Univ. Doz. DI Dr. techn. Günter Schreier, MScgenome.tugraz.at/MedicalInformatics/MI2009.pdf · Phase Aspekt Zentrale Fragen Regulatorien 1 Technologisch Ist die Idee technisch umsetzbar?

Medizinische Informatik

Univ. Doz. DI Dr. techn. Günter Schreier, MSc

AIT Austrian Institute of Technology

Information Management & eHealth

Univ.-Prof. DI Dr.techn Zlatko Trajanoski

Technische Universität Graz, Institut für Genomik und Bioinformatik

Wintersemester 2009/2010

Quellen

Handbook of Medical Informatics

Jan H. van Bemmel, Mark A. Musen (Eds.)

Springer Verlag 1997

Chapter 1, 4

2

3

Medizinische Informatik - Inhalt

1. Einführung

a) Praktisches Beispiel und Anwendungsfelder

b) Definitionen, Begriffe, Klassifikation von Systemen und Anwendungen

c) Daten, Information, Wissen in der Medizin

2. Stufe 1: Communication and telematics

3. Stufe 2: Storage and retrieval

a) Medizinische Dokumentationssysteme

b) Medizinische Ordnungssysteme

c) Medizinische Datenbanken

4. Stufe 3: processing and automation

a) Biosignalverarbeitung

b) Medizinische Bildgebung und -verarbeitung

4


1. Einführung












526. Januar 2010

Die Zukunft von IT in der Medizin

Computers in Medicine

“The future for the application of computers in medicine is bright. With

health care now considered a right rather than a privilege, the demands on

physicians offer a unique opportunity to use the computer as a „physician

assistant.‟ Large computer files on patients will be kept, and decisions made

from these files will assist the physician and health care provider. Physician

„peer‟ review and quality standards for care are already demanding more

careful record-keeping and auditing. A computerized health care system is

the answer to these new demands.”

COMPUTER, January 1975, p. 26

626. Januar 2010

Die Zukunft von IT in der Medizin

AMBULATORY HEALTH CARE

“… A physician is perhaps the only professional who uses the majority of his

working time in creating thousands of inter-related data bases (the records

for each patient), using the data to make decisions, recording his decisions,

and recording the patient‟s progress so the data can be used in subsequent

decisions. He carries out his business in his office, in various examining

rooms, in a hospital or rest home while making rounds, and in the hospital

emergency room nights and week-ends. The doctor plainly needs data

processing assistance, but the problem of entering and retrieving data

accurately and efficiently from a variety of locations and sources has not

been solved.”

COMPUTER, January 1975, p. 31

7

Inhalt

Administratives

Vorstellung des Vortragenden

Medizinische Informatik - Einführung

Aktuelles praktisches Beispiel: Mobilfunkbasierte Telekardiologie

Folien Prof. Trajanoski

Ergänzungen Schreier

8

Administratives

Uhrzeit der Vorlesung ok?

Prüfung

schriftlich 6 fixe Termine im Jahr (beginnend Ende Jänner 2010)

Unterlagen werden jeweils im Nachhinein als PDF zum Download

bereitgestellt (wo wird zu einem späteren Zeitpunkt bekannt gegeben)

Fragen?

9

CV - Günter Schreier

Ab 1983 Studium der Elektrotechnik / Biomedizinische Technik in Graz

1992-1996 Joanneum Research, Graz

1996 Dissertation „Intrakardiale Elektrogramme …“ (TU-Graz)

1996-2000 Cortronik Meß- und Therapiegeräte GmbH, Graz

2000 AIT Austrian Institute of Technology GmbH

2003 MSc in Kommunikation und Management (Donau-Universität)

2008 Habilitation im Fach Biomedizinische Informatik (TU-Graz)

2008 Aktuell: ca. 30 MA in Graz, Hall in Tirol und Wien

10

AIT Austrian Institute of Technology

www.ait.ac.at

Unsere Mission

Wir vermitteln neue

Verbindungen zwischen

den Akteuren in der Biomedizinischen

Forschung und bringen die Kommunikation

zwischen den Partnern im

Gesundheitswesen

auf den Punkt.

Patienten

Biomedizinische

Forschung

Ärzte

Gesundheits-

versorgung

11

12

Unser Tätigkeitsfeld

Die Forschungsgruppe eHealth betreibt angewandte Forschung für

integrierte eHealth-Lösungen der Biomedizinischen Forschung und

Patienten-zentrierter Gesundheitsversorgung an den Standorten Graz, Hall

in Tirol und Wien.

