Medische beeldvorming is een van de snelst groeiende gebieden in de gezondheidszorg. In de afgelopen decennia is het geëvolueerd en omvat het nu meerdere beeldvormingsmodaliteiten, waaronder CT-scans, MRI's, echografie en nucleaire geneeskunde, om er maar een paar te noemen. Naast de vooruitgang in de hardware en apparaten die worden gebruikt om medische beelden te genereren, is er enorme vooruitgang geboekt met de verschillende soorten software die deze beelden verwerken.
De introductie van de DICOM-standaard (Digital Imaging and Communications in Medicine) heeft geholpen om ervoor te zorgen dat de kwaliteit van medische beelden op een hoog niveau wordt gehandhaafd. Het verkrijgen, opslaan, ophalen en delen van medische beelden kan alleen in het DICOM-formaat gebeuren. Elk ziekenhuis moet beschikken over een speciaal DICOM-werkstation. Met de komst van PACS (Picture Archiving and Communications System), wat een virtuele opslagruimte is voor digitale DICOM-beelden, is de opslag en het ophalen van dergelijke beelden gestroomlijnd.
De markt wordt overspoeld met verschillende soorten software voor medische beeldvorming voor het bekijken van DICOM-beelden. Dit omvat gratis software voor medische beeldvorming, evenals premiumsoftware die mogelijk geavanceerdere functies biedt. Naarmate radiologen gewend raken aan de nieuwste software voor medische beeldvorming voor het bekijken en opslaan van beelden, richten fabrikanten hun aandacht op andere gebieden van de beeldvormingsworkflow, identificeren ze problemen die moeten worden opgelost en kijken ze of ze innovatieve oplossingen hiervoor kunnen bedenken. In dit artikel bespreken we de verschillende soorten software voor medische beeldvorming die zijn ontworpen om meer te doen dan alleen DICOM-medische beelden bekijken.
Elke software die gegevens kan 'analyseren' die zijn verkregen uit medische beelden, wordt software voor analyse van medische beelden genoemd. Analyse kan de vorm aannemen van het ondersteunen van de diagnose, het vergelijken van beelden tussen patiënten of binnen dezelfde patiënt op verschillende tijdstippen om de voortgang van de ziekte te beoordelen, en het evalueren van de prognose. In samenhang met de verbetering van de beeldvormingstechnologie worden er grote stappen gezet met betrekking tot het analytische vermogen van software voor medische beeldvorming, in een poging software te creëren die in staat is om zelfstandig klinische afwijkingen in medische beelden te detecteren.
Analyse is meestal een cognitieve functie die wordt uitgevoerd door de radioloog of arts die het medische beeld bekijkt. Met de vooruitgang in de gezondheidszorg is het aantal scans dat voor patiënten wordt aangevraagd omhooggeschoten. De output van medische scans is tegenwoordig beschikbaar in groter detail en in meerdere secties, wat leidt tot een groter aantal beelden dat moet worden onderzocht. De interpretatie van zoveel beelden door een radioloog vereist niet alleen enorme vaardigheid, het is ook tijdrovend en vermoeiend. Terwijl de werkbelasting voor radiologen in de loop der jaren is vermenigvuldigd, weerspiegelt de groei van het aantal opgeleide radiologen slechts de helft van de toename van de werkbelasting. Het resultaat is een acuut tekort aan personeel binnen de context van de radiologische werkbelasting. Een voorgestelde oplossing voor dit probleem is het gebruik van machines om medische beelden te interpreteren en afwijkingen te detecteren.
Software voor analyse van medische beelden maakt gebruik van deep learning-algoritmen om beelden te lezen en te evalueren. Het is in staat om honderden beelden tegelijk te doorzoeken en kan daarom grote werklasten aan. Het kan worden getraind om beelden met verdachte bevindingen te 'markeren', wat processen voor radiologen kan versnellen in die zin dat ze niet alle beelden hoeven door te nemen en zich alleen hoeven te concentreren op de beelden die zijn gemarkeerd.
Aidoc: Aidoc, een bedrijf gevestigd in Tel Aviv, heeft software voor analyse van medische beelden ontwikkeld die diagnostische ondersteuning biedt voor volledige lichaams-CT-scans. De applicatie analyseert CT-scans van het hoofd, de nek, de borst en de buik en is in staat visuele afwijkingen op hoog niveau te detecteren. Een casestudy uitgevoerd door het bedrijf toonde aan dat het gebruik van Aidoc de doorlooptijd van rapporten aanzienlijk verminderde, met name voor scans van het hoofd en de nek.
Arterys: Arterys is een in San Francisco gevestigd bedrijf dat deep learning AI-algoritmen combineert met cloud computing. De software voor analyse van medische beelden heeft aangetoond de snelheid en nauwkeurigheid van de analyse te verhogen. Oorspronkelijk ontwikkeld voor hart-MRI's, heeft Arterys nu vergelijkbare toepassingen ontwikkeld voor lever-MRI's, long-MRI's en mammogrammen, en helpt het pathologische laesies in deze regio's te identificeren.
