Semantik und Bilddaten: wie Terminologien in der Radiologie helfen

587 views
499 views

Published on

Medizinische Berichte werden meistens als Freitext erstellt, da dies schnell geht und in jeder Situation eine hohe Flexibilität hat. Werden allerdings Daten oder Dokumente in medizinischen Systemen zwischen mehreren Partnern geteilt kann auch eine maschinelle Auswertung helfen, vor allen wenn es um sehr große Datenmengen geht. Auch standardisierte Benutzung von Abkürzungen und generellen Begriffen kann die Verständlichkeit der Texte erhöhen.
In der Radiologie ist die RadLex Terminologie vor allem für das Schreiben von Radiologieberichten erstellt worden. RadLex hilft, die benutzen Worte verschiedenen Personen vergleichbarer zu machen und sowohl Synonyme als auch andere Verwandtschaften von Begriffen analysieren zu können. RadLex existiert in Englisch und Deutsch, es können also damit auch deutsche Begriffe benutzt werden, um z.B. in englischen Dokumenten zu suchen. Durch templates im DICOM structured reporting kann RadLex auch helfen Abläufe effizienter zu machen und Strukturen der Texte kontextbezogen wiederzubenutzen.
Ergebnisse des Forschungsprojektes Khresmoi (http://www.khresmoi.eu/) werden präsentiert und auch weitere Ideen für die Entwicklung von generellen Suchwerkzeugen in medizinischen Daten, vor allem in visuellen Daten, wie Suche nach visuell ähnlichen volumes of interest oder die Suche nach wissenschaftlichen Artikeln, die thematisch zu einem bearbeiteten Fall passen.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
587
On SlideShare
0
From Embeds
0
Number of Embeds
154
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Semantik und Bilddaten: wie Terminologien in der Radiologie helfen