Technologien: KeepInTouch / eHealth Platform

Anwendungsfelder

Telemonitoring and Therapymanagment

Biomedical and Translational Research

Biosignal Processing and Knowledge-Based Systems

Ambient Assisted Living

Vorlesung eHealth, Dr. Günter Schreier

13

Lust auf mehr? - www.eHealth2010.at

Wissenschaftliche Tagung

Health Informatics meets eHealth

Wien, 6. – 7. Mai 2010

http://www.ehealth2010.at/

14

Arbeitskreis Medizinische Informatik und eHealth

Österreichische Gesellschaft für Biomedizinische Technik

www.oegbmt.at

und der

Österreichische Computergesellschaft

www.ocg.at

Mailing-Liste: http://listman.umit.at/mailman/listinfo/akmi

http://www.oegbmt.at/

http://www.ocg.at/

http://listman.umit.at/mailman/listinfo/akmi

Lust auf mehr?

Mitarbeit im Team

Diplomarbeit, Dissertation

30 Köpfe (davon viele TU-Graz

– Absolvent[inn]en)

www.ait.ac.at/eHealth

15

http://www.ait.ac.at/eHealth

16


1. Einführung












17

Anzahl der Telemedizin-Publikationen pro Jahr

(Pubmed)

Schreier G, Auer T, Hutten H, Schaldach M, Allmayer T, Grasser B, Iberer F, Tscheliessnigg KH. A non-invasive

rejection monitoring system based on remote analysis of intramyocardial electrograms from heart

transplants. IEEE-EMBS Proceedings of the 17th Annual International Conference 1995. p. 35-36

Kastner P, Marko W, Messmer J, Scherr D, Fruhwald FM, Zweiker R, Klein W, Schreier G. Mobilfunkgestütztes

Herz-Kreislauf-Tagebuch. In: Duftschmid G, Prinz M, Steinhoff N, editors. a-telmed 2002 Telemedizin - Von der

Vision zur Wissenschaft. Wien: Österreichische Computer Gesellschaft; 2002. p. 30-36

18

Telekardiologie - das Grundkonzept

Zusammenfassung - von der Idee zur Innovation

19

Phase Aspekt Zentrale Fragen Regulatorien

1 Technologisch Ist die Idee technisch umsetzbar? Keine

2 Medizinisch Hat die Lösung den erwarteten Nutzen

für die Gesundheit unter Bedachtnahme

auf Sicherheit?

Ethik

Medizinprodukte-

Richtlinie/Gesetz

3 Organisatorisch Passt das Konzept in das

Gesundheitssystem?

Ist es interoperabel mit be/entstehenden

Systemen?

Datenschutzgesetz,

Gesundheits-

telematikgesetz

Normen und

Standards

4 Ökonomisch Ist die Lösung tauglich für den

Routineeinsatz in einem ökonomischen

Rahmen?

Welches Geschäftsmodell wäre sinnvoll?

Aufnahme in den

Leistungskatalog

Different levels of computer applications in healthcare

Zunehmende

Komplexität

Zunehmende

Spezialisierung

Zunehmende

Beteiligung von

Menschen

20

Praktisches Beispiel

MOBITEL – http://www.jmir.org/2009/3/e34/

1Department of Cardiology, Medical University Graz, Austria2Information Management & eHealth, AIT Austrian Institute of Technology GmbH, Graz, Austria3Department of Internal Medicine, Hospital Tulln, Austria4Department of Cardiology, Hospital Wels, Austria5Department of Cardiology, Hospital Villach, Austria6Department of Cardiology, Hospital Graz West, Graz, Austria7Department of Internal Medicine, Hospital Deutschlandsberg, Austria8Department of Internal Medicine, Hospital Hall/Tirol, Austria9Department of Cardiology, Wilhelminenspital Vienna, Austria

Scherr D1, Kastner P2, Kollmann A,2 Hallas A3, Auer J4, Krappinger H5, Schuchlenz H6, Stark G7, Grander W8, Jakl

G9, Schreier G2, Fruhwald FM1; MOBITEL Investigators. Effect of home-based telemonitoring using mobile

phone technology on the outcome of heart failure patients after an episode of acute decompensation:

randomized controlled trial. J Med Internet Res. 2009 Aug 17;11(3):e34.

