welche Relevanz die Mikroskopie für die Klinik besitzt. Hier sei nur auf die folgenden Fachbereiche hingewiesen: Pathologie, Klinische Chemie, Mikrobiologie, Immunologie, Virologie, um nur einige zu nennen. Allen gemeinsam ist die Benutzung des Mikroskops zur Diagnostik. Hierbei werden bis zum heutigen Tag sehr häufig die Diagnosen und Ergebnisse aufgrund von qualitativen Beobachtungen durch den Experten gewonnen. In den letzten Jahren hat jedoch im Zuge der rasanten Entwicklung im Bereich der Kameratechnik auch der Bereich der Aufnahme der Bilder mit digitalen Kameras stark zugenommen. Diese digital vorliegenden Bilder haben erhebliche Vorteile gegenüber dem konventionellen Diapositiv.

Die steigende Anzahl der digital erstellten Bilder im Bereich der Mikroskopie weckte aber auch das Bedürfnis diese Bilder weiter zu analysieren. Dazu wurden viele Methoden aus dem Bereich der Bildverarbeitung benutzt, um ‘einfache’ Problemstellungen zu lösen. Bei komplexeren Problemen zeigt sich jedoch schnell, dass die gefundenen Lösungen sehr oft speziell für eine Problemstellung praktikabel sind, aber sich nicht auf andere Probleme anwenden lassen. Hier träumen noch viele von einem System, mit dem man einen hohen Prozentsatz der Kundenprobleme lösen könnte. Methodisch wurden hier ganz unterschiedliche Ansätze gewählt wie z.B. Neuronale Netze, Pattern Recognition, Adaptative Segmentierung und viele mehr.

Ein großes Problem bei der Entwicklung der Methoden war und ist die Diversität der Bilder und Problemstellungen. Für eine bestimmte eingegrenzte Art von Bildern funktioniert eine Methode sehr gut, für eine andere aber sehr schlecht. Dies ist vor allem ein Problem bei der Vergleichbarkeit von Veröffentlichungen in diesem Bereich, da sich die Ergebnisse oft auf unterschiedliches Datenmaterial beziehen oder eine nicht genügend große Anzahl von Bildern benutzt wird. Der Zugriff auf einen einheitlichen Goldstandard ist bis heute nicht einheitlich.

Kapitel 3.5, Erstellung einer Datenbank für Segmentiermethoden:

In der Literatur wird eine Vielzahl von Segmentiermethoden beschrieben. Diese werden jedoch immer in sehr unterschiedlicher Art und Weise dargestellt und beschrieben. Dies macht es fast unmöglich, einen strukturierten Überblick zu bekommen. Bücher zu diesem Thema bieten oft einen guten Überblick, ihnen mangelt es jedoch häufig an der Aktualität, bei diesem sich sehr schnell verändernden Bereich.

Hat ein Benutzer eine Bildverarbeitungsproblemstellung, so müsste er die gesamte Literatur sichten. Dabei ist aber das Problem, dass er manchmal nicht weiß, welches Werkzeug für seine Bilder geeignet ist. Dabei soll nun diese Datenbank helfen. Sie ermöglicht eine Vorauswahl und Eingrenzung der in Frage kommenden Werkzeuge. Gleichzeitig ermöglicht sie dann eine gezielte, weitere Recherche in den entsprechenden Bereichen.

Die Pflege der Datenbank und der Einträge können auf zwei verschiedene Art und Weisen erfolgen. Es könnten die Wissenschaftler bzw. Entwickler selber Einträge anlegen, bei denen sie die Methode und ihre Erfahrungen beschreiben. Daraus könnte dann ein Community-Gedanke im Sinne der ‘Wikipedia-Projekte’ entstehen. Andererseits könnten eine oder mehrere Personen in regelmäßigen Abständen die Literatur durchsuchen und die Einträge überprüfen beziehungsweise ergänzen. Dies bedeutet einen erheblichen Mehraufwand, hat jedoch den Vorteil, dass die Abhängigkeit von dem Engagement und der Akzeptanz der Wissenschaftler geringer ist. Der Nachteil ist aber, dass die wertvollen subjektiven Erfahrungen mit den Werkzeugen nicht optimal erfasst werden können.

