Advertisement

Wissensbasierte Bilddeutung in der Medizin am Beispiel des CYCLOPS-Systems

  • Dirk Krechel
  • Christian Pape
  • Michael M. Richter

Zusammenfassung

Die Bedeutung von Bildern und Bildsequenzen wird in einem Gegenstandsbereich ermittelt. Um dies vornehmen zu können, muß man wissen, wie diese Gegenstände „aussehen“, d. h. man muß beschreiben können, wie sich die Objekte bildhaft darstellen. Derartige Beschreibungen sind oft, vor allem in der Medizin, nicht exakt, weil man stets nur Eigenschaften von Klassen solcher Objekte beschreibt. Man bedient sich dabei der sogenannten höherwertigen Strukturen und nutzt aus, daß diese eben eben nicht formal exakt definiert sind. Im hier behandelten CYCLOPS-System wird folgerichtig vom Anspruch, alle Bilder vollautomatisch deuten zu wollen, abgegangen. CYCLOPS dient vielmehr als Assistenzsystem, das den Benutzer bei der Deutung von Bildern unterstützt. Insbesondere sollen bei einer großen Anzahl von Bildern möglichst viele uninteressante Bilder eliminiert werden und bei den Verbleibenden das Interesse des Benutzers auf gewisse, relevante Bildteile gelenkt werden. Damit wird eine vollautomatische Bilddeutung zwar nicht völlig aufgegeben, aber zunächst steht doch der Hilfecharakter im Vordergrund. Das CYCLOPS-Projekt kann als ein Ansatz verstanden werden, Bilddeutung in mathematisch nicht eindeutig beschreibbaren komplexen Domänen automatisch zu unterstützen. Der Assistenzcharakter des Systems ist hier ein wesentlicher Aspekt, weil er die adäquate Einbeziehung menschlicher Kompetenz erlaubt. Ein weiteres Merkmal ist die Kombination wissensbasierter, konnektionistischer und algorithmischer Methoden, wobei sich die Wissensinhalte auch auf die Algorithmen selbst beziehen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [Günter91]
    A. Günter: Verfahren zur Auflösung von Konfigurationskonflikten KI 1/1993Google Scholar
  2. [Hess98]
    F. Hess, D. Krechel, L. Nakashima, A. v.Wangenheim: Monte-Carlo based Reduction of Motion in Contrast Agent enhanced MR-Mammographies, submited to GMDS98.Google Scholar
  3. [Huwer95]
    S. Huwer, J. Rahmel, A. v.Wangenheim: Data-Driven Registration for Local Deformation. Pattern Recognition Letters. North Holland 1995.Google Scholar
  4. [Krechel98]
    D. Krechel, R. Comes, F. Hess, A. v.Wangenheim, K. Blasinger: Mammalyzer II: A decision support system for early detection of breast cancer, Bildv. für die Medizin Aachen 1998.Google Scholar
  5. [Pape98]
    C. Pape: Behandlung nicht erfüllter Erwartung in der Konfiguration von wissensbasierten Bildauswertungsprozessen, Diplomarbeit, FB Informatik, Universität Kaiserslautern 1998.Google Scholar
  6. [Paulokat95]
    J. Paulokat: Entscheidungsorientierte Rechtfertigungsverwaltung zur Unterstützung des Konfigurationsprozesses in IDAX.; XPS 95: Beiträge zur 3. Deutschen Expertensystemtagung infix, 1995.Google Scholar
  7. [Petrie91]
    C. Petrie: Planning and Replanning with Reason Maintenance. Dissertation University of Texas, Austin, TX, 1991.Google Scholar
  8. [Richter96]
    M. M. Richter: Neue Aufgaben beim Planen und Konfigurieren. In: Planen und Konfigurieren 96, ed. J. Sauer, A. Günter, J. Hertzberg, infix-Verlag 1996, S. 3-15.Google Scholar
  9. [Schmidt97]
    K. H. Schmidt: Wissensmedien für kognitive Agenten. Habilitationsschrift Bielefeld 1997.Google Scholar
  10. [v.Wangenh96]
    A. v.Wangenheim: Cyclops: Ein Konfigurationsansatz zur Integration hybrider Systeme am Beispiel der Bildauswertung, Dissertation, FB Informatik Universität Kaiserslautern 1996.Google Scholar

Copyright information

© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden 1999

Authors and Affiliations

  • Dirk Krechel
    • 1
  • Christian Pape
    • 1
  • Michael M. Richter
    • 1
  1. 1.Künstliche Intelligenz — ExpertensystemeUniversität KaiserslauternDeutschland

Personalised recommendations