http://www.jmir.org/2009/3/e34/

Beispiele für die 6 Stufen

Level 1: Communication

and Telematics

Mobilfunkbasierte Datenerfassung

webbasierter Zugriff für Ärzte

Level 2: Storage and Retrieval

Ablage in der Datenbank von Anamnese, Werten und Reaktionen

Level 3: Processing and Automation

Automatische Berechnung von Trends, Schwellwertüberprüfung

Level 4: Diagnosis and Decision Making

Alarmbewertung, Detektion einer kardialen Dekompensation

Level 5: Treatment and Control

Interventionsentscheidung (Medikamente)

Level 6: Research and Development

Klinische Studie zur Prüfung einer Hypothese22

23


1. Einführung












Folien Prof. Zlatko Trajanoski

Siehe Präsentation

012008Introduction.ppt

24

2526. Januar 2010

Was ist Medizinische Informatik?

Die Medizinische Informatik befasst sich mit der systematischen

Verarbeitung von Daten, Informationen und Wissen in der Medizin und im

Gesundheitswesen. (http://de.wikipedia.org/wiki/Medizinische_Informatik,

2008-01-21)

What is biomedical and health informatics?

Medical informatics has to do with all aspects of understanding and

promoting the effective organization, analysis, management, and use of

information in health care.

http://www.amia.org/inside/faq/ (2008-01-21)

http://de.wikipedia.org/wiki/Medizinische_Informatik

http://www.amia.org/inside/faq/

Was ist Medizinische Informatik? - Zusammenfassung

Beides, eine Kunst/Handwerk und eine Wissenschaft

Wissenschaft: Methoden werden entwickelt und experimentell validiert

Handwerk: IKT-basierte Systeme werden konzipiert, entwickelt und

erprobt

Die Forschung in der MI ist multidisziplinär und folgt wissenschaftlichen

Grundlagen:

Hypothese

Experiment (Datenerfassung)

Ergebnisse (Datenanalyse)

Schlussfolgerung (Handlungsparadigma)

Forschung und Anwendung von MI Methoden und Systemen finden in

einem ethischen und regulatorischen Kontext statt.

26

27

Inhalt

Der Diagnostisch-Therapeutische Kreislauf

Daten, Informationen, Wissen

Kommunikation

Verschiedene Varianten von Kommunikation

Folien Prof. Trajanoski

Ergänzungen Schreier

Verschiedene Ebenen des Einsatzes von Computern in der Medizin

Aktuelles praktisches Beispiel: Mobilfunkbasierte Telekardiologie

28


1. Einführung












Stages of human activity in different areas

29

Areas of human activity

Stage General Scientific

research

Health care Computer

processing

1 Observation Measurement Patient data

collection

Data entry

2 Reasoning Theory Diagnosis Data processing

3 Action Experiment Therapy Output generation

Der Diagnostisch Therapeutische Kreislauf

Beobachtung

Diagnose

Therapie

Wiederholter

Durchlauf

30

Daten, Information, Wissen

Daten entstehen

durch Beobachtung

Information entsteht

durch Interpretation

Wissen entsteht

durch Induktion

31

Was ist Information?

Claude E. Shannon (1916-2001):

Information is the negative value of

the logarithm of the probability of

occurrence.

Louis-Marcel Brillouin (1854-

1948):

Information is a function of the relation

between possible answers before and

after reception.

Norbert Wiener (1894-1964):

Information is a name for the content

of what is exchanged with the outer

world as we adjust to it and make our

adjustments felt upon it.

32

Aspekte von Information

In Bezug auf den

Diagnostischen-

Therapeutischen

Kreislauf

Syntax

Semantik

Pragmatik

33

Informationsmenge, Informationsinhalt

… ist messbar.

I = Informationsinhalt in

bit = binary digit

p = Wahrscheinlichkeit

eines Zustands

Beispiel:1 aus 1024 = 210

I = - log2 2-10 = 10 bit

Nach Shannon

I = - log2 p

34

Beispiel: Informationsgehalt der menschlichen DNA

Desoxyribonukleinsäuren

Adenin (A)

Cytosin (C)

Guanin (G)

Thymin (T)

T A C C G T A G G T C A .

| | | | | | | | | | | | .

A T G G C A T C C A G T .

4x4x4x4x… Länge n

22xN Kombinationen

I = -log2(2-2xn)= 2n

1 Chromosom

n = 5x109 Basenpaare

23 Chromosomenpaare

5 x 1011 bit

60 GB

In jedem Zellkern Ihres

Körpers!

