Medicinsk bildanalys

Medicinsk bildanalys

Den snabba utvecklingen av tekniker för framställning av medicinska bilder har gjort det möjligt att skapa högupplösta och detaljerade 3D-bilder av den mänskliga kroppen. Detta öppnar upp nya sätt att diagnostisera och förstå sjukdomar, men tekniken skapar också nya utmaningar. Det finns en stor efterfrågan på automatiserade metoder för bildanalys, eftersom manuell analys är tidskrävande och i vissa fall omöjlig på grund av de stora datamängderna.

Att lokalisera och segmentera anatomiska strukturer som hjärta, kotor eller olika regioner i hjärnan i en bild är ett mycket viktigt moment i många kliniska tillämpningar, för exempelvis visualisering, kirurgisk planering och strålbehandling. Det är också ett viktigt verktyg för att erhålla kvantitativa mått för diagnostiska ändamål, till exempel för att mäta blodvolymen i ett specifikt organ.

Bildmaterialet ger dock oerhört stora datamängder, och det är svårt för en läkare att överblicka all denna bildinformation.
– Vi arbetar med att hitta verktyg för att stödja läkaren i diagnosen av patienter utifrån bildmaterialet, berättar professor Fredrik Kahl.

De senaste tio åren har forskningsområdet utvecklats enormt. Det beror delvis på att datorernas beräkningskapacitet och databaserna har blivit så mycket bättre och gett förutsättningar för att automatisera tolkningen av bilder. Idag är det till exempel möjligt att generera en 3D-modell utifrån stillbilder genom en knapptryckning på en dator.

Forskargruppen på Chalmers arbetar med att utveckla matematiska modeller, algoritmer och självlärande system för att låta datorer genomsöka bildmaterialet efter relevant information.

Forskargruppen är även involverad i Sveriges största studie om hjärt- och lungsjukdomar, Scapis. Målet är att använda de nya metoderna för automatisk bildtolkning i sökandet efter bildbaserade biomarkörer som kan bidra till att förutsäga och förebygga kardiovaskulära sjukdomar, såsom stroke, hjärtinfarkt och andra sjukdomar relaterade till kranskärlen. Ytterst är målet att förbättra sjukvården genom att tillhandahålla medicinska bildbehandlingsverktyg för mer noggrann diagnos och därigenom minska dödsfall som orsakas av hjärt-kärlsjukdomar.

Text: Malin Ulfvarson


Att få datorer att förstå bilder är komplext
Målet för forskningen inom bildanalys är att få datorer att förstå bilder. Människor är fantastiskt bra på att tolka bilder vilket gör att vi tenderar att trivialisera hur svårt det är att få en dator att utföra bildanalyser. Vissa uppgifter som är lätta för en människa är fortfarande utmanande för en dator, som att utläsa ett händelseförlopp från en bild. I andra fall, som när det gäller att skatta en noggrann metrisk 3D-modell från tusentals bilder, är datorerna redan överlägsna. Problemställningarna i bildanalys är komplexa och kräver ett brett spektrum av verktyg från matematik, algoritmteori och statistik.

Dekorativ bild
Bilden visar en automatisk segmentering och klassificering av olika organ, utifrån CT helkroppsbilder.

Publicerad: to 14 nov 2019.