Advertisement

Medico

  • Sascha Seifert
  • Sonja Zillner
  • Martin Huber
  • Michael Sintek
  • Daniel Sonntag
  • Alexander Cavallaro
Part of the acatech DISKUTIERT book series (ACATECHDISK, volume 0)

Zusammenfassung

Bildgebende Verfahrung, wie zum Beispiel Ultraschall, Computertomographie, und Magnetresonanztomographie, sind eine wichtige Grundlage für die medizinische Diagnose und Therapie, denn sie ermöglichen es, Krankheiten frühzeitig zu erkennen und gezielt zu behandeln. Mit dem technologischen Fortschritt verbesserten sich die räumliche, und in der Herzbildgebung die zeitliche, Auflösung wie auch weitere Qualitätsparameter der Bilder. So kann etwa mit modernen Computertomographen ein einzelner Herzschlag in 20 Aufnahmen bestehend aus je 300 einzelnen Schichtbildern so detailliert abgebildet werden, dass selbst Ablagerungen innerhalb der wenige Millimeter durchmessenden und sich ständig bewegenden Koronararterien sichtbar werden. Um den zusätzlichen diagnostischen Wert moderner bildgebender Verfahren auch tatsächlich zu nutzen, müssen Radiologen dadurch jedoch auf immer mehr Bildern immer mehr Details erkennen, diagnostizieren und beschreiben sowie diese im Fall von Folgeuntersuchungen auch noch mit früheren Aufnahmen vergleichen. Um dies mit vertretbarem Aufwand und hoher Qualität zu gewährleisten, benötigen Radiologen Unterstützung durch IT-Systeme. Diese gewährleisten bereits heute einen schnellen Zugriff auf die Bilder und ermöglichen die flexible Darstellung sowie effiziente Möglichkeiten zur Bildmanipulation. Gegenwärtig werden diese etablierten Befundsysteme kontinuierlich durch zusätzliche neue, intelligente Algorithmen zur Bildverarbeitung erweitert, etwa zur automatischen Detektion und Analyse pathologischer Veränderungen. Ein disruptiver Produktivitäts- und Qualitätssprung kann erreicht werden, wenn die Bild- beziehungsweise Befundinhalte maschinell verarbeitbar beschrieben werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Colmerauer et al. 1993
    Colmerauer, A./ Roussel, P.: The Birth of Prolog. In: HOPL Preprints (1993), p. 37–52.Google Scholar
  2. Hall 2009.
    Hall, F. M.: The Radiology Report of the Future. In: Radiology 251 (2009), p. 313–316.CrossRefGoogle Scholar
  3. Langlotz 2006.
    Langlotz, C.: Radlex: A new method for indexing online educational materials. In: Radio-Graphics, 26 (2006), p. 1595–1597.Google Scholar
  4. Möller et al. 2010
    Möller, M./ Ernst, P./ Sonntag, D./ Dengel, A.: Automatic Spatial Plausibility Checks for Medical Object Recognition Results Using a Spatio-Anatomical Ontology. Proceedings of the International Conference on Knowledge Discovery and Information Retrieval (KDIR 2010), Valencia Spain, 2010.Google Scholar
  5. Rosse et al. 2003
    Rosse, C./ Mejino, R. L. V.: A reference ontology for bioinformatics: The foundational model of anatomy. In: Journal of Biomedical Informatics 36 (2003), p. 478–500.CrossRefGoogle Scholar
  6. Seifert et al. 2009
    Seifert, S./ Barbu, A./ Zhou, K./ Liu, D./ Feulner, J./ Huber, M./ Suehling, M./ Cavallaro, A./ Comaniciu, D.: Hierarchical Parsing and Semantic Navigation of Full Body CT Data. In: SPIE 2009 Medical Imaging, Orlando, 2009.Google Scholar
  7. Seifert et al. 2010
    Seifert, S./ Kelm, M. / Moeller, M./ Mukherjee, S./ Cavallaro, A./ Huber, M./ Comaniciu, D.: Semantic Annotation of Medical Images. In: SPIE 2010 Medical Imaging, San Diego, 2010.Google Scholar
  8. Seifert et al. 2011
    Seifert, S./ Thoma, M./ Stegmaier, F./ Hammon, M./ Döller, M./ Kriegel, H.-P./ Cavallaro, A./ Huber, M./ Comaniciu, D.: Combined Semantic and Similarity Search in Medical Image Databases. In: SPIE 2011 Medical Imaging, Orlando, 2011.Google Scholar
  9. Sonntag et al. 2009
    Sonntag, D./ Wennerberg, P. / Buitelaar, P./ Zillner, S.: Pillars of Ontology Treatment in the Medical Domain. In: Journal of Cases on Information Technology (JCIT) 11 (2009), p. 47–73.CrossRefGoogle Scholar
  10. Sonntag et al. 2010
    Sonntag, D./ Huber, M./ Möller, M./ Ndiaye, A./ Zillner, S./ Cavallaro, A.: Design and Implementation of a Semantic Dialogue System for Radiologists. In: Semantic Web: Standards, Tools and Ontologies (forthcoming).Google Scholar
  11. Weiss et al. 2008
    Weiss, D. L./ Langlotz, C. P.: Structured Reporting: Patient Care Enhancement or Productivity Nightmare? In: Radiology 249 (2008), p. 739–747.CrossRefGoogle Scholar
  12. Wennerberg/Zillner 2009.
    Wennerberg, P./ Zillner, S.: Towards Context Driven Modularization of Large Biomedical Ontologies. Proceedings of the International Conference of Biomedical Ontology (ICBO2009), Buffalo/New York, July 2009.Google Scholar
  13. Wennerberg et al. 2009
    Wennerberg, P./ Möller, M./ Zillner, S.: A Linguistic Approach to Aligning Representations of Human Anatomy and Radiology. Proceedings of the International Conference of Biomedical Ontology (ICBO2009), Buffalo/New York, July 2009.Google Scholar
  14. Wennerberg et al. 2010
    Wennerberg, P./ Zillner, S./ Schulz, K.: Context Driven Modularization of a Representation of Human Anatomy. In: Journal AMIA Summit on Translational Bioinformatics 2010, San Francisco, March, 2010.Google Scholar
  15. Zillner 2009.
    Zillner, S.: Towards the Ontology-based Classification of Lymphoma Patients using Semantic Image Annotations. In: CEUR Proceedings of SWAT4LS Semantic Web Applications and Tools for Life Sciences (SWAT4LS). Amsterdam, 2009.Google Scholar
  16. Zillner, 2010.
    Zillner, S.: Reasoning-based Patient Classification for Enhanced Medical Image Annotations. In: Proceedings of the Extended Semantic Web Conference (ESWC 2010), Heraklion, June 2010.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2011

Authors and Affiliations

  • Sascha Seifert
  • Sonja Zillner
  • Martin Huber
  • Michael Sintek
  • Daniel Sonntag
  • Alexander Cavallaro

There are no affiliations available

Personalised recommendations