-
Der
nachfolgende Text ist die deutsche Übersetzung der internationalen
Patentanmeldung PCT/EP2003/012336 (WO 2004/049185).
-
Unterstützung der
Auswertung eines Bildes von einem Auge
-
Die
Erfindung betrifft Verfahren und Systeme zur Unterstützung der
Auswertung eines Bildes eines Auges.
-
Gemäß der Website
des Nationalen Screening-Komitees (National Screening Committee, NSC)
von Großbritannien
(http://www.diabetic-retinopathy.screening.nhs.uk) ist von ungefähr 2 % der
Bevölkerung
Großbritanniens
bekannt, dass sie an Diabetes leiden, von denen 200.000 Diabetes
Typ 1 haben und mehr als eine Million Diabetes Typ 2 haben. Es ist
zu erwarten, dass diese Anzahl zunehmen wird. Es wurde geschätzt, dass
sich die Häufigkeit von
Diabetes Typ 2 in Großbritannien
von 1997 bis 2010 mehr als verdoppeln wird.
-
Eine
Komplikation bei Diabetikern ist die diabetische Retinopathie, die
sich auf die Blutgefäße der Retina
auswirken kann. Das. Wachstum neuer Blutgefäße, das als proliferative Retinopathie
bekannt ist, kann zur Erblindung durch Hämorrhagie und Narbenbildung
führen.
Ein Zerfall von retinalen Blutgefäßen, der einen Verlust von
Blutgefäßen und
ein Ausfließen in
die Retina verursacht, ist als Makulopathie bekannt, führt zu einer
Beeinträchtigung
des Sehvermögens
und kann bis zur Erblindung fortschreiten.
-
Diabetische
Retinopathie ist in Großbritannien
die häufigste
Einzelursache von registrierter Blindheit bei Personen im arbeitsfähigen Alter.
Eine wesentlich größere Zahl
leidet an Beeinträchtigung des
Sehvermögens
und Behinderung infolge der Auswirkungen von diabetischer Retinopathie.
Blindheit kann den Verlust der Erwerbsfähigkeit bei Personen im arbeitsfähigen Alter
zur Folge haben, und die erforderliche soziale Unterstützung ist
erheblich, wobei sie potentiell die Kosten von Vorbeugung und Behandlung übersteigt.
Diabetische Retinopathie kann zum Beispiel durch strenge glykämische Kontrolle und
strenge Kontrolle des Blutdrucks behandelt werden. Beide Behandlungsarten
bremsen die Entwicklung und das Fortschreiten von diabetischer Retinopathie
bei Diabetes Typ 1 und Typ 2. Um behandelt werden zu können, muss
diabetische Retinopathie möglichst
frühzeitig
diagnostiziert werden.
-
Folglich
ist die Notwendigkeit unstrittig, ein Screening zur Erkennung von
diabetischer Retinopathie durchzuführen. Für das Screening werden Bilder der
Augen einer Gruppe von Personen, bei denen Diabetes diagnostiziert
worden ist, angefertigt und anschließend ausgewertet. Die Bilder
können
von einem Auswerter ausgewertet werden, der ein Augenarzt, ein allgemeiner
praktischer Arzt oder auch eine Person ohne oder mit nur geringen
medizinischen Kenntnissen sein kann. Der Auswerter wertet das Bild
des Auges aus, indem er nach typischen Mustern sucht, die mit auf
Diabetes zurückzuführenden spezifischen
Komplikationen zusammenhängen.
-
Eine
Aufgabe der vorliegenden Erfindung ist es, Verfahren bereitzustellen,
welche die Auswertung des Bildes eines Auges eines Patienten unterstützen.
-
Eine
weitere Aufgabe der vorliegenden Erfindung ist es, ein System bereitzustellen,
das die Auswertung des Bildes eines Auges eines Patienten unterstützt.
-
Die
erste Aufgabe wird gemäß der Erfindung durch
ein Verfahren zur Unterstützung
der Auswertung eines Bildes eines Auges erreicht, das die folgenden
Schritte umfasst: Anzeigen eines Bildes eines Auges eines Patienten
auf einem Bildschirm, Bestimmen einer Reihe von Regions of Interest
(Gebiete von Interesse) in dem Bild und anschließendes Markieren jeder Region
of Interest in dem Bild. Die Reihe von Regions of Interest ist an
eine Person angepasst, die aus der Gruppe von Personen gewählt ist,
welche die Reihe von Gebieten in dem Bild auswerten.