35

Beispiel Biosignal

N Abtastwerte/Sekunde

fs = Abtastrate

n verschiedene Amplituden

n=2M M = Bit

K Kanäle

I= N*K*-log22-M = N*K*M

bit/s

EKG: 12 Kanäle, fs = 254

Hz, M = 16 Bit

I = 12*212 Bit/s ~

48kBit/s

36

Beispiel Bildgebende Verfahren

CT

1024 Schnittbilder

1024 x 1024 Pixel

16 Bit Graustufentiefe

= 2 GB

37

38


1. Einführung












Folien Prof. Zlatko Trajanoski

Siehe Präsentation

Communication.ppt

39

Kommunikation

Zwischenmenschliche

Kommunikation

Analog

• Gestik

Digital

• Sprache/Text

Telekommunikation

Telemedizin

40

Kommunikationstheorie (Paul Watzlawick)

Fünf pragmatische Axiome (Psychologie)

„Man kann nicht nicht

kommunizieren!“

Inhalt und Beziehung

Interpunktion

Symmetrisch oder

komplementär

Digital und analog

„Sobald zwei Personen sich gegenseitig

wahrnehmen können, kommunizieren sie

miteinander“

„Jede Kommunikation hat einen Inhalts- und

einen Beziehungsaspekt, wobei Letzterer

den Ersteren bestimmt“

„Die Natur einer Beziehung ist durch die

Interpunktionen der Kommunikationsabläufe

seitens der Partner bedingt.“

„Zwischenmenschliche

Kommunikationsabläufe sind entweder

symmetrisch oder komplementär“

„Menschliche Kommunikation bedient sich

digitaler und analoger Modalitäten“

41

http://de.wikipedia.org/wiki/Interpunktion_(Kommunikation)

Das Grundmodell der Kommunikation

Sender (S)

Signal (s)

Channel (T)

Noise(n)

Message (m)

Receiver (R)

m = s + n

Feedback

42

4326. Januar 2010

Datenübertragungsrate

B = Bandbreite (f2 – f1) Hz

C = Datenübertragungskapazität bit/s, bps

Shannon-Hartley-Gesetz

C = effektive Datenübertragungsrate in Bit/s

S = effektive Signalleistung

N = effektive Rauschleistung

R =Datenübertragungsrate bit/s, bps

Mittlere R sollte 2/3 der C nicht überschreiten

Bottleneck = Flaschenhals = Stelle mit der geringsten C auf dem Weg zwischen den beiden Kommunikationspunkten

Kanal kann

symmetrisch sein = gleiche C in beide Richtungen (XDSL)

Asymmetrisch sein = verschiedene C in / out (ADSL)

• Konsument / Produzent

http://de.wikipedia.org/wiki/Rauschleistung

Analoge Kommunikationssituationen in der Medizin (1)

SR

S = Herz (Heart)

T = Gewebe (Tissue)

R = Elektroden

s = intrakardiale EKG

r = Artefakte

m = EKG

44

Analoge Kommunikationssituationen in der Medizin (2)

SR

S=R

S?

?R

45

Gespräch zwischen

Patient und Arzt

Ultraschall-

Untersuchung

Symptome werden

nicht wahrgenommen

Symptome werden

wahrgenommen,

deren Ursprung

(Ursache) nicht klar

Physiologische Kommunikation (Sinneswahrnehmung)

Senses Sight Hearing Sense of

Touch

Sense of Heat Sense of Smell Sense of Taste

Stimulus Electro-

magnetic (3,80

0-7,600 Å)

Mechanic Mechanic

deformation of

the skin

Temperature

differences in place

and time

Chemical substances Chemical substances

Location Retina Basilar

membrane

Epidermis Epidermis Nasal cavity Tongue, palate

Number of receptors 1x107 pyramids

(day, color)

1x108 rods

(twilight)

4x105 picture

points

discernible

Hair cells:

1-3x104

Pressure:

5x105pain:

3x105

heat: 1x104cold:

3x105

1x107 1x107

Number of nerve

bundles to central

nervous system

(1 to 2)x106 (1 to 2)x104 1x104 1x104 2x103 2x103

Information capacity

(bits)

3x106 2-5x104 2x105 2x103 10 to 100 10

46

Klassifikation von Kommunikationssystemen

Vertikal – ISO OSI 7-Schichten-Modell

Horizontal – nach der Reichweite (BAN, PAN, …)

