Medicinsk billeddannelse er et af de hurtigst voksende områder inden for sundhedssektoren. I løbet af de sidste par årtier har det udviklet sig til at omfatte flere billeddannende modaliteter, herunder CT-scanninger, MR-scanninger, ultralyd og nuklearmedicin, for blot at nævne nogle få. Sammen med fremskridt inden for hardware og enheder, der bruges til at generere medicinske billeder, er der sket enorme fremskridt med de forskellige typer software, der håndterer disse billeder.
Introduktionen af DICOM-standarden (Digital Imaging and Communications in Medicine) har hjulpet med at sikre, at kvaliteten af medicinske billeder opretholdes på et højt niveau. Erhvervelse, lagring, hentning og deling af medicinske billeder kan kun gøres i DICOM-formatet. Ethvert hospital skal have en dedikeret DICOM-arbejdsstation. Med fremkomsten af PACS (Picture Archiving and Communications System), som er et virtuelt opbevaringsområde for digitale DICOM-billeder, er lagring og hentning af sådanne billeder blevet strømlinet.
Markedet er oversvømmet med forskellige former for software til medicinsk billeddannelse til visning af DICOM-billeder. Dette inkluderer gratis software til medicinsk billeddannelse såvel som premium-software, der kan tilbyde mere avancerede funktioner. I takt med at radiologer vænner sig til den nyeste software til visning og lagring af billeder, vender producenterne deres opmærksomhed mod andre områder af billedbehandlingsarbejdsgangen, identificerer problemer, der skal løses, og ser, om de kan komme med innovative løsninger på disse. I denne artikel gennemgår vi de forskellige typer software til medicinsk billeddannelse, der er designet til at gøre mere end blot at vise medicinske DICOM-billeder.
Enhver software, der kan 'analysere' data opnået fra medicinske billeder, kaldes software til analyse af medicinske billeder. Analyse kan tage form af hjælp til diagnose, sammenligning af billeder mellem patienter eller hos den samme patient på forskellige tidspunkter for at vurdere sygdommens udvikling og evaluere prognosen. I forbindelse med forbedringen af billedteknologien gøres der store fremskridt med hensyn til den analytiske evne i software til medicinsk billeddannelse i bestræbelserne på at skabe software, der er i stand til uafhængigt at opdage kliniske anomalier i medicinske billeder.
Analyse er normalt en kognitiv funktion, der udføres af radiologen eller lægen, der ser det medicinske billede. Med fremskridt inden for sundhedsvæsenet er antallet af scanninger, der bestilles til patienter, steget eksplosivt. Medicinske scanningsresultater er i dag tilgængelige i større detaljer og i flere sektioner, hvilket fører til et større antal billeder, der skal undersøges. Fortolkning af så mange billeder af en radiolog kræver ikke kun enorme færdigheder, det er også tidskrævende og udmattende. Mens arbejdsbyrden for radiologer er mangedoblet gennem årene, har væksten i antallet af uddannede radiologer kun afspejlet halvdelen af stigningen i arbejdsbyrden. Resultatet er en akut mangel på menneskelige ressourcer inden for radiologi. En foreslået løsning på dette problem er brugen af maskiner til at fortolke medicinske billeder og opdage anomalier.
Software til analyse af medicinske billeder bruger deep learning-algoritmer til at læse og evaluere billeder. Den er i stand til at sigte gennem hundredvis af billeder ad gangen og kan derfor håndtere store arbejdsbyrder. Den kan trænes til at 'flage' billeder med mistænkelige fund, hvilket kan fremskynde processer for radiologer i den forstand, at de ikke behøver at gennemgå alle billederne, men blot fokusere på dem, der er markeret.
Aidoc: Aidoc, en Tel Aviv-baseret virksomhed, har udviklet software til analyse af medicinske billeder, der giver diagnostisk støtte til helkrops CT-scanninger. Applikationen analyserer CT-scanninger af hoved, hals, bryst og mave og er i stand til at opdage visuelle abnormiteter på højt niveau. Et casestudie udført af virksomheden viste, at brug af Aidoc reducerede svartiden for rapporter betydeligt, især for scanninger af hoved og hals.
Arterys: Arterys er en San Francisco-baseret virksomhed, der kombinerer deep learning AI-algoritmer med cloud computing. Softwaren til analyse af medicinske billeder har vist sig at øge hastigheden og nøjagtigheden af analyser. Oprindeligt udviklet til hjerte-MR-scanninger, har Arterys nu udviklet lignende applikationer til lever-MR, lunge-MR og mammografier og hjælper med at identificere patologiske læsioner i disse regioner.