-
Entsprechend
dem erfindungsgemäßen Verfahren
wird das Bild des Auges des Patienten ausgewertet. Das Bild kann
während
eines Screenings einer Vielzahl von Patienten aufgenommen werden, bei
denen Diabetes diagnostiziert worden ist. Das Bild wird insbesondere
von der Retina des Patienten aufgenommen. Patienten mit Diabetes
neigen dazu, gewisse mit dem Auge zusammenhängende Anomalien zu entwickeln,
so genannte Läsionen,
oder Krankheiten, die zur Erblindung führen können. Zu diesen mit dem Auge
zusammenhängenden
Läsionen
oder Krankheiten gehören
Mikroaneurysmen, Hintergrund-/nicht proliferative (milde/moderate)
Retinopathie, ruhende Retinopathie nach Behandlung, Makulopathie,
klinisch signifikantes Makulaödem (CSMO),
prä-proliferative
Retinopathie, proliferative Retinopathie und fortgeschrittene diabetische
Augenkrankheit. Um für
einen Patienten mit wenigstens einer der mit dem Auge und mit Diabetes
zusammenhängenden
Augenkrankheiten eine Diagnose zu stellen, wertet ein Arzt oder
eine geschulte Person mit einer geringen oder ohne eine medizinische
Ausbildung, kurz gesprochen ein so genannter Auswerter, ein Bild
des Auges des Patienten aus und sucht nach Mustern, die für die betreffende
Augenkrankheit spezifisch sind. Wenn zum Beispiel der Patient eine Hintergrund-/nicht
proliferative Retinopathie hat, kann das Auge des Patienten so genannte
Cotton-Wool-Flecken (Baumwollflecken), Hämorrhagien und/oder harte Exsudate
aufweisen, wobei zusätzlich deren
Position relativ zur temporalen Arkade (Schläfenbogen) für das jeweilige Auge von Bedeutung
ist. Für
die Diagnose können
bestimmte Auswerter oder Ärzte
anschließend
bestimmte Gebiete des Auges untersuchen, so genannte Regions of
Interest. Somit ist entsprechend dem erfindungsgemäßen Verfahren die
Reihe von Regions of Interest an die Person angepasst, welche das
Bild auswertet.
-
Um
die Reihe von Regions of Interest zu bestimmen, wird die Reihe während eines
Lernmodus gemäß einer
weiteren Ausführungsform
der Erfindung bestimmt.
-
Bei
einer weiteren Ausführungsform
des erfindungsgemäßen Verfahrens
kann wenigstens eine der Regions of Interest aus der Reihe von Regions
of Interest von einem Rahmen umgeben sein.
-
Bei
einer bevorzugten Ausführungsform
des erfindungsgemäßen Verfahrens
wird wenigstens eine relevante Region of Interest bestimmt, indem
ein Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen
ausgewählt
wird, der ausgewählte
Bildverarbeitungsalgorithmus auf das Bild angewendet wird und ein
erkanntes Muster als die relevante Region of Interest markiert wird.
Der ausgewählte
Bildverarbeitungsalgorithmus ist dazu vorgesehen, ein Muster zu
erkennen, das mit der besagten wenigstens einen Region of Interest
verknüpft ist.
-
Das
erkannte Muster kann gemäß einer
Ausführungsform
des erfindungsgemäßen Verfahrens hervorgehoben
werden.
