Techniki semantycznego indeksowania obrazów medycznych na przykładzie przestrzennych rekonstrukcji unaczynienia wieńcowego

• Autorzy: Trzupek M. , Ogiela M. R.

Warianty tytułu

EN

Semantic techniques of image retrieval on the example of CT coronary vessels reconstructions

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano techniki semantycznego indeksowania danych obrazowych w medycznych bazach danych z wykorzystaniem grafowych formalizmów lingwistyki matematycznej. Zaproponowane rozwiązania w głównej mierze predestynowane są do wizualizacji pochodzących z obrazowania CT (przestrzennych rekonstrukcji unaczynienia wieńcowego), niemniej jednak przedstawiona metodologia może również stanowić bazę dla innej klasy obrazów medycznych.

The wide spread of multimedia medical databases has shown that the problem of storing and effectively searching for images containing specific disease cases that are significant for medical diagnostics is still fraught with great difficulties. The paper presents semantic indexing techniques in medical imaging databases using graph-based mathematical linguistic formalisms. The proposed solutions are mainly predestined for visualizations obtained from diagnostic examinations with the use of computed tomography (spatial reconstructions of the coronary vascularisation), but the presented methodology can also be a basis for a different class of medical images. The first section describes the methods and limitations in the context of storing and searching for data in medical databases of contemporary systems. The second section presents the historical background and discusses examples of systems. The third section describes next steps of the proposed methodology, which is additionally shown in Fig. 3. The last section summarizes the proposed solutions in the context of other systems and indicates further research directions. The obtained results confirm the possibility of using the proposed solutions in the specialized medical databases.

Słowa kluczowe

PL

semantyczne indeksowanie i wyszukiwanie obrazów medycznych; systemy CBIR; systemy automatycznej analizy i rozumienia obrazów

EN

semantic image retrieval; content-based image retrieval (CBIR); image understanding systems; intelligent medical image processing and understanding

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 1
• Strony: 43--46
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Trzupek M.

• AGH Akademia Górniczo-Hutnicza, Katedra Automatyki i Inżynierii Biomedycznej, Al. A. Mickiewicza 30, 30-059 Kraków

autor

Ogiela M. R.

• AGH Akademia Górniczo-Hutnicza, Katedra Automatyki i Inżynierii Biomedycznej

Bibliografia

• [1] Eakins J. P.: Towards intelligent image retrieval. Pattern Recognition 35, 3-14, 2002.
• [2] Müller H., et al.: A review of content-based image retrieval systems in medical applications-clinical benefits and future directions. I. J. Medical Informatics 73 (1), 1-23, 2004.
• [3] Lew M. S., Sebe N., Djeraba C., Jain R.: Content-based multimedia information retrieval: State of the art and challenges. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMCCAP), v.2 n.1, p.1-19, 2006.
• [4] Niblack W. R ., et al.: The QBIC project: querying images by color, texture and shape. IBM Research Report RJ-9203, 1993.
• [5] Gudivada V. N., Raghavan V. V .: Content-based image retrieval systems. IEEE Comput. 28 (9), 18-22, 1995.
• [6] Eakins J. P.: Techniques for image retrieval, Library and Information Briefings 85, British Library and South Bank University, London, 1998.
• [7] Datta R., Joshi D., Li J., Wang J.Z.: Image Retrieval: Ideas, Influences, and Trends of the New Age. ACM Computing Surveys, vol. 40, no. 2, article 5, pp. 5:1-60, 2008.
• [8] Deselaers T., Keysers D., Ney H.: Features for Image Retrieval: An Experimental Comparison. Information Retrieval, Vol. 11. Issue 2, pp. 77-107, 2008.
• [9] Depeursinge A., Fischer B., Müller H., Deserno T.M.: Prototypes for Content-Based Image Retrieval in Clinical Practice. The Open Medical Informatics Journal, (Suppl 1-M7), (5)58-72, 2011.
• [10] Ghosh P., Antani S., Long L. R., Thoma G. R.: Review of medical image retrieval systems and future directions. CBMS: 1-6, 2011.
• [11] Trzupek M., Ogiela M. R., Tadeusiewicz R.: Formalizmy lingwistyki matematycznej w komputerowym wspomaganiu detekcji zmian chorobowych unaczynienia wieńcowego. Pomiary Automatyka Kontrola, vol. 58, nr 2/2012, str. 206 - 209.
• [12] Trzupek M., Ogiela M. R., Tadeusiewicz R.: Intelligent image content semantic description for cardiac 3D visualizations. Engineering Applications of Artificial Intelligence, 24, pp. 1410–1418, 2011.
• [13] Trzupek M., Ogiela M. R.: Semantic techniques of image retrieval – the example of a structural analysis of coronary arteries. LNCS 7465, pp. 460–467, 2012.
• [14] Güld M. O. et al.: Quality of DICOM header information for image categorization, in: Proceedings of the International Symposium on Medical Imaging, vol. 4685, San Diego, CA, USA, pp. 280—287, 2002.
• [15] Hachaj T.: Pattern Classification Methods for Analysis and Visualization of Brain Perfusion CT Maps, Computational Intelligence Paradigms in Advanced Pattern Classification (Eds. Ogiela, Marek R.; Jain, Lakhmi C), Studies in Computational Intelligence, Vol. 386, p. 145-170, 2012.