Medische beeldvorming is een van de snelst groeiende gebieden in de gezondheidszorg. In de afgelopen decennia is het geëvolueerd met meerdere beeldvormingsmodaliteiten, waaronder CT-scans, MRI's, echografie en nucleaire geneeskunde, om er maar een paar te noemen. Naast de vooruitgang in de hardware en apparaten die worden gebruikt om medische beelden te genereren, is er enorme vooruitgang geboekt met de verschillende soorten software die deze afbeeldingen verwerken.
De introductie van de DICOM-standaard (Digital Imaging and Communications in Medicine) heeft ertoe bijgedragen dat de kwaliteit van medische beelden op een hoog niveau wordt gehandhaafd. Het verkrijgen, opslaan, ophalen en delen van medische beelden kan alleen in het DICOM-formaat worden gedaan. Elk ziekenhuis heeft een speciaal DICOM-werkstation nodig. Met de komst van PACS (Picture Archiving and Communications System), een virtuele opslagplaats voor digitale DICOM-beelden, is het opslaan en ophalen van dergelijke afbeeldingen gestroomlijnd.
De markt wordt overspoeld met verschillende soorten medische beeldvormingssoftware voor het bekijken van DICOM-afbeeldingen. Dit omvat gratis medische beeldvormingssoftware en premium software die mogelijk geavanceerdere functies biedt. Terwijl radiologen gewend raken aan de nieuwste medische beeldvormingssoftware voor het bekijken en opslaan van afbeeldingen, richten fabrikanten hun aandacht op andere gebieden van de beeldvormingsworkflow, identificeren ze problemen die moeten worden opgelost en kijken of ze innovatieve oplossingen voor hetzelfde kunnen bedenken. In dit artikel bespreken we de verschillende soorten medische beeldvormingssoftware die zijn ontworpen om meer te doen dan alleen medische beelden van DICOM bekijken.
Alle software die gegevens kan 'analyseren' die worden verkregen uit medische beelden, wordt medische beeldanalysesoftware genoemd. Analyse kan de vorm aannemen van het helpen van de diagnose, het vergelijken van beelden tussen patiënten of binnen dezelfde patiënt op verschillende tijdstippen om de voortgang van de ziekte te beoordelen en de prognose te evalueren. In combinatie met de verbetering van de beeldvormingstechnologie worden grote vooruitgang geboekt met betrekking tot het analytische vermogen van medische beeldvormingssoftware, in de poging om software te maken die in staat is om klinische anomalieën in medische beelden onafhankelijk te detecteren.
Analyse is meestal een cognitieve functie die wordt uitgevoerd door de radioloog of arts die het medische beeld bekijkt. Met de vooruitgang in de gezondheidszorg is het aantal scans dat voor patiënten wordt aangevraagd enorm gestegen. De resultaten van medische scans zijn tegenwoordig in meer detail en in meerdere secties beschikbaar, wat leidt tot een groter aantal beelden die moeten worden onderzocht. Interpretatie van zoveel beelden door een radioloog vereist niet alleen een enorme vaardigheid, het is ook tijdrovend en vermoeiend. Hoewel de werkdruk voor radiologen in de loop der jaren is toegenomen, heeft de groei van het aantal getrainde radiologen slechts de helft van de toename van de werkdruk weerspiegeld. Het resultaat is een acuut tekort aan menselijke hulpbronnen in de context van de werkdruk op radiologie. Een voorgestelde oplossing voor dit probleem is het gebruik van machines om medische beelden te interpreteren en anomalieën op te sporen.
Medische beeldanalysesoftware maakt gebruik van deep learning-algoritmen om afbeeldingen te lezen en te evalueren. Het is in staat honderden afbeeldingen tegelijk te doorzoeken en kan daarom grote werklasten aan. Het kan worden getraind om beelden te 'markeren' met verdachte bevindingen, wat processen voor radiologen kan versnellen in de zin dat ze niet alle beelden hoeven te doorlopen en zich gewoon hoeven te concentreren op de beelden die zijn gemarkeerd.
Aidoc: Aidoc, een in Tel Aviv gevestigd bedrijf, heeft medische beeldanalysesoftware ontwikkeld die diagnostische ondersteuning biedt voor CT-scans van het hele lichaam. De applicatie analyseert CT-scans van het hoofd, de nek, de borst en de buik en kan visuele afwijkingen op hoog niveau detecteren. Eén casestudy uitgevoerd door het bedrijf toonde aan dat het gebruik van Aidoc de doorlooptijd van rapporten aanzienlijk verkort, met name voor scans van het hoofd en de nek.
Arterys: Arterys is een in San Francisco gevestigd bedrijf dat deep learning AI-algoritmen combineert met cloud computing. Het is aangetoond dat de medische beeldanalysesoftware de snelheid en nauwkeurigheid van de analyse verhoogt. Aanvankelijk ontwikkeld voor cardiale MRI's, heeft Arterys nu vergelijkbare toepassingen ontwikkeld voor lever-MRI's, longMRI's en mammogrammen, en helpt bij het identificeren van pathologische laesies in deze regio's.