-
Die
erste Aufgabe wird entsprechend der Erfindung außerdem durch ein Verfahren
zur Unterstützung
der Auswertung eines Bildes eines Auges gelöst, das die folgenden Schritte
umfasst: Anzeigen eines Bildes eines Auges eines Patienten und Auswählen eines
Bildverarbeitungsalgorithmus aus einer Anzahl von Bildverarbeitungsalgorithmen
auf der Basis einer vorläufigen
Diagnose, die aus einer Anzahl von Diagnosen gewählt ist, die mit Diabetes zusammenhängen, Anwenden
des ausgewählten
Bildverarbeitungsalgorithmus auf das Bild und Markieren eines Musters,
das durch den ausgewählten
Bildverarbeitungsalgorithmus in dem Bild erkannt wird. Jeder Bildverarbeitungsalgorithmus
aus der Anzahl von Bildverarbeitungsalgorithmen ist mit einer Diagnose aus
der Anzahl von Diagnosen verknüpft
und ist dazu vorgesehen, nach einem Muster zu suchen, das für die jeweilige
Diagnose spezifisch ist.
-
Manche Ärzte oder
Auswerter ziehen es möglicherweise
vor, zuerst eine vorläufige
Diagnose zu stellen und anschließend die vorläufige Diagnose durch
Suchen nach den zugehörigen
Läsionen
im Bild zu überprüfen. Jede
Läsion
hat ein spezifisches Muster. Folglich wird, wenn der Arzt oder Auswerter ein
Muster findet, das mit der betreffenden Läsion verknüpft ist, die vorläufige Diagnose
bestätigt.
Wenn die vorläufige
Diagnose zum Beispiel "Hintergrund-/nicht
proliferative Retinopathie" lautet,
dann zeigt das Bild Cotton-Wool-Flecken, Hämorrhagien und/oder harte Exsudate
sowie deren Position relativ zur temporalen Arkade für das jeweilige
Auge.
-
Wenn
die vorläufige
Diagnose zum Beispiel "Hintergrund-/nicht
proliferative Retinopathie" lautet, ist
der ausgewählte
Bildverarbeitungsalgorithmus dazu vorgesehen, Muster zu erkennen,
die für
Cotton-Wool-Flecken, Hämorrhagien
und/oder harte Exsudate sowie deren Position relativ zur temporalen Arkade
für das
jeweilige Auge typisch sind. Geeignete Bildverarbeitungsalgorithmen
werden zum Beispiel in G. Zahlmann et al., "Hybrid Fuzzy Image Processing For Situation
Assessment" (Hybride Fuzzy-Bildverarbeitung
für Situationsbeurteilung), IEEE
Engineering In Medicine And Biology, Januar/Februar 2000, Seiten
76–83,
beschrieben.
-
Das
erkannte Muster kann entsprechend bevorzugten Ausführungsformen
des erfindungsgemäßen Verfahrens
hervorgehoben oder von einem Rahmen umgeben werden.
-
Die
zweite Aufgabe wird entsprechend der Erfindung durch ein System
gelöst,
das eine Datenbank, einen Bildschirm und eine Datenverarbeitungseinheit
aufweist, die mit dem Bildschirm und der Datenbank auf eine wirksame
Weise gekoppelt ist. Die Datenbank enthält eine Anzahl von Bildern
der Augen einer Anzahl von Patienten, bei denen Diabetes diagnostiziert
worden ist. Die Datenverarbeitungseinheit ist so konfiguriert, dass
sie ein Bild abruft, das aus der Anzahl der Bilder aus der Datenbank
gewählt ist,
das abgerufene Bild auf dem Bildschirm anzeigt, eine Reihe von Regions
of Interest in dem abgerufenen Bild bestimmt und anschließend jede
Region of Interest aus der Reihe von Regions of Interest in dem Bild
markiert. Die Reihe von Regions of Interest ist an eine Person angepasst,
die aus einer Gruppe von Personen gewählt ist, die Bilder in der
Anzahl von Bildern auswerten.
-
Die
zweite Aufgabe wird entsprechend der Erfindung außerdem durch
ein System gelöst,
das eine Datenbank, einen Bildschirm und eine Datenverarbeitungseinheit
aufweist, die mit dem Bildschirm und der Datenbank auf eine wirksame
Weise gekoppelt ist. Die Datenbank enthält eine Anzahl von Bildern
der Augen einer Anzahl von Patienten, bei denen Diabetes diagnostiziert
worden ist. Die Datenverarbeitungseinheit ist so konfiguriert, dass
sie ein Bild abruft, das aus der Anzahl der Bilder aus der Datenbank
gewählt
ist, das abgerufene Bild auf dem Bildschirm anzeigt, einen Bildverarbeitungsalgorithmus aus
einer Anzahl von Bildverarbeitungsalgorithmen auswählt, den
ausgewählten
Bildverarbeitungsalgorithmus auf das Bild anwendet und ein erkanntes Muster
in dem abgerufenen Bild markiert. Der ausgewählte Bildverarbeitungsalgorithmus
ist dazu vorgesehen, ein Muster zu erkennen, das mit einer vorläufigen Diagnose
verknüpft
ist, die aus einer Anzahl von Diagnosen gewählt ist.
