Improving Interaction With Large Medical Image Collections

Los sistemas de archivado y transmision de imagenes (PACSs) se han constituido en la base del flujo de trabajo diario para radiologos a nivel mundial. La interaccion con imagenes medicas en dichos sistemas son un importante campo de investigacion, debido a los intereses de la academia y la industria en mejorar la experiencia del usuario. Reduciendo costos, la brecha entre medicos e ingenieros, ademas de aumentar la visibilizacion de las grandes cantidades de datos. Actualmente los visores de PACS solo permiten el acceso a casos por numero de identificacion, sexo o nombre del paciente, o bien, etiquetas de las imagenes como modalidad o fecha de captura. Esto ha desenlazado en un amplio rango de capas de la interaccion por mejorar como: mecanismos de busqueda, estrategias de clasificacion, recuperacion y visualizacion. La contribucion de esta tesis es un marco de trabajo para mejorar la interaccion con grandes colecciones de imagenes radiologicas, integrando en un solo entorno diversas estrategias computacionales como las mencionadas previamente. Comenzando por la caracterizacion de imagenes de resonancia magnetica de cerebro, seno y columna vertebral; empleando diferentes propiedades de la imagen como: textura, intensidad y forma. Posteriormente, un mecanismo de clasificacion identifica de manera automatica el organo al cual pertenece la imagen. Una estrategia de recuperacion basada en contenido es empleada para determinar la distancia entre los casos y finalmente graficarlos en un resumen visual. Empleando este resumen o buscando un caso especifico el usuario puede estudiar en detalle cada uno de los volumenes en el repositorio. Se desarrollo una plataforma web que integra cada una de las estrategias anteriormente enunciadas. Adicionalmente se sugiere al usuario casos relacionados con aquellos analizados previamente, empleando un mecanismo de recomendaci´on de contenido basado en la estrategia de recuperaci´on y alimentada por la interacci´on de los usuarios. El marco de trabajo presenta resultados de clasificacion con una exactitud de 92 %, recuperacion con la media de precision promedio por encima de 0.9 y una aplicacion prototipo funcional web que integra todas las estrategias para que estudiantes, medicos generales o especialistas puedan interactuar de una manera alternativa con los repositorios de imagenes radiologicas.