  1. 1. Semantik und Bilddaten: wieTerminologien in der Radiologie helfenHenning Müller
  2. 2. Motivation: Datenwachstum, Komplexität• Exponentielles Wachstum derAnzahl der Bilder• 30% weltweiter Speicherkapazitätist medical imaging• Nach Schätzungen der EU• Komplexität der Bildgebung steigt• Bilder sind in allen Abteilungenverfügbar• Alle klinischen Daten auch• Integration vieler Daten ist notwendig2
  3. 3. Was ist Semantik?• Semantik (von Altgriechischsēmaínein ‚bezeichnen‘, ‚zum Zeichengehörig‘), auch Bedeutungslehre, nennt mandie Theorie oder Wissenschaft von derBedeutung der Zeichen.• Zeichen können in diesem Fall Wörter,Phrasen oder Symbole sein.• Die Semantik beschäftigt sich typischerweisemit den Beziehungen zwischen Zeichen undBedeutungen dieser Zeichen3
  4. 4. Semantik in der Medizin• MeSH – Medical Subject headings• UMLS – unified medical language system• Methathesaurus verschiedener Terminologien• Kostenlose, und nicht freie Terminologien• SNOMED – Systemized Nomenclature inMedicine• Teuer, da kommerziell gepflegt• Teilweise kaufen Länder die gesamte Terminologie• LinkedLifeData• Offen, freie Basis, 10 Mia Fakten4
  5. 5. RadLex• Nicht Teil von UMLS• Teilweise basiert auf anderen Terminologien• Deutsche Version existiert• Wird aber (meines Wissens) nicht mehr upgedated5
  6. 6. Khresmoi Projekt• Mix von mehrsprachigen Ressourcen mitmultimedia Daten für verschiedene Benutzer• Fokus auf 2D und 3D Bildsuche6
  7. 7. Wo helfen Terminologien & Semantik?• Beschreibung von Inhalten in eindeutiger Form• Synonyme, Bedeutungshierarchien, Abkürzungen• Interoperabilität oder Austausch von Daten• Innerhalb und außerhalb der Institution• Mehrsprachige Dokumentation und Suche• Structured reporting und Wiederbenutzungvon Templates• Effizienzgewinn• Verlinken von Text und visuellen Inhalten7
  8. 8. Wo gibt es Probleme mit Semantik?• Standardisierte Beschreibung ist häufigweniger ausdruckstark• Vielleicht Freitext zusätzlich zu Terminologien?• Automatische Auswahl nach Freitexteintrag• Sehr große Terminologien sind nicht einfachzu lernen• SNOMED in Dänemark, langfristige Sicht ist notwendig• Eindeutige Kodierung ist nicht unbedingt gegeben• Am Anfang mehr Aufwand, später potentielleZeitgewinne8
  9. 9. Eindeutige Beschreibung• Herzinfarkt, Myokardinfarkt, Herzmuskelinfarkt,…• Viele Synonyme• ICD10-I20: MI, STEMI, NSTEMI, ACS• Viele Abkürzungen, die man lokal versteht, aber dienicht Standard sind• Auch “visuelle” Terminologien sind nichteindeutig• Ground glass, Fibrosen, … mit Beispielen9
  10. 10. Interoperabilität• Mehr Patienten wechselnden Arzt• Generell mehr Mobilität• Elektronische Datenkönnen einfacherausgetauscht werden• Personal health records• Vollständige Patientenaktehat viele Vorteile• eHealth Strategien in vielen Ländern10
  11. 11. Mehrsprachigkeit• Vor allem in der Schweiz ein wichtiges Thema!• Literatur ist englisch, klinische Dokumentedeutsch/französisch/italienisch, …• Teaching files in vielen Sprachen• In RadLex/MeSH ist jeder Begriff in allenSprachen derselbe11(EN) x-ray of a tibiawith a fracture(DE) Röntgenbildereiner gebrochenen Tibia(FR) Radiographies dutibia avec fracture
  12. 12. www.RadReport.org• Viele Templates für structured reporting12
  13. 13. LinkedLifeData1313
  14. 14. Klassifizieren von Journal Figuren• Bilder in Artikeln sindzum Grossteil nichtklinische Bilder• Caption erlaubt eshäufig nicht, den Typ zubestimmen• Visuelle Information kannhelfen• Typen auf RadLex/MeSH gemapped, ganzeStruktur kann eingesetzt werden• Benutzung auch in Goldminer, um relevante Artikelzu finden 14
  15. 15. Bilder in der Literature - Subfigures15EHR, PACS
  16. 16. Visuelle Semantik16
  17. 17. Khresmoi Suchinterface17
  18. 18. Extraktion von Begriffen18
  19. 19. • Automatische Identifikation von Organen undLandmarks im Körper (etwa 50 Strukturen,15 landmarks, RadLex terms)• Benchmark für die Bildverarbeitungscommunity• Vergleichen von Algorithmen auf 10-40 TB Daten• Gold standard und silver standard für Organe19
  20. 20. Big data• Sehr große Datenmengen müssenautomatisiert analysiert werden (>150 TB)• Ähnlich wie Google im Web mit Billionen Webseiten• Man findet immer “ähnliche” Fälle• Auch für seltene Krankheiten• Selbes Alter und ähnliche co-Morbiditäten• Ähnliche CT und MR Generation, ähnliche Protokolle• Auch normale Fälle als Vergleich• Anonymisierung und Konfidentialität sind sehrwichtig, aber das Potential ist enorm20
  21. 21. Nächste Schritte• Extraktion von einfacher Semantik aus Bildern• Inhaltsbasierte Suche in Regionen• Manuell annotierte Datenbanken sind nötig• Auch Kommentare und social bookmarking• Verbinden von 2D, 3D, 4D• Visuelle Verbindung und über klinische Daten• Klinische Bilder, Teaching files und die medizinischeLiteratur• Einsatz in Klinik, Forschung und Lehre• Suche wie in Google in ähnliche Fällen• Visualisierung von Beziehungen 21
  22. 22. Fazit• Radiologie produziert immer mehr und immerkomplexere Bilder• Semantik kann helfen die Fälle zu beschreibenund Fälle später wiederzufinden• Statistiken und Vergleiche können automatisiert werdenwenn gut annotiert wird• Austausch von Daten zwischen Klinikern wird einfacher• Visuelle Analyse kann helfen Semantik in Bildernzu finden• Lokale Bildanalyse ist notwendig• Automatisches Messen und Finden ähnliche ROIs 22
  23. 23. Kontakt und mehr Information• Mehr informationen unter:• http://khresmoi.eu/• http://visceral.eu/• http://medgift.hevs.ch/• http://publications.hevs.ch/• Kontakt:• Henning.mueller@hevs.ch23

×