47

ISO – OSI Schichtenmodell

http://upload.wikimedia.org/wikipedia/de/4/41/OSI7Layer_model.png

48

Networks

BAN (Body Area Networks) - NFC In direct contact with or implanted into the body

E.G. Telemonitoring of Blood Pressure

PAN (Personal Area Networks) - Bluetooth Perimeter of a view meters

E.g. communication between wireless devices

LAN (Local Area Network) - WLAN Typical company network

E.g. network within a hospital

MAN (Metropolitan Area Network) UMTS Connection of several LANs

E.g. Connection of several hospitals in a city

WAN (Wide Area Network) – Internet Connection of several LANs

E.g. networking of all medical practices in a country

GAN (Global Area Network) – Satellite Network World wide networking of WANs

E.g. world wide networking of hospitals

UAN (Universe Area Network) - ?

5026. Januar 2010

BAN - Near Field Communication (NFC)

kontaktlos über elektromagnetische Kopplung 13,56 MHz Trägerfrequenz

geringer Energiebedarf

bis zu 424 kBit/s Datenrate

wenige cm Reichweite

„keep in touch“ – Paradigma automatisches Pairing

automatischer Datenaustausch

automatischer Programmstart

kompatibel zu mehreren RFID Standards

verfügbar in Mobilfunkgeräten

„AIT inside“

PAN - Bluetooth

Industrial-, Scientific-, Medical-Band

2.4 GHz

Datenraten (theoretisch)

bis V1.2 732kBit/s

ab V2.0 + EDR 2,1MBit/s

Leistung, Reichweite

Klasse 1: 100mW, ~100m

Klasse 2: 2,5mW, ~20m

Klasse 3: 1mW, ~10 m

Netzwerk Topologie

1 Master / 7 Slave (Piconet)

Eindeutige Identifikation

48 bit lange Seriennummer

Built-in security (schwach)

LAN - WLAN

A wireless LAN or WLAN is a wireless local area network that uses ultra high frequency waves as its carrier

Areas may range from a single room to an entire campus.

The backbone network usually uses cables, with one or more wireless access points connecting the wireless users to the wired network.

Fast and easy implementation (no permission required)

Max. 100 mW transmitting power in Europe

At the end of the 1990s standards established, primarily the various versions of IEEE 802.11 (Wi-Fi)

Today fast 54 Mbit/s standards: IEEE 802.11a (5 GHz) and IEEE 802.11g (2.4 GHz)

53

MAN - Mobilfunk – Charakteristika der Generationen

Features 1G 2G 2.5G 3G

Air interfaces FDMA TDMA

CDMA

TDMA W-CDMA

TD-CDMA

CDMA 2000

Bandwidth ~10 kbps ~100 kbps ~2 to 4 Mbps

Data traffic No data Circuit switched Packet switched Packet switched

Examples of

servicesAMPS

GSM

HSCSD

GPRS

EDGE

UMTS

HSDPA

Modulation Analog Digital Digital Digital

Voice traffic Circuit switched Circuit switched Circuit switched Packet switched (VoIP)

WAN – The Internet

The Internet protocol suite is the set of communications

protocols that implement the protocol stack on which the

Internet runs.

It is sometimes called the TCP/IP protocol suite, after the

two most important protocols in it, which were also the

first two defined:

the Transmission Control Protocol (TCP) and

the Internet Protocol (IP)

Where no other network can be accessed

GEO (Geostationary Orbit)approx. 36.000 kmfixed antennahigh transmission powertherefore large devices large signal propagation(approx. 270 ms)

MEO (Medium Earth Orbit)6000 – 20000 km

LEO (Low Earth Orbit)700 – 2000 kmmany satellites requiredrequires handoversatellites move over sky small devices (low power)economical problems

HEO (Highly Elliptical Orbit)700 – 2000 km

GAN - Satellite Communication

km

35768

10000

1000

LEO

(Globalstar,

Iridium)

HEO

Inner and outer

Van-Allen-Belt

MEO (ICO)

GEO (Inmarsat)

Authentication, Authorization, and Security

Important aspects in the communication software are authentication, authorization and security.

By authentication we mean reliably verifying the identity of the sender and that the address of the sender contained in the message, is really the address of the computer that composed the message

Username – password

Certificate

Key card

Fingerprint, retina scan

Authorization is the process of establishing what someone is allowed to do

Access control such as read, write, delete are assigned to resources

Access controls of users or groups are stored in Access Control Lists (ACL)

A related issue is security, that is, the information contained in a message should only be understood by the sender and the intended receiver of the message.