Datenbankstruktur:

Die Datenbank enthält folgende Felder:

- ID: Damit ist es möglich jeden Eintrag eindeutig zu bestimmen, wiederzufinden und als Referenz darzustellen.

- Name: Diese beschreibt den Namen der Methode.

- Category: Dieses Feld beschreibt die Kategorie, zu der die Methode gehört. Mögliche Kategorien sind: Modellbasiert, Kontursegmentation, Texturanalyse / Mustererkennung, Schwellwert, Regionenwachstum, Sonstige.

- Description: Hier erfolgt eine ausführliche textuelle Beschreibung der Methode.

- Known Problems: Beschreibung der bekannten Probleme.

- References: Die Literaturstelle der erstbeschreibenden Veröffentlichung.

- Needed Parameters: Beschreibung der notwendigen Parameter für die Methode.

- Exclusions: Beschreibung von Fällen, die eine Anwendung ausschließen. Gibt es bestimmte Modalitäten oder Eigenschaften, bei denen das Werkzeug nicht angewendet werden kann? Beispiel wäre eine Farbsegmentierung, die nicht bei Graustufenbildern angewendet werden kann.

- Pro /Cons: Was sind die Vorteile der Methode? Wo hat Sie Vorteile gegenüber anderen Methoden? Was sind besondere Stärken? Bei welchen Bildmodalitäten ist der größte Vorteil? Wo hat die Methode Schwächen? Was sind objektive, was subjektive Schwächen und Nachteile? Wo gibt es Probleme?

- Software: In welchen Softwareprodukten ist diese Methode enthalten.

- Comment: Ein Feld für Kommentare.

Design und Implementation einer Bildanalyseproblemdatenbank:

Wie bereits in der Einleitung erwähnt, gibt es bis dato keinen einheitlichen Goldstandard für Bilder im Bereich der Biomedizin, auf den sich die Wissenschaft geeinigt hat. Es gibt zwar eine Reihe von Bilddatenbanken bei vielen Instituten und wissenschaftlichen Organisationen, doch spiegeln diese oft nur eine ungewichtete Sammlung der Bilddaten. Daher ist das Ziel der Datenbank ein repräsentatives Abbild des aktuellen biomedizinischen Problemraums zu erstellen. Hierbei soll auf die unterschiedlichen Gewichtungen im Speziellen eingegangen werden.

Ein weiterer Punkt ist, dass die bestehenden Daten (Datenbanken) keine Zusatzinformationen über die Problemstellung besitzen. Dies ist jedoch für die Erstellung und Verbesserung von neuen Systemen unabdingbar. Wenn der zukünftige Entwickler von neuen Lösungen und Algorithmen nicht genau das Problem des Benutzers verstanden hat, löst er häufig die Probleme die er glaubt lösen zu müssen. Oft wird versucht dieses Problem dadurch zu umgehen, indem der Entwickler und der Kunde eng zusammen arbeiten. Dies löst aber nur das Problem eines Kunden und schafft mehrfach nur Systeme für eine Aufgabenstellung (vgl. Extreme Programming). Diese Methode ist auch limitiert durch die methodische Fertigkeit des Entwicklers.

Die Datenbank sollte für alle Personen einfach erreichbar sein. Daher wurde eine webbasierte Datenbank gewählt. Diese wird durch einen MySQL / Apache Server betrieben. Um die Datenbank international verfügbar zu machen, wurde als Sprache Englisch gewählt.

Datenbankstruktur:

Die Datenbank enthält folgende Felder:

- ID: Damit ist es möglich jeden Eintrag eindeutig zu bestimmen, wiederzufinden und als Referenz darzustellen.

- Username: Dies beschreibt den Namen des Benutzers, der den Eintrag angelegt hat.

