Глава 10. Информатика биомедицинских изображений

10.1. Введение

Визуализация играет важную роль в процессе здравоохранения. Эта область имеет решающее значение не только для здравоохранения, но и для медицинского взаимодействия и образования, а также для проведения исследований. На самом деле бо́льшая часть нашего недавнего прогресса, особенно в диагностике, может быть связана с доступностью все более сложных методов визуализации, которые показывают не только структуру тела в невероятных деталях, но и функции тканей внутри организма.

Хотя существует много типов (или модальностей) оборудования для визуализации, изображения, создаваемые этими модальностями, почти всегда получаются или преобразуются в цифровую форму. Эволюция обработки изображений от аналогового, основанного на пленке, к цифровому формату была обусловлена необходимостью снижения затрат, повышения эффективности пропускной способности и рабочего процесса в управлении и просмотре растущего количества изображений, получаемых за одну процедуру визуализации (в настоящее время это сотни и даже тысячи изображений). В то же время наличие изображений в цифровом формате делает пригодными для их обработки в плане улучшения, анализа, отображения, хранения и расширенной интерпретации.

В связи с повсеместным распространением изображений в биомедицине, растущей доступностью изображений в цифровой форме, появлением мощного компьютерного оборудования и сетей, а также общности решений для обработки изображений, цифровые изображения стали основным типом данных, который можно анализировать во многих приложениях. Данная глава посвящена базовому пониманию уникальных аспектов изображений как основного типа данных и уникальных аспектов изображений с точки зрения информатики. Глава 22, с другой стороны, описывает использование изображений и их обработку в различных приложениях, особенно в радиологии, поскольку эта область предъявляет самые высокие требования к методам визуализации.

Темы, затронутые в этой главе и главе 22, включают в себя дисциплину, известную как информатика биомедицинских изображений (Kulikowski, 1997), являющуюся подразделом БМИ (см. главу 1) и возникшую в результате признания общих проблем, которые относятся ко всем  приложениям цифровых изображений.

Информатика медицинских изображений является динамичной областью, в последнее время эволюционировавшей от преимущественной обработки изображений к более широким темам информатики, таким как представление и обработка семантического содержания (Rubin, Napel, 2010) и интеграция данных изображения с другими типами данных (Scheckenbach et al., 2017; Pujara et al., 2018; Valdora et al., 2018; Weaver, Leung, 2018). В то же время информатика изображений имеет общие методологии и проблемы с другими областями БМИ. Пытаясь понять эти проблемы, можно разработать общие решения, применимые ко всем изображениям независимо от их источника.

Основные темы информатики биомедицинских изображений включают: получение изображений, представление содержимого изображения, управление изображениями и их хранение, обработку изображений и интерпретацию изображений/компьютерное обоснование результатов (рис. 10.1). Получение изображения — это процесс преобразования изображений из модальности  в цифровую форму, если они не являются цифровыми изначально. Представление содержимого изображения делает информацию, содержащуюся в изображениях, доступной для компьютерной обработки. Управление изображениями и их хранение включают в себя методы хранения, передачи, отображения, поиска и организации изображений. Обработка изображений включает методы улучшения, сегментации, визуализации, объединения или анализа изображений. Интерпретация изображений/компьютерное обоснование результатов — это процесс, с помощью которого человек, просматривающий изображение, формирует представление о медицинском значении результатов исследования изображений, потенциально при помощи компьютерных методов. Глава 22 в первую очередь направлена на рассмотрение информационных систем для управления изображениями и их хранения, тогда как в данной главе основное внимание уделяется остальным базовым темам информатики медицинских изображений.

Важной концепцией при рассмотрении изображений с точки зрения информатики является то, что они представляют собой неструктурированный тип данных. Хотя знающим экспертам их легко понять и интерпретировать, их содержание не может быть легко понято машиной, кроме как на уровне мельчайших пикселей. Таким образом, хотя машины могут легко управлять необработанными данными изображения с точки зрения хранения/поиска, они не могут легко получить доступ к содержимому изображения (распознать тип изображения, аннотации, сделанные на изображении, анатомические структуры в норме и при патологии), за исключением более новых методов глубокого обучения (раздел 10.4.5). В этом отношении информатика медицинских изображений имеет много общего с NLP (см. главу 8). Хотя в этой главе представлены методы компьютерного представления и обработки изображений, следует рассматривать параллели с NLP, так как с точки зрения информатики существуют близкие подходы.

Как и в NLP, основная цель методов информатики изображений состоит в извлечении конкретной информации; в медицинской информатике цель часто состоит в том, чтобы извлечь информацию о строении тела пациента и собрать признаки, которые будут полезны для характеристики патологии на основе морфологических изменений. На самом деле визуализация предоставляет подробную и разнообразную информацию, очень полезную для характеристики болезни, предоставляя «визуализирующий фенотип», полезный для характеристики болезни, поскольку «изображение стоит тысячи слов»Frederick Barnard. One look is worth a thousand words. Printers’ Ink, December, 1921.. Методы информатики для описания фенотипов изображений дополняют методы информатики, которые в настоящее время применяются к данным ЭМК для описания «электронных фенотипов» пациентов. Для преодоления проблем, связанных с неструктурированным типом данных изображений, применяются семантические методы из БМИ, чтобы сделать содержание изображений явным для машинной обработки (Rubin, Napel, 2010) и для изучения определенного семантического содержания (Hosny et al., 2018; Yamashita et al., 2018). Таким образом, многие из тем в этой главе касаются того, как представлять, извлекать и характеризовать информацию, присутствующую в изображениях, например анатомические структуры в норме и при патологии. После выполнения этой задачи можно будет разработать полезные приложения для обработки содержимого изображения, такие как поиск изображений и поддержка принятия решений, помогающие в их интерпретации.