-
Das
erfindungsgemäße Verfahren
und das erfindungsgemäße System
werden beispielhaft durch die beigefügten schematischen Abbildungen beschrieben.
-
1 zeigt
ein Szenarium, das die Erfindung veranschaulicht.
-
2 zeigt
ein Bild eines Auges eines Patienten.
-
3 bis 5 zeigen
Bilder, deren Anzeigen an verschiedene Personen angepasst sind.
-
1 zeigt
ein Beispiel des erfindungsgemäßen Systems.
Das System umfasst Computer 1 bis 3, die über ein
Informationsnetz 5 auf eine wirksame Weise mit einer Datenbank 4 verbunden
sind. Die Datenbank 4 enthält Bilder 9, die von
den Augen (Retinae) einer Gruppe von Patienten 10 aufgenommen wurden.
Bei jedem Patienten aus der Gruppe von Patienten 10 wurde
Diabetes diagnostiziert.
-
Bei
der vorliegenden Ausführungsform
werten Auswerter 6 bis 8 mit Hilfe der Computer 1 bis 3 die
Bilder 9 aus. Wenn einer der Auswerter 6 bis 8 eines
der Bilder 9 auswerten möchte, meldet er sich bei einem
der Computer 1 bis 3 an und ruft mit dem betreffenden
Computer eines der Bilder 9 aus der Datenbank 4 ab.
Wenn das betreffende Bild abgerufen worden ist, wird es auf einem
Bildschirm angezeigt, der an den betreffenden Computer angeschlossen ist.
Um ein Bild aus der Datenbank 4 abzurufen, sind die Datenbank 4 und
die Computer 1 bis 3 entsprechend konfiguriert.
Solche Konfigurationen sind in der Technik wohlbekannt und müssen daher
nicht näher
erläutert
werden.
-
2 zeigt
ein Beispiel eines der Bilder 9, das aus der Datenbank 4 abgerufen
worden ist und auf einem der Bildschirme 1a bis 3a angezeigt
wird. Das angezeigte Bild ist mit einem Bezugszeichen 24 versehen.
Um die Auswertung eines angezeigten Bildes zu dokumentieren, werden
eine Liste 20, die verschiedene Pull-Down-Menüs 20a bis 20n umfasst, und
eine Liste 21, die verschiedene Optionsfelder 21a bis 21j umfasst,
zusätzlich
zum Bild 24 auf dem betreffenden Bildschirm des vorliegenden
Beispiels angezeigt. Jedes Pull-Down-Menü der Liste 20 ist
mit einer spezifischen Läsion
verknüpft,
die in einem Auge erscheinen kann. Bei der vorliegenden Ausführungsform
dokumentiert der betreffende Auswerter ein Mikroaneurysma (MA) mit
dem Pull-Down-Menü 20a,
Hämorrhagien
(HAEM) mit dem Pull-Down-Menü 20b,
harte Exsudate (HE) mit dem Pull-Down-Menü 20c, Cotton-Wool-Flecken
(CWS) mit dem Pull-Down-Menü 20d,
intraretinale mikrovaskuläre Anomalien
(IRMA) mit dem Pull- Down-Menü 20e,
venöse
Anomalien mit dem Pull-Down-Menü 20f,
eine Neovaskularisation auf der optischen Scheibe (NVD) mit dem
Pull-Down-Menü 20g,
eine Neovaskularisation an einem anderen Ort (NVE) mit dem Pull-Down-Menü 20h,
ein Fasergewebe auf der optischen Scheibe (FTD) mit dem Pull-Down-Menü 20i, ein
Fasergewebe an einem anderen Ort (FTE) mit dem Pull-Down-Menü 20j,
präretinale
Hämorrhagien (PRH)
mit dem Pull-Down-Menü 20k,
vitröse
(glasartige) Hämorrhagien
(VH) mit dem Pull-Down-Menü 20l,
eine retinale Traktion mit dem Pull-Down-Menü 20m und eine Retinaablösung mit
dem Pull-Down-Menü 20n.