- Date: Hier wird das Datum angezeigt, an dem der Datensatz angelegt worden ist.

- Title: Eine Kurzbeschreibung des Problems.

- Image Modality: Beschreibung der Aufnahmemethode, z.B. CT, MRT, Mikroskopie o.ä.

- Description: In diesem Feld hat der Benutzer die Möglichkeit, das Problem näher zu beschreiben. Dabei soll dies ohne Restriktionen erfolgen. Es ist darauf zu achten, dass die Beschreibung möglichst allgemein und abstrakt erfolgt.

- Image Object Describer – Report: Report, der durch den Image Object Describer erstellt worden ist.

- Attachment: Hier können weitere wichtige Dateien hochgeladen werden.

- ZIP file / RAW Files: Rohdaten oder in ZIP-Dateien gepackte Dateien können hochgeladen werden.

- Image 1 - 5: Hier kann der Benutzer ein bis fünf Bilder uploaden. Aufgrund der Datenbankstruktur und Browserkompatibilität können aber nur .jpg und .png Bilder direkt angezeigt werden. TIF Bilder können zwar up- und downgeloaded werden, können aber nicht als Vorschaubilder angezeigt werden.

Design und Implementation einer Bildanalyselösungsdatenbank:

Wenn ein Benutzer sein Problem in der Problemdatenbank eingetragen hat, ist dieser Eintrag nun öffentlich sichtbar. Nun besteht die Möglichkeit, dass eine beliebige Person eine Lösung zu diesem Problem einträgt.

Datenbankstruktur:

Die Datenbank enthält folgende Felder:

- ID: Damit ist es möglich, jeden Eintrag eindeutig zu bestimmen, wiederzufinden und als Referenz darzustellen.

- Username: Dies beschreibt den Namen des Benutzers, der den Eintrag angelegt hat.

- Date: Hier wird das Datum angezeigt, an dem der Datensatz angelegt worden ist.

- Problem: Link auf das korrespondierende Problem in der Problemdatenbank.

- Description: In diesem Feld hat der Benutzer die Möglichkeit, die Lösung näher zu beschreiben. Dabei soll dieses ohne Restriktionen erfolgen. Es ist darauf zu achten, dass die Beschreibung möglichst allgemein und abstrakt erfolgt.

- Solution File: Hier können jegliche Art von Dateien hochgeladen werden. Es kann sich dabei um ein Skript, ein kleines Programm, Code o.ä handeln.

- Method used: Hier kann aus einer in der Methodendatenbank angelegten Bildanalysemethoden ausgewählt werden.

- Segmentation Software used: Angezeigt wird die Software, mit der die Lösung erstellt worden ist.

- Pre-Processing Steps: Wenn spezielle Vorverabeitungsschritte für die Lösung notwendig waren, werden diese hier dargestellt.

- Ease of use: Wie bewertet der Erstellter der Lösung subjektiv die Bedienbarkeit?

- Subjective Quality: Wie bewertet der Ersteller der Lösung subjektiv die Qualität?

- Subjective Accuracy: Wie bewertet der Ersteller der Lösung subjektiv die Genauigkeit?

- Subjective Reproducibility: Wie bewertet der Ersteller der Lösung subjektiv die Reproduzierbarkeit?

- Applicability to the Problem: Wie bewertet der Ersteller der Lösung subjektiv, wie gut die Lösung zum Problem passt?

- Report: Hier kann eine Berichtsdatei mit den Lösungen hochgeladen werden.

- ZIP file / RAW Files: Rohdaten oder in ZIP-Dateien gepackte Dateien können hochgeladen werden.

- Measurement / Result File (xls, csv): Messergebnisse der Lösung.

- Image 1 - 5: Hier kann der Benutzer ein bis fünf Bilder uploaden. Aufgrund der Datenbankstruktur und Browserkompatibilität können aber nur .jpg und .png Bilder direkt angezeigt werden. TIF Bilder können zwar up- und downgeloaded werden, können aber nicht als Vorschaubilder angezeigt werden.