Képi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban
Hajdu András Debreceni Egyetem, Informatikai Kar
2. Magyar Jövő Internet Konferencia Budapest, 2015. november 11.
Tartalom • Mobil-‐ és szerveroldali feldolgozást támogató kollabora7v egészségügyi és kutatási keretrendszer – Automa=kus szűrés – Mul=diszciplináris kutatások – Fúzió alapú szuperalkalmazások – Annotált adatbázisok publikálása – Felhő alapú szolgáltatások, mobil feldolgozás
• DermDB (bőrgyógyásza= alkalmazás) • Portál továbbfejlesztése
2
Kollaboratív egészségügyi és kutatási keretrendszer
Platform 3
Kollaboratív egészségügyi és kutatási keretrendszer
4
Kollaboratív egészségügyi és kutatási keretrendszer
Adatgyűjtés 5
Korszerű klinikai képalkotó technikák
6
Korszerű klinikai képalkotó technikák • Előnyök – Pontos, megbízható – Kórházi rendszerekbe integrált
• Hátrányok – Drága – Nem mindenhol elérhető – Nehezen mozgatható – Zárt szoXveres feldolgozás (bundle)
7
Alternatív adatgyűjtés
8
Alternatív adatgyűjtés
9
Alternatív adatgyűjtés • Előnyök – Gyakorla=lag mindenki számára elérhető (mobil szenzorok terjedése) – Egyszerű hordozhatóság – Dinamikus szenzorfejlődés, változatos szenzor7pusok – Jól támogato^, gyors szoXverfejlesztés – „Informal care” paradigma támogatása
• Hátrányok – Általában gyengébb minőségű képi információ – Kórházi rendszerekbe való integráció nem megoldo^ – Automa=kus feldolgozáshoz számítási környezet kialakítása szükséges
10
Kollaboratív egészségügyi és kutatási keretrendszer
Felhasználói felület 11
Felhasználói felület
12
Felhasználói felület • Gesztusvezérlés – Kéz-‐, test-‐ és szemszenzorral történő vezérelhetőség – Kényelmesebb, jobban betanítható annotálási lehetőség – Természetesebb adafeltárás/bevitel – Plusz erőforrás (klinikai személy keze szabadon marad/mozgássérültek)
13
Kollaboratív egészségügyi és kutatási keretrendszer
Feldolgozás 14
Feldolgozás • Nagy mennyiségű képi adat esetén – Saját szerverklaszter – Hazai/egyéb elérhető szuperszámítógép-‐hálózat – Szuperszámítógép-‐bérlet (Amazon, Google) – Ad-‐hoc mobil hálózat
• Ese= feldolgozás – Lokális eszköz (például mobiltelefon)
15
Feldolgozás
16
Feldolgozás ad-hoc mobil hálózaton • Mobil eszközök száma: ~7-‐8 milliárd – Szuperszámítógépeket meghaladó kapacitás – Alapvető emberi igénnyé vált -‐> mindenhol elérhető
• Saját feldolgozó rendszer és protokoll – A rendszer magja egy ütemezésért felelős alkalmazás – Feladatkiosztás tulajdonosi prioritás alapján – Erőforrás-‐ és energiahatékony feldolgozás – Eszközök kapacitásának figyelembe vétele
17
Feldolgozás ad-hoc mobil hálózaton • Ado^ eszköz bevonásának mértékére egy együ^ható az alábbi paraméterek súlyozásával – CPU magok száma – Prioritás, amelyet a felhasználó állíthat – Jelenleg elérhető memória (RAM) – Akkumulátor pillanatnyi töltö^ségi szintje – Szabad tár mérete
18
Kollaboratív egészségügyi és kutatási keretrendszer
Klinikai felhasználás 19
Klinikai felhasználás - dermatológia • Kényelmes webes megoldás képek tárolásához letöltéséhez, elemzéséhez és megosztásához (diagnosz=ka) • Betegadatok tárolása • Elváltozások időbeli követhetősége • Annotálhatóság • Fő funkcionalitások – – – –
Felhasználó-‐kezelés Betegrekord-‐kezelés Rekordok megosztása Adatbázis keresése
20
Klinikai felhasználás
Kollaboratív egészségügyi és kutatási keretrendszer
Kollaboráció 22
Output of an Algorithm
Fusion Result
Platform – áttekintés • Hiánypótló az annotációval elláto^ publikusan elérhető képi adatbázisokhoz • Annotáláshoz alapszintű klinikai ismeretek elegendőek lehetnek (grading) • Lehetőséget teremt algoritmusok kvan=ta7v össze-‐ hasonlítására (benchmarking) – Kutatási tevékenységek =sz7tása
• Fúziós technikákkal nagyobb pontosságú alkalmazások készíthetők – Implementációt nem szükséges kiadni – Lehetőség van a funkcionalitás véde^ megosztására
• Feltöltö^ adatbázisok automa=kus szűrése 25
Platform – további bővítés • Klinikai videófelvételek publikálása és annotálhatósága – Sejtvideók/nőgyógyásza= videók – Szemmozgás trajektóriák (szemszenzor felvételek pszichiátriai betegségek vizsgálatához)
• Páciensek állapotának követhetősége – Betegek, hozzátartozók, klinikai szakemberek részére – Predikciós módszerek, vizualizációs technikák jobb értelmezhetőséghez
• Kézi annotáció elvégzésének betanítása • Klinikai képtároló és –továbbító rendszerek/formátumok támogatása (DICOM) • Mobil adatgyűjtés és feldolgozás integrálása • Strukturálatlan adatbázis-‐kezelés (gene=kai adatok) • Feldolgozó algoritmusok hatékony implementálása (HPC) 26
Munkatársak Harangi Balázs
Bartha Lóránt
Kovács László
Besenczi Renátó
Lázár István
Győri Enikő
Szalkay Atla Zichar Marianna
Kiss Csaba Mohácsi András Nagy Tamás Orosz Zoltán Szabó Tamás Szitha Kristóf Varga Máté
27
Köszönöm a figyelmet!