-
Manche
Auswerter bevorzugen es, ein Bild entsprechend einer vorläufigen Diagnose
auszuwerten. Der betreffende Auswerter kann die vorläufige Diagnose
stellen, indem er einen kurzen Blick auf ein angezeigtes Bild wirft,
oder die vorläufige
Diagnose kann vor dem Abrufen des betreffenden Bildes von einer
anderen Person gestellt werden. Während der Auswertung versucht
der betreffende Auswerter, die vorläufige Diagnose zu überprüfen, indem
er in dem betreffenden Bild nach den entsprechenden Läsionen sucht.
Um diesen Auswerter zu unterstützen, wird
im vorliegenden Beispiel die Liste 21 angezeigt. Mit Hilfe
der Optionsfelder 21a bis 21j kann der Auswerter
eine vorläufige
Diagnose stellen, die aus einer Gruppe von vorläufigen Diagnosen gewählt ist.
Stattdessen kann eine vorläufige
Diagnose auch bereits vor dem Abrufen des betreffenden Bildes aus
der Datenbank 4 gewählt
werden. Eine vorläufige
Diagnose kann gewählt
werden, indem das Optionsfeld 21a und eines der Optionsfelder 21c bis 21j aktiviert
werden. Im vorliegenden Beispiel umfasst die Gruppe der vorläufigen Diagnosen "Mikroaneurysmen" (MA), "Hintergrund-/nicht
proliferative (milde/moderate) Retinopathie" (BR), "ruhende Retinopathie nach Behandlung" (PQ), "Makulopathie" (MC), "klinisch signifikantes
Makulaödem" (CSMO), "prä-proliferative Retinopathie" (PRE), "proliferative Retinopathie" (PRO) und "fortgeschrittene
diabetische Augenkrankheit" (AED).
Demzufolge wird die vorläufige
Diagnose "Mikroaneurysmen" (MA) gewählt, indem
das Optionsfeld 21c aktiviert wird, die vorläufige Diagnose "Hintergrund-/nicht
proliferative (milde/moderate) Retinopathie" (BR) wird gewählt, indem das Optionsfeld 21d aktiviert
wird, die vorläufige
Diagnose "ruhende Retinopathie
nach Behandlung" (PQ)
wird gewählt, indem
das Optionsfeld 21e aktiviert wird, die vorläufige Diagnose "Makulopathie" (MC) wird gewählt, indem
das Optionsfeld 21f aktiviert wird, die vorläufige Diagnose "klinisch signifikantes
Makulaödem" (CSMO) wird gewählt, indem
das Optionsfeld 21g aktiviert wird, die vorläufige Diagnose "prä-proliferative Retinopathie" (PRE) wird gewählt, indem
das Optionsfeld 21h aktiviert wird, die vorläufige Diagnose "proliferative Retinopathie" (PRO) wird gewählt, indem
das Optionsfeld 21i aktiviert wird, und die vorläufige Diagnose "fortgeschrittene
diabetische Augenkrankheit" (AED)
wird gewählt,
indem das Optionsfeld 21j aktiviert wird. Wenn ein Auswerter
ein Bild nicht auf der Basis einer vorläufigen Diagnose auswerten möchte, so
kann er die Liste 21 deaktivieren, indem er das Optionsfeld 21b aktiviert.
Ein Optionsfeld kann mit einer Maus 1b aktiviert werden,
die an den Computer 1 angeschlossen ist, mit einer Maus 2b,
die an den Computer 2 angeschlossen ist, und mit einer
Maus 3b, die an den Computer 3 angeschlossen ist.
