Ter Haar Romeny, 2009 Algoritmen voor Medische Beeld Analyse Prof.dr.ir. Bart ter Haar Romeny Faculteit Biomedische Technologie Biomedische Beeld Analyse.

Presentatie over: "Ter Haar Romeny, 2009 Algoritmen voor Medische Beeld Analyse Prof.dr.ir. Bart ter Haar Romeny Faculteit Biomedische Technologie Biomedische Beeld Analyse."— Transcript van de presentatie:

1 ter Haar Romeny, 2009 Algoritmen voor Medische Beeld Analyse Prof.dr.ir. Bart ter Haar Romeny Faculteit Biomedische Technologie Biomedische Beeld Analyse www.bmia.bmt.tue.nl bmia.bmt.tue.nl/people/BRomeny

2 ter Haar Romeny, 2009 In een ziekenhuis worden heel veel medische beelden gemaakt: 1/3 van alle apparatuur is voor medische beelden 80% van alle bevindingen door beelden 800 bed ziekenhuis: 10 Terabyte/jaar, 10 jaar archief Philips, Siemens, General Electric: miljarden dollars Philips Medical Systems: 30% van heel Philips 1 Terabyte = 1000 Gigabyte, 1 Gigabyte = 1000 Megabyte

3 ter Haar Romeny, 2009 Moderne Röntgen beelden

4 ter Haar Romeny, 2009 Beelden bestaan uit discrete samples Een pixel of voxel bevat een getal van een fysische meting CT: lin. verzwakkingscoeff. US: ampl. gereflect. Geluid etc. de intensity range kan alles zijn, vaak ook negatief 3D is een stapel 2D plakken 4D is bijv. 3D + tijd3D + tijd

5 ter Haar Romeny, 2009  11  12  13  23  22  21  31  32  33 Twee vergelijkingen met twee onbekenden  oplosbaar …  9 vergelijkingen met 9 onbekenden  oplosbaar I0I0 ItIt Tomografie reconstructie d   11 +  12 +  13 = 0.61  21 +  22 +  23 = 0.27  31 +  32 +  33 = 0.83  512 2 vergelijkingen met 512 2 onbekenden  oplosbaar

6 ter Haar Romeny, 2009 Computer Tomografie Grieks: tomos = plakje, grafein = afbeelden

7 ter Haar Romeny, 2009 Tomoscan AV EasyVision CT = Computer Tomografie = Röntgenfoto plakjes  3D CT bekijkstation

8 ter Haar Romeny, 2009 Toepassingen: hersenen longtumor emfyseem Lever – tijdreeks met meerdere opnamen op dezelfde plaats

9 ter Haar Romeny, 2009 Magnetische Resonantie Plakjes

10 ter Haar Romeny, 2009 enorm sterk magnetisch veld Damadian 1977 Supergeleidende magneet 0.5-3 Tesla Hoofd-spoel (antenne)

11 ter Haar Romeny, 2009 Intera 3.0 T: Zeer hoge resolutie (veel pixels) 512 x 512 matrix, 2 mm dikke plak 1024 x 1024 Matrix, 4 mm dikke plak Philips Medical Systems

12 ter Haar Romeny, 2009 Van de plakjes kunnen we een drie-dimensionaal beeld maken Vital Images

13 ter Haar Romeny, 2009 We doen het licht in de natuur na: Licht reflectie hier rekenen we alle pixels uit (1000 x 1000) oog in 20 milliseconden Nodig: segmentatie

14 ter Haar Romeny, 2009 Bekijkstation voor TU/e studenten: super anatomie boek

15 ter Haar Romeny, 2009 Kijken Maken van de beelden Zien Beeld analyse, computer vision Beslissen Visualisatie, diagnose

16 ter Haar Romeny, 2009 Image analysis The extraction of the essential information from all available data and present this in optimal format Our focus: the design of computer algorithms that answer questions on images Clinical validation

17 ter Haar Romeny, 2009 Buitengewoon grote reeks toepassings- gebieden

18 ter Haar Romeny, 2009 Scientific Disciplines / Technologies Visualization Image Enhancement RegistrationSegmentationModelingSimulationQuantification Pattern Recognition Classification Medical Image Computing

19 ter Haar Romeny, 2009 Opzet college 8C080: Introductie, noodzaak van algoritmen Geometric reasoning Convolutie – filters Ruisreductie Randen en features Het Fourier domein Fourier series Convolutie stelling Registratie algoritmen Maten voor matching Optimalisatie algoritmen Werkcollege: Mathematica 6 of 7 Template matching Fourier series Registratie MR-iMR Mutual Information

20 ter Haar Romeny, 2009 Computer Aided Detection – Definition The computer interprets images, finding abnormalities … things that should not be there tumour, blood clot, polyp … things that should be there but look strange (shape, size) emphysema in lung tissue, stenosis in vessels things that look normal but behave strangely (dynamics) limited blood uptake by infarct tissue in heart or brain insufficient mobility of diseased heart wall

21 ter Haar Romeny, 2009 Computer Aided Detection – Applications Breast cancer – X-ray mammography Lung cancer (nodules) – CT Lung emphysema – CT Colorectal cancer (polyps) – Colon CT Acute pulmonary embolism – Lung CT Breast cancer – MR “mammography”  Breast MR Prostrate cancer – US and MR

22 ter Haar Romeny, 2009 Colon polyps “Tissue bulging from the surface of an organ” 50 % of population have polyps at ages 50+ 10-20% of larger polyps develop into cancer over time (5-10 years) Slow development of disease  early detection helps! 150,000 new cases / year (USA) 60,000 deaths / year (USA) “ Screening for polyps will reduce mortality from colon cancer”

23 ter Haar Romeny, 2009 MIT AI Lab Automatic Polyp Detection Beeld afgeleiden: Oppervlak: 1 e orde Kromming: 2 e orde

24 ter Haar Romeny, 2009 Patroonherkenning: De computer helpt de moeilijk zichtbare tumoren te vinden

25 ter Haar Romeny, 2009 Bev Doolittle: The forest has eyes De uitdaging Hoe doen wij het eigenlijk ? Automatische tumor detectie

26 ter Haar Romeny, 2009 De eerste stappen van ons visueel systeem Corpus geniculatum laterale fovea David Huvel Torsten Wiesel Visuele cortex : Nauwkeurige kaart fovea

27 ter Haar Romeny, 2009 Ons visueel systeem is een hele krachtige computer

28 ter Haar Romeny, 2009 fovea = midden verder naar buiten We kijken met kleine filtertjes

29 ter Haar Romeny, 2009 Met die filtertjes kunnen we contouren (randen) waarnemen: