Karl-Heinrich Schmidt

Computer vision on magnetic resonance images

We present an approach for the automated interpretation of transaxial cranial magnetic resonance images. After a brief outline of our notation and basic assumptions, the overall design consisting of a neurological inference engine, a set of image processing operators and a configurating component for these operators is presented.

Knowledge Based Interpretation of Cranial MR Images

In this paper we report on a system for knowledge based interpretation of cranial MR images which has been set up within the framework of the European Community funded COVIRA project consortium [1]. The system combines an image-data-driven (bottom up) image segmentation based on fuzzy clustering with a model-driven (top down) interpretation approach which is based on fuzzy relational matching and fuzzy clique search. The application domain knowledge is represented in four knowledge sources which represent the available clinical and anatomical knowledge as well as knowledge about the (MR-) sensor and MR-specific tissue parameters. From these knowledge sources, a case model in the form of a semantic net is generated, containing knowledge relevant to the particular medical case under consideration.

Wissensbasierte Konfigurierung von Interpretationsoperatoren an Hand eines hierarchischen Szenenmodells

Ein moglicher Ansatz zur Interpretation von Bildern besteht aus der schrittweisen Extraktion von Substrukturen aus bereits interpretierten Strukturen. In [1] und [2] wird ein System zur Interpretation trans-axialer kranialer MR-Bilder beschrieben, dessen Konzept gerade auf dieser Vorgehensweise beruht.

Explikation medizinischer Beobachtungssprachen

Am Beispiel eines neurologischen Krankheitsbildes — der multiplen Sklerose — wird zunachst gezeigt, das die in der Medizin ausgebildete begriffliche Behandlung von Krankheitsherden (auf Bildern) des menschlichen Korpers ungeeignet ist fur die Realisation wissensbasierter Systeme in der Bildverarbeitung. — In einem zweiten Schritt wird dann skizziert, mit welchen Mitteln der Mathematik und Mustererkennung die diffuse Bildbeobachtungssprache der Medizin und damit ein Gutteil radiologischen Wissens einer Explikation, die nur metrische Begriffe verwendet, unterzogen werden kann.

Wissensbasierte Interpretation kranialer MR-Bilder

MR-Bilder sind Funktionen verschiedener Maschinenparameter und ortsabhangiger Gewebeparameter: Zu den Gewebeparametern zahlen unter anderen die Wasserstoffprotonendichte (Spindichte) rho, die Spin-Gitter-Relaxationszeit T1 und die Spin-Spin-Relaxationszeit T2; als Maschinenparameter werden Grosen wie die Repetitionszeit (TR) oder die Echozeit (TE) bezeichnet. So gilt fur das Signal einer Spin-Echo-Pulssequenz an jedem Bildpunkt naherungsweise