Az orvosi képalkotás klasszikus és új informatikai megoldásai

Cikk címe: Az orvosi képalkotás klasszikus és új informatikai megoldásai

Szerzők: Dr. Juhász Zoltán, Katona Melinda, Dr. Bodnár Péter, Dr. Tóth Eszter, Dr. Bozsik Bence, Dr. Bencsik Krisztina, Dr. Nyúl László, Dr. Vécsei László, Dr. Kincses Zsigmond Tamás

Intézmények: Pannon Egyetem Műszaki Informatikai Kar, Szegedi Tudományegyetem Képfeldolgozó és Számítógépes Grafikai Tanszék Szeged, Szegedi Tudományegyetem, Képfeldolgozó és Számítógépes Grafikai Tanszék, Szeged, Szegedi Tudományegyetem Neurológiai Klinika Szeged

Évfolyam: XVII. évfolyam

Lapszám: 2018. /

Oldal: 56-61

Terjedelem: 6

Rovat:

Alrovat:

Absztrakt:

Az informatika fejlődése és a kvantitatív képkiértékelő módszerek elterjedése egyre nagyobb terhet ró a radiológiai diagnosztikus egységekre. A felmerülő problémák között a hardveres háttér megteremtése, az analízis algoritmusok és szoftverek fejlesztése, valamint a jól képzett humán erőforrás egyformán fontos. Dolgozatunkban bemutatunk egy adatanalízis pipeline-t, melyet a sclerosis multiplex MRI felvételeinek az értékelésére fejlesztettünk. Megmutatjuk, hogy a párhuzamosítható adatfeldolgozás felhőben kialakított virtuális infrastruktúrán futtatható. Egy hasonló cloud alapú rendszer kiépítése az országos igényeket is ki tudná szolgálni, ezzel jelentősen csökkentve a hardverköltségeket.

Abstract:

The rapid development of information technology and the use of the qualitative analysis approaches significantly increased the burden on the radiology service providers. The ever-growing cost of IT hardware, the development of new analytic algorithms and the welltrained human resources all could be identified as issues to be tackled. In the current manuscript, we demonstrate our data analysis pipeline developed for the analysis of the MRI data of Multiple Sclerosis patients. We show that the parallel processing of the MRI data is feasible on a cloud based virtual IT infrastructure. The establishment of such a cloud-based system could potentially satisfy the national demands while reducing hardware costs.