Aan het eind van de dag is medische beeldanalysesoftware net zo goed als de computeralgoritmen waarop het is gebouwd. Een computer 'ziet' dingen niet en kan niet denken, en de output is gebaseerd op een reeks getallen en algoritmen. De gegenereerde resultaten zijn daarom gebaseerd op de algoritmen waarmee het is geprogrammeerd. Er is hier dus voldoende ruimte voor fouten, aangezien de technologie nog steeds in opkomst is. Hoewel software voor medische beeldvormingsanalyse zeker de werklast van radiologen kan verminderen, is deze nog niet klaar om de radioloog volledig te vervangen. Het staat nog in de kinderschoenen en wordt niet zo vaak gebruikt als zijn minder geautomatiseerde tegenhanger, de medische beeldverwerkingssoftware.
|
Cloud PACS en online DICOM-viewerUpload DICOM-afbeeldingen en klinische documenten naar PostDICOM-servers. Bewaar, bekijk, werk samen en deel uw medische beeldvormingsbestanden. |
Medische beeldverwerkingssoftware transformeert in wezen beelden nadat ze zijn verkregen. Hoewel sommige groepen medische beeldverwerkingssoftware beschouwen als onderdeel van medische beeldanalysesoftware, doet het niet veel om afbeeldingen te analyseren. Desalniettemin maakt verwerking het werk van handmatige analyse voor de radioloog gemakkelijker. Medische beeldverwerking bestaat uit drie soorten: beeldsegmentatie, beeldregistratie en beeldvisualisatie.
Segmentatie verwijst naar het proces waarbij een enkele afbeelding in kleine delen of segmenten wordt verdeeld. Idealiter moeten deze segmenten zinvol zijn, dat wil zeggen dat elk segment een andere structuur of orgaan moet weergeven.
Software voor het segmenteren van medische beelden kan de volgende functies uitvoeren:
Lokaliseren van de interesseregio: De software kan afwijkingen identificeren in het interessegebied, waaronder tumoren, knobbeltjes en andere pathologieën.
Anatomische grenzen onderscheiden: Segmentatiesoftware kan de grenzen van lichaamsstructuren zoals bloedvaten identificeren.
Meetvolumes: Medische beeldsegmentatiesoftware kan worden gebruikt om de volumes van specifieke structuren zoals anatomische holtes of tumoren te berekenen. Het is vooral handig om veranderingen in tumorgrootte tijdens de behandeling te volgen.
Beeldregistratie is een proces waarbij afbeeldingen op de juiste manier kunnen worden uitgelijnd. In deze techniek maakt de computer kennis met een reeks 'doelbeelden'. Wanneer het een nieuwe afbeelding krijgt, wordt dit nieuwe 'bronbeeld' getransformeerd om vergelijkbaar te worden in uitlijning met het doelbeeld. Beeldregistratie kan worden bereikt met behulp van drie methoden: transformatiemodellen, gelijkenisfuncties en optimalisatieprocedures.
Toepassingen van beeldregistratie via medische beeldverwerkingssoftware:
Beeldfusie: Bij beeldfusie kunnen medische beeldgegevens die afkomstig zijn van verschillende bronnen worden samengevoegd tot één dataset. Dit is uitermate nuttig om te begrijpen hoe anatomie correleert met functionele processen. CT-scans bieden bijvoorbeeld structurele informatie, terwijl PET-scans metabole informatie opleveren. Met behulp van beeldfusie kunnen beide sets informatie worden verkregen via één dataset.
Veranderingen in de loop van de tijd bestuderen: Beeldregistratie kan worden gebruikt om een reeks afbeeldingen in de loop van de tijd te vergelijken. Dit is nuttig om veranderingen binnen dezelfde beeldvormingssessie te beoordelen, zoals hartbewegingen of ademhalingsfunctie. Het kan ook worden toegepast op veranderingen op lange termijn, zoals het volgen van de progressie van een ziekte gedurende een paar jaar.
Karakterisering van anatomische kenmerken: Beeldregistratie kan ook afbeeldingen vergelijken tussen verschillende onderwerpen in een populatie. Dit kan worden gebruikt om anatomische kenmerken in een bepaalde populatie te karakteriseren.
Interventieprocedures: Computerondersteunde chirurgie wordt mogelijk gemaakt met beeldregistratie. Door de pre-operatieve CT-scan of MRI-afbeelding toe te passen op de intraoperatieve instelling, wordt beeldgeleide chirurgie mogelijk.
Software voor medische beeldvisualisatie verandert de manier waarop de originele dataset kan worden bekeken. Dit maakt analyse vanuit verschillende invalshoeken mogelijk. Visualisatie is in wezen het proces van het verkennen van gegevens, het transformeren ervan indien nodig en deze vervolgens met meer diepte en duidelijkheid bekijken in vergelijking met de originele dataset. Er zijn verschillende nabewerkingstechnieken die medische beeldvisualisatie mogelijk maken.