Uiteindelijk is software voor analyse van medische beelden zo goed als de computeralgoritmen waarop deze is gebouwd. Een computer 'ziet' geen dingen en kan niet denken, en de output is gebaseerd op een reeks getallen en algoritmen. De gegenereerde resultaten zijn daarom gebaseerd op de algoritmen waarmee deze is geprogrammeerd. Er is daarom hier veel ruimte voor fouten, aangezien de technologie nog in de kinderschoenen staat. Hoewel software voor analyse van medische beelden de werkbelasting van radiologen zeker kan verminderen, is deze nog niet klaar om de radioloog volledig te vervangen. Het staat nog in de kinderschoenen en wordt niet zo vaak gebruikt als zijn minder geautomatiseerde tegenhanger, de software voor verwerking van medische beelden.
|
Cloud PACS en online DICOM-viewerUpload DICOM-beelden en klinische documenten naar PostDICOM-servers. Sla op, bekijk, werk samen en deel uw medische beeldbestanden. |
Software voor verwerking van medische beelden transformeert in essentie beelden nadat ze zijn verkregen. Hoewel sommige groepen software voor verwerking van medische beelden beschouwen als onderdeel van software voor analyse van medische beelden, doet het niet veel om beelden te analyseren. Desalniettemin maakt verwerking de taak van handmatige analyse gemakkelijker voor de radioloog. Verwerking van medische beelden is er in drie soorten: beeldsegmentatie, beeldregistratie en beeldvisualisatie.
Segmentatie verwijst naar het proces van het verdelen van een enkel beeld in kleine delen of segmenten. Idealiter moeten deze segmenten betekenisvol zijn, dat wil zeggen dat elk segment een andere structuur of orgaan moet weergeven.
Software voor medische beeldsegmentatie is in staat de volgende functies uit te voeren:
Het lokaliseren van het interessegebied: De software kan afwijkingen in het interessegebied identificeren, waaronder tumoren, knobbeltjes en andere pathologieën.
Het onderscheiden van anatomische grenzen: Segmentatiesoftware kan de grenzen van lichaamsstructuren zoals bloedvaten identificeren.
Het meten van volumes: Software voor medische beeldsegmentatie kan worden gebruikt om de volumes van specifieke structuren zoals anatomische holtes of tumoren te berekenen. Het is bijzonder nuttig om veranderingen in tumorgrootte te volgen tijdens de behandeling.
Beeldregistratie is een proces waarmee beelden op de juiste manier kunnen worden uitgelijnd. Bij deze techniek maakt de computer kennis met een reeks 'doel'-beelden. Wanneer het wordt gevoed met een nieuw beeld, wordt dit nieuwe 'bron'-beeld getransformeerd om qua uitlijning vergelijkbaar te worden met het doelbeeld. Beeldregistratie kan worden bereikt met behulp van drie methoden: transformatiemodellen, gelijkenisfuncties en optimalisatieprocedures.
Toepassingen van beeldregistratie via software voor verwerking van medische beelden:
Beeldfusie: Bij beeldfusie kunnen medische beeldgegevens die afkomstig zijn van verschillende bronnen worden samengevoegd tot één dataset. Dit is uiterst nuttig om te begrijpen hoe anatomie correleert met functionele processen. CT-scans bieden bijvoorbeeld structurele informatie, terwijl PET-scans metabolische informatie bieden. Met behulp van beeldfusie kunnen beide sets informatie via één dataset worden verkregen.
Het bestuderen van veranderingen in de tijd: Beeldregistratie kan worden gebruikt om een reeks beelden in de tijd te vergelijken. Dit is nuttig om veranderingen binnen dezelfde beeldvormingssessie te beoordelen, zoals hartbewegingen of ademhalingsfunctie. Het kan ook worden toegepast op veranderingen op de lange termijn, zoals het monitoren van de progressie van een ziekte over een paar jaar.
Het karakteriseren van anatomische kenmerken: Beeldregistratie kan ook beelden vergelijken tussen verschillende proefpersonen in een populatie. Dit kan worden gebruikt om anatomische kenmerken in een bepaalde populatie te karakteriseren.
Interventionele procedures: Computerondersteunde chirurgie wordt mogelijk gemaakt door beeldregistratie. Door het pre-operatieve CT-scan- of MRI-beeld toe te passen op de intraoperatieve setting, wordt beeldgestuurde chirurgie mogelijk.
Software voor medische beeldvisualisatie verandert de manier waarop de originele dataset kan worden bekeken. Dit maakt analyse vanuit verschillende gezichtspunten mogelijk. Visualisatie is in wezen het proces van het verkennen van gegevens, deze indien nodig transformeren en ze vervolgens met meer diepgang en helderheid bekijken in vergelijking met de originele dataset. Er zijn verschillende nabewerkingstechnieken die medische beeldvisualisatie mogelijk maken.