XVII. évfolyam

2018. / / November


Cikk Szerző(k)
Beköszöntő – Rendeleten innen és túl Dr. Rákay Erzsébet
Tartalom IME Szerkesztőség
Lépésről lépésre kell haladnunk – Interjú Prof. Dr. Horváth Ildikó egészségügyért felelős államtitkárral Boromisza Piroska
Tegyük meg az első lépést! Országos Vérellátó Szolgálat
Klímaváltozás várható hatása a fertőző-betegség struktúrára Dr. Barcs István, Csima Zoltán, Kádár László
Semmelweis 200 – Tiszta kézzel a jobbulásért! Egy alulról jövő kezdeményezés a kórházi kézhigiéné fejlesztése érdekében Dr. Pákó Judit, Kalmár István
XVIII. Vezetői eszköztár – Kontrolling Konferencia 2018. december 5. (szerda) IME Szerkesztőség
Levegőminőség az egészségügyben Pataki Gábor
A VII. IME Országos Infekciókontroll Konferenciáról jelentjük Boromisza Piroska
Alkalmazások fej-nyaki daganatok spektrális CT-jéhez Md. Phd. Reza Forghani
Onkológiai helyzetkép 2018 – Interjú Dr. Polgár Csaba professzorral Boromisza Piroska
65 éves az OKITI IME Szerkesztőség
Onkológia: fókuszban az immunterápia – Interjú Dr. Pajkos Gáborral, az MKOT elnökével Boromisza Piroska
Prehabilitáció – új koncepció a nagy kockázatú sebészeti betegek kórházi kezelésében Dr. Bánky Balázs, Dr. Fülöp András, Szijártó Attila, Tegzes Gyöngyi, Cseh Zsuzsanna, Kecskeméti Csilla, dr. Lőke János
Tovább ne törj! IME Szerkesztőség
Gyermekpszichiátriai szakmai konferencia a megújuló ellátórendszer jegyében Boromisza Piroska
Az egészség politikai döntés kérdése is – hetven éves az Egészségügyi Világszervezet Fazekas Erzsébet
A gyógyszerhamisításon túl – az egyedi dobozazonosító rendszer kórházi vetületei Dr. Süle András
65 éves az OKITI című cikk folytatása a 36. oldalról IME Szerkesztőség
Az orvosi képalkotás klasszikus és új informatikai megoldásai Dr. Juhász Zoltán, Katona Melinda, Dr. Bodnár Péter, Dr. Tóth Eszter, Dr. Bozsik Bence, Dr. Bencsik Krisztina, Dr. Nyúl László, Dr. Vécsei László, Dr. Kincses Zsigmond Tamás
Szerző Intézmény
Dr. Juhász Zoltán Pannon Egyetem Műszaki Informatikai Kar
Katona Melinda Szegedi Tudományegyetem Képfeldolgozó és Számítógépes Grafikai Tanszék Szeged
Dr. Bodnár Péter Szegedi Tudományegyetem, Képfeldolgozó és Számítógépes Grafikai Tanszék, Szeged
Dr. Tóth Eszter Szegedi Tudományegyetem Neurológiai Klinika Szeged
Dr. Bozsik Bence Szegedi Tudományegyetem Neurológiai Klinika Szeged
Dr. Bencsik Krisztina Szegedi Tudományegyetem Neurológiai Klinika Szeged
Dr. Nyúl László Szegedi Tudományegyetem Képfeldolgozó és Számítógépes Grafikai Tanszék Szeged
Dr. Vécsei László Szegedi Tudományegyetem Neurológiai Klinika Szeged
Dr. Kincses Zsigmond Tamás Szegedi Tudományegyetem Neurológiai Klinika Szeged

