Jens Hiltner

Using vague knowledge for image description

Fuzzy logic in the field of image processing is becoming more and more important. Image quality is improving, but data contains different kinds of uncertainty which have to be handled using computerized analysis. These uncertainties can be found particularly in medical image data. In this paper, the handling of such uncertainties using methods such as the natural language of medical experts and iconic fuzzy sets for the description and recognition of anatomical structures in magnetic resonance tomograms (MRT) of human heads are presented.

An approach to use linguistic and model-based fuzzy expert knowledge for the analysis of MRT images

Abstract Processing of medical image data is much more difficult than industrial image processing resulting from the higher degree of variability. However the improvement of the already existing technique and the development of new imaging techniques as well as the widespread availability of recording devices (e.g. CTs and MRTs) emphasize the importance of this application field worldwide. Although the image quality increases steadily, data contains different kinds of uncertainties and variabilities that have to be handled in computerized analysis. In this paper the handling of such kinds of variabilities by using iconic fuzzy sets for the description and recognition of anatomical structures in magnetic resonance tomograms (MRT, MRI) of human heads will be presented.

Künstliche Neuronale Netzwerke zur Vorhersage der Hirnkontur

Die innerhalb der medizinische Bildverarbeitung zu analysierenden Muster erfordern in der Regel die Anwendung von sogenannten „High-Level“-Bildverarbeitungsoperatoren. Um trotzdem eine schnelle Verfugbarkeit gewahrleisten zu konnen, mus das Operationsgebiet („Region Of Interest“, ROI) der hoherwertigen Bildverarbeitungsalgorithmen geeignet eingeschrankt werden. Der Vorteil dieser Vorgehensweise liegt darin, das innerhalb des gefundenen Suchbereiches deuthch komplexere (zeitaufwendigere) Methoden eine anschhesende Segmentierungs-und Klassifikationsaufgabe auf einem stark reduzierten Datenmaterial durchfuhren konnen. Innerhalb dieses Beitrags wird sowohl der theoretische als auch der praktische Ansatz eines neuen -auf Neuronalen Netzwerken basierenden- Konzeptes zur Vorhersage der Hirnkontur auf MRT-Kopfdatensatzen beschrieben. Schliefilich werden anhand von Beispielen die Ergebnisse der Konturberechnung prasentiert.

IMAGE ANALYSIS BASED ON FUZZY KNOWLEDGE

Within this work a method for knowledge based fuzzy image segmentation, description and recognition is introduced. The basic idea comes from the field of automated medical MRI segmentation where the well-known standard methods have proven insufficient to solve the task. Therefore, a method especially for the problems concerning vagueness in medical imaging has been developed. Beside the central aspect of the improved segmentation procedures, the development has a general impact on the conventional model of image analysis, that includes object description and recognition.

Operatoren zur deskriptiven und modellbasierten un-scharfen Wissensbeschreibung in der medizinischen Bildverarbeitung

Der Bereich der medizinischen Bildverarbeitung gewinnt zunehmend an Bedeutung, insbesondere bedingt durch die fortschreitende Ent-wicklung moderner bildgebender Verfahren und der weiten Verfugbarkeit ent-sprechender Aufnahmegerate. Trotz wachsender Bildqualitat konnen die Bilddaten verschiedenste Arten von Unsicherheiten enthalten, die bei einer compu-ter-unterstutzten Auswertung geeignet berucksichtigt werden mussen. In diesem Beitrag wird der Umgang mit den in Bilddaten auftretenden Unsicherheiten behandelt. Berucksichtigung findet dabei unter anderem die sogenannte interindividuelle Variabilitat. Zur Segmentierung und Erkennung von Objekten trotz vorkommender Unsicherheiten werden neu entwickelte Losungsansatze vorgestellt und diskutiert.

New model for medical image analysis based on computational intelligence

Medical image data contain several types of uncertain or vague information. Therefore, the knowledge about the data is also vague. Consequently, for the segmentation and classification of the image data the use of vague knowledge should be allowed. Finally, the optimization of such systems dealing with vague information should also be done automatically. Using fuzzy descriptions for the segmentation and analysis of medical image data has provided better results than the exclusive use of standard methods. More often, structures can be segmented and classified more adequately. Applications have been developed to segment brain structures and tumors in MRI- data. By applying neural networks, good results for the step of image improvement (pre-processing) and determination of regions of interest (ROI) in image data were obtained. Even more the classification of structures with neural networks has shown also good results. The optimization of the knowledge base was done with evolution strategies. Therefore, the optimization time was reduced to a fraction of the time needed for a manual optimization.© (2000) COPYRIGHT SPIE--The International Society for Optical Engineering. Downloading of the abstract is permitted for personal use only.

Automatische Detektion und Auswertung von Verkalkungen der Koronararterien in EBCT- und Spiral-CT-Bilddaten

Vorgestellt wird ein Bildanalysesystem fur die Auswertung von EBCT- und Spiral-CT-Bilddaten des Herzens. Das System erlaubt die Verarbeitung von unscharfem und vagem Wissen, welches sich extern in einer vom medizinischen Experten pflegbaren Wissensbasis befindet. In dieser ist der anatomische Aufbau des Herzens mit bekannten Variabilitaten in einer Sprache beschrieben, die eine einfache Erweiterung und eine leichte Einarbeitung auch fur Nicht-Informatiker ermoglicht. Die Form umgangssprachlicher Beschreibungen erlaubt die unscharfe Modellierung des Expertenwissens. Fur die Wissensreprasentation werden Frames verwendet.

Ein Baukasten zur Analyse medizinischer Bilddaten mit Hilfe neuronaler Netze und Fuzzy-Logik

Fur die Aufgabe der Bildanalyse ist die Erfahrung und das Wissen eines Experten von hohem Stellenwert. Die Analyse medizinischer Bilddaten stellt zudem hohe Anforderungen an die eingesetzten Methoden, die eine betrachtlichen Grad an Variabilitat erlauben mussen. Die Vorgehensweise des Experten beruht auf Wissen, welches haufig nur in unscharfer Form beschreibbar ist. Auch ist teilweise die Beschreibung des Vorgehens nicht oder nur schwer verbal durchfuhrbar, jedoch konnen anhand von Beispielen die gewunschte Ergebnisse beschrieben werden.

19. Workshop "Interdisziplinäre Methoden in der Informatik"

CAMBIO system as one of the few available layout compaction systems for analog circuits has its inherent complexity in algorithm, system architecture and software structure. How to redesign this system to make it robust for the further development and maintenance will be discussed in this paper.

System for renal movement elimination and renal diagnosis supported by vague knowledge

For the analysis of renal function, sequences of 90 magnet resonance images of the abdominal region showing both kidneys are taken in intervals of two seconds after a contrast medium was applied. Respiration of the patients during the acquisition of the images leads to organ movements throughout the series. These displacements are corrected by using an extended cepstral technique. To minimize registration errors caused by inhomogeneous movements of organs and tissues during respiration, the cepstrum-relevant part of the images is limited to small regions of interest around both kidneys. Even organ movements of sub-pixel range can be detected. After correction, the kidneys are the same position throughout the sequence. The regions of interest marked in one image are projected to all other images. To archive diagnostic results, dynamic contrast medium evaluations for different tissues of the kidneys are computed with signal-intensity-time graphs. Using a-priori knowledge about parameters of the SIT-graph for a whole kidney and about organ shape and structure, pixels of the kidney-segment are divided into the three classes renal cortex, medulla and pelvis. As a result, precise graphs can be computed for each tissue. The evaluation of the system is in progress, time save is more than one hour per patient.