-
Manche
Auswerter bevorzugen es, ein angezeigtes Bild auszuwerten, indem
sie anschließend nach
Läsionen
in verschiedenen Regionen des Auges suchen. Zum Beispiel bevorzugen
es manche Auswerter, zuerst die Makula und dann die Peripherie der
Scheibe des Auges auszuwerten. Der betreffende Auswerter kann die
betreffende Region des angezeigten Auges markieren, indem er um
sie zum Beispiel mit Hilfe der Maus, die an den betreffenden Computer
angeschlossen ist, einen Rahmen zieht und danach die markierte Region
vergrößert.
-
Um
der persönlichen
Präferenz
des jeweiligen Auswerters 6 bis 8 Rechnung zu
tragen, sind die Computer 1 bis 3 so konfiguriert,
dass sie jeden Auswerter bei seiner Auswertung individuell unterstützen. Im
vorliegenden Beispiel sind die Computer 1 bis 3 so
konfiguriert, dass sie die individuellen Angewohnheiten der Auswerter 6 bis 8 während eines Lernmodus
lernen.
-
Bei
der vorliegenden Ausführungsform
zieht der Auswerter 6 es vor, ein angezeigtes Bild auf
Basis einer vorläufigen
Diagnose auszuwerten. Wenn er sich an einem der Computer 1 bis 3 während des Lernmodus
anmeldet und mit dem Computer, an dem er angemeldet ist, eines der
Bilder 9 aus der Datenbank 4 abruft, aktiviert
er also das Optionsfeld 21a der Liste 21 und wählt eine
der vorläufigen
Diagnosen aus. Da der Auswerter 6 gewöhnlich die Liste 21 der
Gruppe von vorläufigen
Diagnosen aktiviert, lernen die Computer 1 bis 3 diese
Gewohnheit während des
Lernmodus. Infolgedessen ist die Liste 21 von vorläufigen Diagnosen
bereits aktiviert, wenn der Auswerter 6 während eines
Betriebsmodus ein Bild aus der Datenbank 4 abruft.
-
Bei
der vorliegenden Ausführungsform
zieht der Auswerter 7 es vor, die Liste 21 von
vorläufigen Diagnosen
zu deaktivieren und ein abgerufenes Bild auszuwerten, indem er zuerst
die Makula und danach die Peripherie-Scheibe des angezeigten Auges
auswertet. Während
des Lernmodus deaktiviert er daher anschließend die Liste 21 von
vorläufigen
Diagnosen, markiert die Makula des angezeigten Auges, indem er um
die betreffende Region einen Rahmen zieht, vergrößert die markierte Region,
wertet die Makula aus, verkleinert die markierte Region und markiert
die Peripherie-Scheibe des angezeigten Auges. Die Computer 1 bis 3 lernen
diese Gewohnheit während
des Lernmodus. Während
des Betriebsmodus deaktiviert der betreffende Computer automatisch
die Liste 21 von vorläufigen
Diagnosen, markiert die Makula des angezeigten Auges und vergrößert die
markierte Makula, wenn der Auswerter 7 eines der Bilder 9 aus
der Datenbank 4 abruft. Wenn der Auswerter 7 die
markierte Makula verkleinert, markiert der betreffende Computer
die Peripherie-Scheibe des angezeigten Auges.
-
Bei
der vorliegenden beispielhaften Ausführungsform zieht der Auswerter 8 es
vor, ein Bild auf der Basis einer vorläufigen Diagnose auszuwerten und
anschließend
in verschiedenen Regionen des Auges nach Läsionen zu suchen. Die Computer 1 bis 3 lernen
die Gewohnheit des Auswerters 8 während des Lernmodus. Während des
Betriebsmodus aktiviert der betreffende Computer automatisch die
Liste 21 der Gruppe von vorläufigen Diagnosen und markiert
Regionen eines angezeigten Auges entsprechend der Präferenz des
Auswerters 8, sobald dieser ein Bild aus der Datenbank 4 abruft.
-
Im
vorliegenden Beispiel ist der Auswerter 6 während des
Betriebsmodus am Computer 1 angemeldet. Wenn er das Bild 24 aus
der Datenbank 4 abruft, wird das Bild 24 auf dem
Bildschirm 1a angezeigt, und das Optionsfeld 21a der
Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch
aktiviert, wie es in 3 dargestellt ist. Danach stellt der
Auswerter 6 eine vorläufige
Diagnose "Hintergrund-/nicht proliferative
(milde/moderate) Retinopathie" (BR)
und aktiviert das Optionsfeld 21d.