[1] Sandi D, Zsiros V, Fuvesi J, Kincses ZT, Fricska-Nagy Z, Lencses G, Vecsei L, Bencsik K: Mortality in Hun – garian patients with multiple sclerosis between 1993 and 2013, J Neurol Sci, 2016, 367, 329-332.
[2] Zsiros V, Fricska-Nagy Z, Fuvesi J, Kincses ZT, Langane E, Paulik E, Vecsei L, Bencsik, K: Prevalence of multiple sclerosis in Csongrad County, Hungary, Acta Neurol Scand, 2014, 130, 277-282.
[3] Filippi M, Rocca MA, Ciccarelli O, De Stefano N, Evangelou N, Kappos L, Rovira A, Sastre-Garriga J, Tintore M, Frederiksen JL, Gasperini C, Palace J, Reich DS, Banwell B, Montalban X, Barkhof F, Group MS: MRI criteria for the diagnosis of multiple sclerosis: MAGNIMS consensus guidelines, Lancet Neurol, 2016, 15, 292-303.
[4] Thompson AJ, Banwell BL, Barkhof F, Carroll WM, Coetzee T, Comi G, Correale J, Fazekas F, Filippi M, Freedman MS, Fujihara K, Galetta SL, Hartung HP, Kappos L, Lublin FD, Marrie RA, Miller AE, Miller DH, Montalban X, Mowry EM, Sorensen PS, Tintore M, Traboulsee AL, Trojano M, Uitdehaag BMJ, Vukusic S, Waubant E, Weinshenker BG, Reingold SC, Cohen JA: Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria, Lancet Neurol, 2018, 17, 162-173.
[5] Kincses Z, Toth E, Fricska-Nagy Z, Fuvesi J, Rajda C, Bencsik K, Voros E, Csomor A, Palko A, Vecsei L: [The role of MRI in measuring the effectivity of disease modifying treatments II.] Ideggyogy Sz, 2018, 71, 81-88.
[6] Toth E, Bencsik K, Voros E, Fricska-Nagy Z, Fuvesi J, Rajda C, Csomor A, Palko A, Vecsei L, Kincses ZT: [The role of MRI in measuring the effectivity of disease modifying treatments I]. Ideggyogy Sz, 2018, 71, 77-80.
[7] Hart BA, Bauer J, Muller HJ, Melchers B, Nicolay K, Brok H, Bontrop RE, Lassmann H, Massacesi L: Histo – pathological characterization of magnetic resonance imaging-detectable brain white matter lesions in a primate model of multiple sclerosis: a correlative study in the experimental autoimmune encephalomyelitis model in common marmosets (Callithrix jacchus), Am J Pathol, 1998, 153, 649-663.
[8] Meier DS, Guttmann CR: MRI time series modeling of MS lesion development. Neuroimage 2006 32, 531-537.
[9] Cotton F, Weiner HL, Jolesz FA, Guttmann CR: MRI contrast uptake in new lesions in relapsing-remitting MS followed at weekly intervals, Neurology, 2003, 60, 640-646.
[10] van Walderveen MA, Kamphorst W, Scheltens P, van Waesberghe JH, Ravid R, Valk J, Polman CH, Barkhof F: Histopathologic correlate of hypointense lesions on T1-weighted spin-echo MRI in multiple sclerosis, Neu – rology, 1998, 50, 1282-1288.
[11] Geurts JJ, Roosendaal SD, Calabrese M, Ciccarelli O, Agosta F, Chard DT, Gass A, Huerga E, Moraal B, Pareto D, Rocca MA, Wattjes MP, Yousry TA, Uitdehaag BM, Barkhof, F: Consensus recommendations for MS cortical lesion scoring using double inversion recovery MRI, Neurology, 2011, 76, 418-424.
[12] Seewann A, Kooi EJ, Roosendaal SD, Pouwels PJ, Wattjes MP, van der Valk P, Barkhof F, Polman CH, Geurts JJ: Postmortem verification of MS cortical lesion detection with 3D DIR. Neurology 2012, 78, 302-308.
[13] Kincses ZT, Toth E, Banko N, Vereb D, Szabo N, Csete G, Farago P, Kiraly A, Bencsik K, Vecsei L: Grey matter atrophy in patients suffering from multiple sclerosis. Ideggyogy Sz 2014, 67, 293-300.
[14] Smith SM, De Stefano N, Jenkinson M, Matthews PM: Normalized accurate measurement of longitudinal brain change. J Comput Assist Tomogr 2001, 25, 466-475.
[15] Eklund A, Andersson M, Knutsson H: fMRI analysis on the GPU — Possibilities and challenges. Comput. Methods Programs Biomed., 2001, vol. 105, no. 2, pp. 145–161, 2011.
[16] Eklund A, Dufort P, Villani M, LaConte S: BROCCOLI: Software for fast fMRI analysis on many-core CPUs and GPUs, Front. Neuroinform., vol. 8, p. 24, Mar. 2014.
[17] BM Healthcare Industry Solutions – Services, [Online], Available: https://www.ibm.com/industries/healthcare, [Accessed: 14-Aug-2018]
[18] Microsoft Cloud for Health – Microsoft Enterprise – English (en-us), [Online], Available: https://enterprise. microsoft.com/en-us/trends/microsoft-cloud-for-health/, [Accessed: 14-Aug-2018]
[19] Deep Learning – AI for Healthcare – Medical Research | NVIDIA. [Online]. Available: https://www.nvidia.com/enus/ deep-learning-ai/industries/healthcare/, [Accessed: 14-Aug-2018]
[20] Microsoft, Amazon, Google, IBM, Oracle, and Salesforce issue joint statement for healthcare interoperability – Microsoft Industry Blogs, [Online], Available: https://cloudblogs. microsoft.com/industry-blog/industry/health/microsoft- amazon-google-and-ibm-issue-joint-statement-forhealthcare- interoperability/?wt.mc_id=AID723268_ QSG_SCL_266427, [Accessed: 14-Aug-2018].