Når alt kommer til alt, er software til analyse af medicinske billeder kun så god som de computeralgoritmer, den er bygget på. En computer 'ser' ikke ting og kan ikke tænke, og dens output er baseret på en række tal og algoritmer. De genererede resultater er derfor baseret på de algoritmer, den er programmeret med. Der er derfor masser af plads til fejl her, da teknologien stadig er i sin vorden. Mens software til analyse af medicinske billeder bestemt kan reducere radiologens arbejdsbyrde, er den endnu ikke klar til helt at erstatte radiologen. Den er stadig i sin barndom og bruges ikke så almindeligt som sin mindre automatiserede modpart, software til behandling af medicinske billeder.
|
Cloud PACS og online DICOM ViewerUpload DICOM-billeder og kliniske dokumenter til PostDICOM-servere. Gem, vis, samarbejd og del dine medicinske billedfiler. |
Software til behandling af medicinske billeder transformerer i bund og grund billeder, efter at de er erhvervet. Mens nogle grupper betragter software til behandling af medicinske billeder som en del af software til analyse af medicinske billeder, gør den ikke meget for at analysere billeder. Ikke desto mindre gør behandlingen jobbet med manuel analyse lettere for radiologen. Behandling af medicinske billeder er af tre typer—billedsegmentering, billedregistrering og billedvisualisering.
Segmentering refererer til processen med at opdele et enkelt billede i små dele eller segmenter. Ideelt set skal disse segmenter være meningsfulde, dvs. hvert segment skal skildre en forskellig struktur eller et organ.
Software til segmentering af medicinske billeder er i stand til at udføre følgende funktioner:
Lokalisering af interesseområdet: Softwaren kan identificere abnormiteter i interesseområdet, herunder tumorer, knuder og andre patologier.
Skelne anatomiske grænser: Segmenteringssoftware kan identificere grænserne for kropsstrukturer såsom blodkar.
Måling af volumener: Software til segmentering af medicinske billeder kan bruges til at beregne volumener af specifikke strukturer såsom anatomiske hulrum eller tumorer. Det er især nyttigt til at overvåge ændringer i tumorstørrelse under behandlingsforløbet.
Billedregistrering er en proces, der gør det muligt at justere billeder på den korrekte måde. I denne teknik gøres computeren bekendt med en række 'målbilleder'. Når den fodres med et nyt billede, transformeres dette nye 'kildebillede' til at ligne målbilledet i justering. Billedregistrering kan opnås ved hjælp af tre metoder—transformationsmodeller, lighedsfunktioner og optimeringsprocedurer.
Anvendelser af billedregistrering gennem software til behandling af medicinske billeder:
Billedfusion: Ved billedfusion kan medicinske billeddata, der kommer fra forskellige kilder, fusioneres sammen til et enkelt datasæt. Dette er yderst nyttigt til at forstå, hvordan anatomi korrelerer med funktionelle processer. For eksempel giver CT-scanninger strukturel information, mens PET-scanninger giver metabolisk information. Ved hjælp af billedfusion kan begge sæt information opnås gennem et enkelt datasæt.
Studere ændringer over tid: Billedregistrering kan bruges til at sammenligne en række billeder over tid. Dette er nyttigt til at vurdere ændringer inden for samme billedsession, såsom hjertebevægelser eller åndedrætsfunktion. Det kan også anvendes på langsigtede ændringer, såsom overvågning af en sygdoms progression over nogle år.
Karakterisering af anatomiske træk: Billedregistrering kan også sammenligne billeder mellem forskellige emner i en befolkning. Dette kan bruges til at karakterisere anatomiske træk i en given befolkning.
Interventionelle procedurer: Computerassisteret kirurgi muliggøres med billedregistrering. Ved at anvende den præoperative CT-scanning eller MR-billede i den intraoperative indstilling bliver billedstyret kirurgi mulig.
Software til visualisering af medicinske billeder ændrer den måde, det originale datasæt kan ses på. Dette giver mulighed for analyse fra forskellige synsvinkler. Visualisering er i bund og grund processen med at udforske data, transformere dem om nødvendigt, og derefter se dem med større dybde og klarhed sammenlignet med det originale datasæt. Der er flere efterbehandlingsteknikker, der giver mulighed for visualisering af medicinske billeder.