-
Um
die gewählte
vorläufige
Diagnose "Hintergrund-/nicht
proliferative (milde/moderate) Retinopathie" (BR) zu bestätigen, muss das Auge des angezeigten
Bildes 24 wenigstens eine der Läsionen Hämorrhagien (HAEM), harte Exsudate
(HE) und Cotton-Wool-Flecken (CWS) aufweisen. Um die Auswerter 6 bis 8 zusätzlich zu
unterstützen,
ist im vorliegenden Beispiel jeder der Computer 1 bis 3 mit
einer Gruppe von Bildverarbeitungsalgorithmen konfiguriert. Jeder
Bildverarbeitungsalgorithmus ist dazu vorgesehen, Muster zu erkennen,
die mit einer Läsion
verknüpft
sind, die im Auge auftreten kann. Beispiele solcher Muster sind
fusselige weiße
Flecken im Auge, die auf Cotton-Wool-Flecken (CWS) hinweisen, und
dunkle Flecken einschließende
dunkle Linien, die auf an der Oberfläche befindliche intraretinale Hämorrhagien
hinweisen. Geeignete Bildverarbeitungsalgorithmen sind Mustererkennungs-Algorithmen, die
in der Technik allgemein bekannt sind. Ein Beispiel eines solchen
Bildverarbeitungsalgorithmus wird beschrieben in G. Zahlmann et
al., "Hybrid Fuzzy
Image Processing For Situation Assessment" (Hybride Fuzzy-Bildverarbeitung für Situationsbeurteilung), IEEE
Engineering In Medicine And Biology, Januar/Februar 2000, Seiten
76–83.
-
Bei
der vorliegenden beispielhaften Ausführungsform aktiviert der Computer 1 automatisch
diejenigen Bildverarbeitungsalgorithmen, die dazu vorgesehen sind,
Muster zu erkennen, die für
Hämorrhagien
(HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch
sind, und wendet den Bildverarbeitungsalgorithmus auf das angezeigte
Bild 24 an, nachdem der Auswerter 6 durch Aktivieren
des Optionsfeldes 21d die vorläufige Diagnose "Hintergrund-/nicht
proliferative (milde/moderate) Retinopathie" (BR) ausgewählt hat. Im vorliegenden Beispiel
erkennen die Bildverarbeitungsalgorithmen im Bild 24 einen
fusseligen weissen Fleck und dunkle Flecken einschliessende dunkle
Linien. Der fusselige weiße
Fleck wird bei der vorliegenden Ausführungsform automatisch mit
einem Rechteck 31 umgeben, und die dunkle Flecken einschließenden dunklen
Linien werden automatisch durch Pfeile 32 markiert. Erkannte
Muster können
zum Beispiel auch gefärbt werden.
-
Im
vorliegenden Beispiel ist der Auswerter 7 während des
Betriebsmodus am Computer 2 angemeldet. Wenn er das Bild 24 aus
der Datenbank 4 abruft, wird das Bild 24 auf dem
Bildschirm 2a angezeigt, und das Optionsfeld 21b der
Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch
aktiviert, um die Liste 21 zu deaktivieren, wie es in 4 dargestellt
ist. Da der Auswerter 7 es vorzieht, zuerst die Makula
eines angezeigten Auges auszuwerten, startet der Computer 2 einen
weiteren Bildverarbeitungsalgorithmus, der in jedem der Computer 1 bis 3 gespeichert
ist. Dieser Bildverarbeitungsalgorithmus ist dazu vorgesehen, die
Makula eines angezeigten Auges zu erkennen, indem er nach Mustern
sucht, die für
eine angezeigte Makula spezifisch sind. Nachdem der Bildverarbeitungsalgorithmus
die Makula in dem angezeigten Bild 24 erkannt hat, umgibt
der Computer 2 die betreffende Region im Bild 24 automatisch
mit einem Rechteck 41 und vergrößert die markierte Region.
