Improving Interaction With Large Medical Image Collections

Abstract

Los sistemas de archivado y transmisión de imágenes (PACSs) se han constituido en la base del flujo de trabajo diario para radiologos a nivel mundial. La interacción con imágenes médicas en dichos sistemas son un importante campo de investigación, debido a los intereses de la academia y la industria en mejorar la experiencia del usuario. Reduciendo costos, la brecha entre médicos e ingenieros, además de aumentar la visibilización de las grandes cantidades de datos. Actualmente los visores de PACS solo permiten el acceso a casos por número de identificación, sexo o nombre del paciente, o bien, etiquetas de las imágenes como modalidad o fecha de captura. Esto ha desenlazado en un amplio rango de capas de la interacción por mejorar como: mecánismos de búsqueda, estrategias de clasificación, recuperación y visualización. La contribución de esta tesis es un marco de trabajo para mejorar la interacción con grandes colecciones de imágenes radiológicas, integrando en un solo entorno diversas estrategias computacionales como las mencionadas previamente. Comenzando por la caracterización de imágenes de resonancia magnética de cerebro, seno y columna vertebral; empleando diferentes propiedades de la imagen como: textura, intensidad y forma. Posteriormente, un mecanismo de clasificación identifica de manera automática el órgano al cual pertenece la imagen. Una estrategia de recuperación basada en contenido es empleada para determinar la distancia entre los casos y finalmente graficarlos en un resumen visual. Empleando este resumen o buscando un caso específico el usuario puede estudiar en detalle cada uno de los volúmenes en el repositorio. Se desarrolló una plataforma web que integra cada una de las estrategias anteriormente enunciadas. Adicionalmente se sugiere al usuario casos relacionados con aquellos analizados previamente, empleando un mecanismo de recomendaci´on de contenido basado en la estrategia de recuperaci´on y alimentada por la interacci´on de los usuarios. El marco de trabajo presenta resultados de clasificación con una exactitud de 92 %, recuperación con la media de precisión promedio por encima de 0.9 y una aplicación prototipo funcional web que integra todas las estrategias para que estudiantes, médicos generales o especialistas puedan interactuar de una manera alternativa con los repositorios de imágenes radiológicas.

Abstract. Picture Archiving and Communication Systems (PACSs) have become into the basis of the daily workflow for radiologists worldwide. The interaction with medical images in such systems is an important research field, due to the interests of academy and industry on improving user experience. Reducing costs, the gap between physicians and engineers, in addition to increasing large amounts of data visualization. Nowadays, using a PACS viewer a radiologist access to cases only by patient identification number, sex, name, or image labels as modality or capture date. As a consequence, a wide range of interaction layers might be improved: search mechanism, classification, retrieval and finally visualization strategies. The main contribution of this thesis is a framework to improve the interaction with large radiological image collections, integrating in a single environment diverse computational strategies. Starting with the characterization of brain, breast and spine magnetic resonance images. Using different image properties like: texture, intensity and shape. Subsequently, a classification mechanism is used to automatically identify the organ to which the image belongs to. A content-based image retrieval strategy is used to compute the distance among cases, later these are used to graph a visual resume of the available volumes in the database. Using this visual summary or searching for an specific case, the user may study on detail each volume in the repository. It was developed a web-based system to integrate each strategy previously mentioned. Additionally it is suggested to the user cases related to the ones already analyzed, using a content recommendation mechanism based in the retrieval strategy and complemented by the users interaction. The framework presents classification results with an accuracy of 92 %, content-based image retrieval results with mean average precision above 0.9 and a functional application prototype that integrates all strategies. So that students, general practitioners or specialists can better interact with the information of a radiological images repository.