Anvendelser af billedvisualisering gennem software til behandling af medicinske billeder:
3D-rekonstruktion: Software til 3D medicinsk billeddannelse er næsten altid indbygget i almindelige programmer til behandling af medicinske billeder. 3D-rekonstruktion involverer tilføjelse af alle de sektioner, der er erhvervet i et enkelt datasæt, og kombination af dem til et enkelt billede. Dette gør det nemt for operatører at fortolke abnormiteter, da der er bedre anatomisk orientering sammenlignet med individuelle sektioner. Software til 3D medicinsk billeddannelse hjælper også med hurtigere identifikation af abnormiteter. Større detaljer kan derefter visualiseres med 2D-visualisering, hvis det kræves.
2D-visualisering: Dette er en omvendt af 3D-rekonstruktionsteknikken. Den kan bruges til enten at vise de originale billeddata fra 3D- eller 4D-rekonstruktioner, eller den kan bruges til at se forskellige sektioner fra det originale datasæt. Et eksempel på 2D-visualisering er multiplan reformatering, som tillader, at nye sektioner laves fra 3D- og 4D-rekonstruktioner, på planer, der er forskellige fra de originale planer. MPR finder anvendelse i visualiseringen af krumlinjede strukturer, herunder rygmarvskanalen og blodkar. De fleste former for software til 3D medicinsk billeddannelse giver også mulighed for MPR.
Den samtidige stigning i antallet af patienter, der gennemgår diagnostisk medicinsk billeddannelse, og kvaliteten af de medicinske billeder, der erhverves, hvilket betyder enorme datafiler, har ført til massive mængder datasæt, der håndteres af sundhedscentre og hospitaler. Lagring, hentning og håndtering af denne enorme mængde billeddata kan være en udfordring i sig selv. Software til styring af medicinske billeder gør denne proces lettere ved at organisere og integrere sådanne datasæt.
Software til styring af medicinske billeder består af en PACS-server, der kan integreres med en almindelig DICOM-arbejdsstation. En standard software til styring af medicinske billeder bør have følgende funktioner:
Erstatter fysisk arkivering ved at gemme alle medicinske billeddatasæt digitalt på en organiseret måde.
Giver radiologer adgang til medicinske billeddata fra enhver geografisk placering og giver flere brugere mulighed for at se data på samme tid på forskellige systemer.
Giver mulighed for eksport af billeder til andre filformater, så de kan bruges til undervisning, læring eller til formidling af billeder gennem publikationer og websteder.
Giver mulighed for integration af medicinske billeddata med patientdata i andre optegnelser, såsom den elektroniske patientjournal, sundhedsinformationssystem og radiologiinformationssystem (RIS).
En stor ulempe ved medicinsk billeddannelse er strålingseksponering. Måling af strålingsdosis involveret under scanningsoptagelse er nu mulig med sporingssoftware.
Med den stigende brug af CT-styret diagnose og intervention, herunder nuklearmedicinbaserede scanninger og angiografi, har der været en støt stigning i både patienters og lægers eksponering for stråling. Lovgivende organer har bemærket dette og gjort det obligatorisk at spore mængden af stråling, som patienter modtager, og indføre dette i deres sundhedsjournaler. Det er også påkrævet at spore mængden af stråling, som læger udsættes for i løbet af deres arbejde.
For at hjælpe med dosissporing har flere udviklere af software til styring af medicinske billeder fundet på løsninger. For eksempel tilbyder GE et program kaldet DoseWatch. Det sporer strålingsdosis administreret til patienter på en given institution. Dataene kan klassificeres efter den enkelte enhed, protokollen eller operatøren, så det bliver let at identificere dosisafvigere. Andre applikationer som Sectra tilbyder webbaseret dosissporing. Sectra er certificeret af American College of Radiologists og kan indsende dosisdata fra et hospital direkte til deres dosisindeksregister.
PostDICOM integrerer de funktioner inden for software til medicinsk billeddannelse, som vi har beskrevet ovenfor, i ét funktionsspækket program. Det er sofistikeret software til styring af medicinske billeder, der muliggør cloud-baseret lagring og hentning af medicinske billeder. PostDICOM er kompatibel med flere operativsystemer, herunder Windows, Linux, Mac OS og Android. Denne gratis software til medicinsk billeddannelse tilbyder avancerede visualiseringsmuligheder og er integreret med software til segmentering af medicinske billeder. Yderligere lagerplads kan købes til en nominel pris. Besøg postdicom.com for at lære mere om dette praktiske stykke software.
|
|
Cloud PACS og online DICOM ViewerUpload DICOM-billeder og kliniske dokumenter til PostDICOM-servere. Gem, vis, samarbejd og del dine medicinske billedfiler. |