Nachdem der Auswerter 7 die Makula ausgewertet hat und
seine Auswertung unter Verwendung der Pull-Down-Menüs 20a bis 20n der Liste 20 dokumentiert
hat, wird die markierte Region der Makula automatisch verkleinert
und aus dem Bild 24 entfernt. Anschließend startet der Computer 2 einen
weiteren Bildverarbeitungsalgorithmus, der nach einem Muster sucht,
das mit der optischen Scheibe eines Auges verknüpft ist. Nach der Erkennung
dieses Musters markiert der Computer 2 automatisch die
entsprechende Region 42.
-
Im
vorliegenden Beispiel ist der Auswertet 8 während des
Betriebsmodus am Computer 3 angemeldet. Wenn er das Bild 24 aus
der Datenbank 4 abruft, wird das Bild 24 auf dem
Bildschirm 3a angezeigt, und das Optionsfeld 21a der
Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch
aktiviert, wie es in 5 dargestellt ist. Danach stellt der
Auswertet 8 die vorläufige
Diagnose "Hintergrund-/nicht proliferative
(milde/moderate) Retinopathie" (BR)
und aktiviert das Optionsfeld 21d.
-
Da
der Auswertet 8 es vorzieht, zuerst die Makula eines angezeigten
Auges auszuwerten, startet der Computer 3 den Bildverarbeitungsalgorithmus,
der die Makula eines angezeigten Auges erkennt. Nachdem der Bildverarbeitungsalgorithmus die
Makula in dem angezeigten Bild 24 erkannt hat, umgibt der
Computer 3 die betreffende Region im Bild 24 automatisch
mit einem Rechteck 51 und vergrößert die markierte Region.
Danach aktiviert der Computer 3 automatisch diejenigen
Bildverarbeitungsalgorithmen, die dazu vorgesehen sind, Muster zu
erkennen, die für
Hämorrhagien
(HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch
sind, und wendet die Bildverarbeitungsalgorithmen auf die vergrößerte Region
des angezeigten Bildes 24 an. Im vorliegenden Beispiel
erkennen die Bildverarbeitungsalgorithmen einen dunklen Fleck, der
auf Hämorrhagien
(HAEM) hinweist. Das erkannte Muster wird im vorliegenden Beispiel
gefärbt.
-
Nach
der Auswertung der Makula wird die Region, welche die Makula umfasst,
verkleinert und aus dem Bild 24 entfernt. Anschließend werden
die Bildverarbeitungsalgorithmen, die dazu vorgesehen sind, Muster
zu erkennen, die für
Hämorrhagien
(HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch
sind, auf das restliche Bild 24 angewendet, und die erkannten
Muster werden hervorgehoben.
-
Obwohl
von Fachleuten Modifikationen und Änderungen vorgeschlagen werden
können,
ist es die Absicht der Erfinder, in das hier angemeldete Patent
alle Änderungen
und Modifikationen mit einzubeziehen, die vernünftiger- und gerechtfertigterweise als
im Umfang ihres Beitrages zur Technik mit enthalten anzusehen sind.
-
Zusammenfassung
-
In
einem Verfahren und einem System zum Unterstützen der Auswertung eines Bildes
von einem Auge eines Patienten wird das Bild auf einem Bildschirm
angezeigt. Ein Bildverarbeitungsalgorithmus wird aus einer Vielzahl
von Bildverarbeitungsalgorithmen in Abhängigkeit von einer vorläufigen Diagnose, die
aus einer Vielzahl von auf Diabetes bezogene Diagnosen ausgewählt wurde,
ausgewählt.
Jeder Bildverarbeitungsalgorithmus der Anzahl von Bildverarbeitungsalgorithmen
ist mit einer Diagnose der Anzahl von Diagnosen verknüpft und
ist gestaltet, um ein Muster zu suchen, das mit der entsprechenden Diagnose
einhergeht. Der ausgewählte
Bildverarbeitungsalgorithmus wird dann auf das Bild angewendet und
ein von dem ausgewählten
Bildverarbeitungsalgorithmus erkanntes Muster wird auf dem Bildschirm in
dem Bild markiert.