Toepassingen van beeldvisualisatie via software voor verwerking van medische beelden:
3D-reconstructie: Software voor 3D-medische beeldvorming is bijna altijd ingebouwd in reguliere softwareprogramma's voor verwerking van medische beelden. 3D-reconstructie omvat de toevoeging van alle secties die in één dataset zijn verkregen en het combineren ervan tot één beeld. Hierdoor kunnen operators afwijkingen gemakkelijk interpreteren, omdat er een betere anatomische oriëntatie is in vergelijking met individuele secties. Software voor 3D-medische beeldvorming helpt ook bij een snellere identificatie van afwijkingen. Meer detail kan dan indien nodig worden gevisualiseerd met 2D-visualisatie.
2D-visualisatie: Dit is het omgekeerde van de 3D-reconstructietechniek. Het kan worden gebruikt om de originele beeldgegevens van 3D- of 4D-reconstructies weer te geven, of het kan worden gebruikt om verschillende secties van de originele dataset te bekijken. Een voorbeeld van 2D-visualisatie is multi-planaire reformatie (MPR), waarmee nieuwe secties kunnen worden gemaakt van 3D- en 4D-reconstructies, op vlakken die verschillen van de originele vlakken. MPR vindt toepassing bij de visualisatie van kromlijnige structuren, waaronder het wervelkanaal en bloedvaten. De meeste soorten software voor 3D-medische beeldvorming staan ook MPR toe.
De gelijktijdige toename van het aantal patiënten dat diagnostische medische beeldvorming ondergaat en de kwaliteit van de medische beelden die worden verkregen, wat enorme gegevensbestanden betekent, heeft geleid tot enorme volumes aan datasets die door gezondheidscentra en ziekenhuizen worden verwerkt. De opslag, het ophalen en de verwerking van dit enorme volume aan beeldgegevens kan op zichzelf al een uitdaging zijn. Software voor beheer van medische beelden maakt dit proces eenvoudiger door dergelijke datasets te organiseren en te integreren.
Software voor beheer van medische beelden bestaat uit een PACS-server die kan worden geïntegreerd met een standaard DICOM-werkstation. Een standaard software voor beheer van medische beelden moet de volgende kenmerken hebben:
Vervangt fysieke archivering door alle medische beelddatasets digitaal op een georganiseerde manier op te slaan.
Geeft radiologen toegang tot medische beeldgegevens vanaf elke geografische locatie en stelt meerdere gebruikers in staat om gegevens tegelijkertijd op verschillende systemen te bekijken.
Maakt het exporteren van beelden naar andere bestandsformaten mogelijk, zodat ze kunnen worden gebruikt voor onderwijs, leren of voor het verspreiden van beelden via publicaties en websites.
Maakt integratie van medische beeldgegevens mogelijk met patiëntgegevens in andere dossiers, zoals het elektronisch patiëntendossier, gezondheidsinformatiesysteem en radiologie-informatiesysteem (RIS).
Een belangrijk nadeel van medische beeldvorming is blootstelling aan straling. Het meten van de stralingsdosis tijdens het verkrijgen van de scan is nu mogelijk met trackingsoftware.
Met het toenemende gebruik van CT-geleide diagnose en interventie, waaronder scans op basis van nucleaire geneeskunde en angiografie, is er een gestage toename van de blootstelling aan straling voor zowel patiënt als arts. Regelgevende instanties hebben dit opgemerkt en het verplicht gesteld om de hoeveelheid straling die patiënten ontvangen bij te houden en dit in hun medische dossiers in te voeren. Het is ook vereist om de hoeveelheid straling bij te houden waaraan artsen worden blootgesteld tijdens hun werk.
Om te helpen bij het traceren van doses, hebben verschillende ontwikkelaars van software voor beheer van medische beelden oplossingen bedacht. GE biedt bijvoorbeeld een programma aan genaamd DoseWatch. Het volgt de stralingsdosis die aan patiënten wordt toegediend in een bepaalde instelling. De gegevens kunnen worden geclassificeerd op basis van het individuele apparaat, het protocol of de operator, zodat het gemakkelijk wordt om dosis-uitschieters te identificeren. Andere applicaties zoals Sectra bieden webgebaseerde dosistracking. Sectra is gecertificeerd door het American College of Radiologists en kan dosisgegevens van een ziekenhuis rechtstreeks indienen bij hun Dose Index Registry.
PostDICOM integreert de functies voor software voor medische beeldvorming die we hierboven hebben beschreven in één programma vol functies. Het is geavanceerde software voor beheer van medische beelden die cloud-gebaseerde opslag en het ophalen van medische beelden mogelijk maakt. PostDICOM is compatibel met meerdere besturingssystemen, waaronder Windows, Linux, Mac OS en Android. Deze gratis software voor medische beeldvorming biedt geavanceerde visualisatieopties en is geïntegreerd met software voor medische beeldsegmentatie. Extra opslagruimte kan tegen een nominale prijs worden aangeschaft. Bezoek postdicom.com voor meer informatie over dit handige stukje software.
|
|
Cloud PACS en online DICOM-viewerUpload DICOM-beelden en klinische documenten naar PostDICOM-servers. Sla op, bekijk, werk samen en deel uw medische beeldbestanden. |