Toepassingen van beeldvisualisatie via medische beeldverwerkingssoftware:
3D-reconstructie: 3D-software voor medische beeldvorming is bijna altijd ingebouwd in reguliere medische beeldverwerkingssoftwareprogramma's. 3D-reconstructie omvat het toevoegen van alle secties die in één dataset zijn verkregen en deze combineren tot één afbeelding. Hierdoor kunnen operators gemakkelijk afwijkingen interpreteren omdat er een betere anatomische oriëntatie is in vergelijking met afzonderlijke secties. 3D-software voor medische beeldvorming helpt ook bij het sneller identificeren van afwijkingen. Meer details kunnen dan indien nodig worden gevisualiseerd met 2D-visualisatie.
2D-visualisatie: Dit is een omgekeerde van de 3D-reconstructietechniek. Het kan worden gebruikt om de originele beeldvormingsgegevens van 3D- of 4D-reconstructies weer te geven, of het kan worden gebruikt om verschillende secties uit de originele dataset te bekijken. Een voorbeeld van 2D-visualisatie is multiplanaire herformattering, waarmee nieuwe secties kunnen worden gemaakt van 3D- en 4D-reconstructies, op vlakken die verschillen van de originele vlakken. MPR vindt toepassing in de visualisatie van kromlijnige structuren, waaronder het wervelkanaal en de bloedvaten. De meeste soorten 3D-software voor medische beeldvorming maken ook MPR mogelijk.
De gelijktijdige toename van het aantal patiënten dat diagnostische medische beeldvorming ondergaat en de kwaliteit van medische beelden die worden verkregen, wat enorme gegevensbestanden betekent, heeft ertoe geleid dat enorme hoeveelheden datasets worden verwerkt door zorgcentra en ziekenhuizen. Het opslaan, ophalen en verwerken van deze enorme hoeveelheid beeldvormingsgegevens kan een uitdaging op zich zijn. Software voor medisch beeldbeheer maakt dit proces eenvoudiger door dergelijke datasets te organiseren en te integreren.
Medische beeldbeheersoftware bestaat uit een PACS-server die kan worden geïntegreerd met een gewoon DICOM-werkstation. Een standaard medische beeldbeheersoftware moet de volgende kenmerken hebben:
Vervangt fysieke archivering door alle medische beelddatasets digitaal op een georganiseerde manier op te slaan.
Geeft radiologen toegang tot medische beeldvormingsgegevens vanaf elke geografische locatie en stelt meerdere gebruikers in staat om gegevens tegelijkertijd op verschillende systemen te bekijken.
Maakt het exporteren van afbeeldingen naar andere bestandsindelingen mogelijk, zodat ze kunnen worden gebruikt voor lesgeven, leren of voor het verspreiden van afbeeldingen via publicaties en websites.
Maakt integratie mogelijk van medische beeldgegevens met patiëntgegevens in andere dossiers, zoals het elektronische gezondheidsdossier, het gezondheidsinformatiesysteem en het radiologie-informatiesysteem (RIS).
Een belangrijk nadeel van medische beeldvorming is blootstelling aan straling. Het meten van de stralingsdosis tijdens scanacquisitie is nu mogelijk met trackingsoftware.
Met het toenemende gebruik van CT-geleide diagnose en interventie, waaronder scans en angiografie op basis van nucleaire geneeskunde, is er een gestage toename geweest van zowel de blootstelling van patiënten als artsen aan straling. Wettelijke instanties hebben dit opgemerkt en verplicht gesteld om de hoeveelheid straling die patiënten ontvangen bij te houden en dit in hun gezondheidsdossiers in te voeren. Het is ook nodig om de hoeveelheid straling te volgen waaraan artsen tijdens hun werk worden blootgesteld.
Om te helpen bij het volgen van doses, hebben verschillende ontwikkelaars van medische beeldbeheersoftware oplossingen bedacht. GE biedt bijvoorbeeld een programma aan met de naam DoseWatch. Het volgt de stralingsdosis die aan patiënten in een bepaalde instelling wordt toegediend. De gegevens kunnen worden geclassificeerd volgens het individuele apparaat, het protocol of de operator, zodat het gemakkelijk wordt om dosisuitschieters te identificeren. Andere applicaties zoals Sectra bieden webgebaseerde dosistracking. Sectra is gecertificeerd door het American College of Radiologists en kan dosisgegevens van een ziekenhuis rechtstreeks indienen bij hun dosisindexregister.
PostDiCom integreert de functies van de medische beeldvormingssoftware die we hierboven hebben beschreven in één programma boordevol functies. Het is geavanceerde medische beeldbeheersoftware die cloudgebaseerde opslag en het ophalen van medische afbeeldingen mogelijk maakt. PostDICOM is compatibel met meerdere besturingssystemen, waaronder Windows, Linux, Mac OS en Android. Deze gratis medische beeldvormingssoftware biedt geavanceerde visualisatie-opties en is geïntegreerd met medische beeldsegmentatiesoftware. Extra opslag kan tegen nominale kosten worden gekocht. Bezoek postdicom.com voor meer informatie over dit handige stukje software.
|
|
Cloud PACS en online DICOM-viewerUpload DICOM-afbeeldingen en klinische documenten naar PostDICOM-servers. Bewaar, bekijk, werk samen en deel uw medische beeldvormingsbestanden. |
.jpg)
