Van gezichtsherkenning tot medische beeldvorming

Medical Delta

Biomedical Imaging is het maken en gebruiken van beelden in de biologie en de geneeskunde. ‘In dit vakgebied gebeurt gelukkig steeds meer in samenwerking’, constateert Lelieveldt. ‘Ons lab voor Klinische en Experimentele Beeldverwerking van het LUMC (ook wel LKEB), werkt al decennia samen met de TU Delft. Daar is zeer veel expertise aanwezig die van pas komt bij het oplossen van  LUMC-beeldproblemen. Sinds 2006 ben ik zelf één dag per week werkzaam in de Intelligent Systems Groep van de TU Delft. De afgelopen jaren hebben we een groot aantal extra dwarsverbanden kunnen aanleggen, op het gebied van visualisatie, computer vision, patroonherkenning en bio-informatica.’
‘En in 2005 is er een meer formele samenwerking opgezet tussen het ErasmusMC, de Universiteit Leiden, het LUMC en de TU Delft: het Medical Delta consortium. Deze leerstoel is tot stand gekomen in het kader van dit Medical Delta-initiatief.’

Puzzelstukjes

Lelieveldt: ‘Er zitten allerlei voordelen aan het meten in beelden, maar in de klinische praktijk gebeurt het nog lang niet overal. Er zijn drie hoofdproblemen: allereerst de hoeveelheid data. Met één druk op de knop kan een scanner tegenwoordig probleemloos duizenden beelden maken. Het tweede ‘probleem’ is dat er steeds meer mogelijk is met een scanner en dat de data dus steeds complexer worden. Het derde probleem is de verscheidenheid aan data. Een hartpatiënt bijvoorbeeld, maakt vaak een rondgang over allerlei verschillende afdelingen in het ziekenhuis. Het complete plaatje voor de arts ontstaat pas als je alle puzzelstukjes in elkaar past, en de beelden in combinatie kunt bekijken.’

Gezichtsherkenning

‘Als antwoord op het eerste probleem (de grote hoeveelheid data) willen we het meten in beelden zoveel mogelijk automatiseren. Samen met de computer-vision- en patroonherkenningsgroep kijken we naar technieken waarmee de computer in een beeld zélf kan herkennen wat precies wat is. Maar hoe krijg je een computer zover? De enige oplossing is de computer op een of ander manier voorkennis te geven over wat hij kan tegenkomen in een beeld.’
‘We kunnen de computer een aantal voorbeelden geven, waaruit hij leert hoe een bepaald orgaan er normaal gesproken uit ziet. Met dit soort technieken hebben we al een ruime ervaring, bijvoorbeeld op het gebied van gezichtsherkenning. We kunnen van een groep mensen een soort ‘gemiddeld gezicht’ maken. Daarnaast hebben we ook informatie over de mogelijke verschillen tussen de gezichten. Dan heb je dus een soort wiskundig recept van een groep gezichten, waarmee de computer op zoek kan gaan naar vergelijkbare structuren.’
‘Dit soort technieken hebben we verder ontwikkeld voor verschillende medische toepassingen. Maar er is nog veel winst te behalen, bijvoorbeeld door kennis in te bouwen over hoe een orgaan beweegt, of over hoe abnormale situaties door de computer kunnen worden herkend. Dit voorbeeld laat bij uitstek zien hoe we een techniek uit een ander ‘universum’ (gezichtsherkenning), in de medische wetenschap goed kunnen gebruiken.’

Complexiteit

‘Voor het tweede hoofdprobleem, de complexiteit van de beelden, gaan we technieken ontwikkelen waarmee we het menselijk oog kunnen inschakelen om ingewikkelde patronen te ontrafelen. Dan rest nog als derde de verscheidenheid aan data, die optreedt als een patiënt op meerdere afdelingen wordt behandeld. Ik geef een voorbeeld. Bij dotteren wordt er vaak een klein buisje (stent) in de kransslagader ingebracht waarmee een verstopt bloedvat weer kan worden opengezet. Meestal hebben patiënten van tevoren een CT-scan gehad. En tijdens de operatie wordt er gekeken of het buisje wel goed is opengegaan.’
‘Er wordt hard gewerkt aan het combineren van twee soorten beelden: die van vóór de operatie en die van tijdens de operatie. Alle beelden worden dan samengebracht in één enkel coördinatenstelsel. De arts kan dan dus kijken vanuit het bloedvat naar de vernauwing, uitzoomen om de 3D-positie van de stent te bekijken ten opzichte van het bloedvat, en ten slotte kijken vanuit het bloedvat, of de stent goed is opengegaan.’

Meer informatie

Lees ook het artikel 'Dat gaat heel krachtig worden' (TU Delta)

Website van de Pattern Recognition & Bioinformatics Group van de TU Delft

De intreerede vormt de afsluiting van het afscheidssymposium van prof. dr. ir Hans Reiber van het Klinische en Experimentele Beeldverwerking van het LUMC (LKEB). Het volledige programma vindt u op de website van het Netherlands Forum for Biomedical Imaging.