Diagnosztika intelligens eszközökkel Horváth Gábor

Diagnosztikai feladatok Orvosi diagnosztika képek leletek anamnézis, stb Műszaki diagnosztika ABS rendszer motordiagnosztika rezgésjelek alapján autóállapot-figyelés nagytömegű adat alapján (Bosch) stb.

Diagnosztikai feladatok Miért nehéz? Sokállapotú rendszerek nincs megfelelő minőségű fizikai (biológiai) modell mérési adatok alapján modellezés felismerési problémák jelenleg leginkább emberi intelligens megoldás

Példák képfeldolgozáson alapuló orvosi diagnosztikai feladatokra Melanoma színes fénykép elemzése Mammográfia fekete-fehér röntgenképek elemzése Mellkasfelvételek CT, MRI, PET-CT, stb. vizsgálatok (fekete-fehér képek) elemzése Szövettani vizsgálatok, stb.

Képfeldolgozást alkalmazó orvosi döntéstámogató rendszer Célkitűzés: A cél olyan - orvosi alkalmazásra készülő - képelemző és döntéstámogató rendszer kifejlesztése, mely alkalmas - nagytömegű kép (röntgen-felvétel) elemzésére, - a röntgen-felvételeken található bizonyos alakzatok detektálására, felismerésére, - ez alapján széleskörű orvosi szűrővizsgálatok kiértékelésének támogatására Szűréseken készült (röntgen)képek minősítését támogató rendszer létrehozása

Diagnosztikai feladat Felismerendő alakzatok Kerek árnyékok, illetve szabálytalan alakú foltok Mikrokalcifikációk Spikuluszok (szálak) Elkülönítés a nem kóros, de hasonló megjelenésű képi alakzatoktól Zajszűrés (a képalkotásból adódó, illetve anatómiai zaj szűrése) Időbeli követés

Új lehetőségek: tomoszintézis Rétegfelvételek néhányszor 10 digitális felvétel alapján

Tomoszintézis rekonstrukció és diagnosztika A különböző szögből készült felvételek (71 kép) alapján a test függőleges síkmetszetbeli képei kiszámíthatók: rekonstrukció. Képminőség javítása, szűrés. Anatómia részek meghatározása, megtalálása, érdetektálás A metszeti képek feldolgozása, elváltozások keresése Hatékony implementáció: nagymennyiségű számítás nagyméretű (2000 x 2000, 3000 x 3000 ) képeken

Érdetektálás

Elváltozás detektálás

Hatékony implementáció Komplex számítás: rekonstrukció, képszűrés, alakzat detektálás, Nagy memória igény: 71 x 3000 x 3000 képpont Időkorlát: max. 1-2 perc Párhuzamos feldolgozás szükségessége: GPGPU

A megoldás fő lépései

Előfeldolgozás Klasszikus képfeldolgozó eljárások élkiemelés, foltkeresés, képszűrések, morfológiai operátorok alk,stb. Transzformációs eljárások multirezolúciós eljárások (wavelet) PCA, ICA stb Textura analízis

Felismerés, osztályozás Neuronhálók Kernel gépek Hibrid intelligens eszközök Klaszterező eljárások Stb.

Utófeldolgozás Minősítés, kiértékelés Egyéb információkkal való összevetés

Eszközök Képfeldolgozó eljárások Klasszikus szabályalapú rendszerek Neuronhálók Hibrid intelligens rendszerek

Labor feladatok Kép és jelfeldolgozási eljárások kidolgozása Matematikai eljárások kidolgozása, vizsgálata. Intelligens eszközök létrehozása (szoftver rendszer) és alkalmazása. Hatékony (nagysebességű) párhuzamos implementáció grafikus processzorokon

Eredményes hallgatói munkák A témában sikeres hallgatói eredmények születtek Önálló labor feladatok Diplomatervek Díjnyertes TDK dolgozatok Ph.D témák