There are several approaches to encrypt the data of a message with and encryption key that is known only to the sender and the receiver.

Live - Demo

Der Zugang für den Patienten

Der Zugang für den Arzt

57

58


1. Einführung












Computerized_Physician_Order_Entry (CPOE)

Beim Computerized Physician Order Entry (CPOE) werden

therapeutische Anweisungen eines Arztes mit Computern erfasst,

verarbeitet und ggf. mittels Warnmeldungen an den Arzt zurückgegeben.

Eine Steigerung der Effizienz, Reduktion der Kosten und vor allem

Erhöhung der Qualität der ärztlichen Leistungen werden angestrebt.

Wikipedia -

http://de.wikipedia.org/wiki/Computerized_Physician_Order_Entry (2009-11-

17)

59

http://de.wikipedia.org/wiki/Computerized_Physician_Order_Entry

http://de.wikipedia.org/wiki/Computerized_Physician_Order_Entry

60

Stufe 2: Storage and retrieval - Übersicht

Medizinische Dokumentationssysteme

Folien Prof. Trajanoski (042008MedInfoCSS.ppt)

Medizinische Ordnungssysteme

Folien Prof. Trajanoski (032008MedizinischeKlassifikation.ppt)

Datenbanksysteme

Folien Mag. Kreiner (2009-12-01_MedInfo_M08_Einführung_V1.0.ppt)

Ergänzungs- bzw. Wiederholungsfolien (nachfolgend)

Folie 61F. Leiner, Med. Dokumentation, UMIT BSc MBI 2009

Medizinische Ordnungssysteme:

Beispiele

Klassifikationen

ICD

TNM

SAPS II

NYHA

Evidenz- und Empfehlungsgrad in Leitlinien

Nomenklaturen

MeSH

SNOMED


Folie 62F. Leiner, Med. Dokumentation, UMIT BMI BSc 2009

Med. Ordnungssysteme: wozu?


Synonyme Hepatitis / Leberentzündung

KHK / Verengung der Herzkranzgefäße

sprachliche Formen Hepatitis / Hepatitiden

Arzt / Ärztin

Infarkt / eines Infarktes

Homonyme HWI = Hinterwandinfarkt / Harnwegsinfekt

Bruch = Eingeweidebruch / Fraktur

komplexe Aussagen „für eine KHK gibt es keine Anzeichen“

„eine KHK erscheint wenig wahrscheinlich“

Spezialisierungen Aspirin / ASS, Beinbruch / Tibiafraktur

Häufigkeit „gleicher“

Sachverhalte

Wie viele Frakturen?

Wie viele offene Frakturen der unteren Extremitäten?

Kommunikation z.B. über medizinische Leistungen

Probleme beim Wiederfinden, Zählen und Kommunizieren

Med. Ordnungssysteme: Prinzip

Ausdrucksfreiheit beschränken

durch eine reduzierte „Dokumentationssprache“

nur noch erlaubte Bezeichnungen = Deskriptoren

im allgemeinen zusätzlich zum Freitext!

Deskriptoren ordnen (begrifflich, oft hierarchisch)

Ordnungssystem

Folie 63

Folie 64

Klassifikation vs. Nomenklatur

Klassifikation für Mengenvergleich, Pauschalierung

Nomenklatur / Begriffskombination zum

Beschreiben, Wiederfinden

Weiterverarbeiten

Klassifikation

„Klassieren“ aufgrund „klassenbildender Merkmale“

vollständige Abdeckung des Bereichs

eindeutige Zuordnung (paarweise Disjunktiviät)

Klassenname (Deskriptor), Codes

Code = „Schlüssel“, oft hierarchisch aufgebaut

(Beispiel ICD-10, Leberkrankheiten)nach

Rothwell 1996

Antike chinesische Klassifikation

des Königreichs der Tiere


1. Tiere, die dem Kaiser gehören

2. Zahme Tiere

3. Vierbeinige Tiere

4. Fliegenähnliche Tiere

5. Ausgestopfte Tiere

6. Mythologische Tiere

7. Tiere, die zu keiner der

genannten Klassen gehören

nach

Rothwell 1996

Kriterien von Ordnungssystemen

Vollständigkeit?

Disjunktivität?

Systematik des Ordnungssystems?

Polyhierarchie

Sinusitis

Entzündungen

Einachsige Deskriptorenliste (Präkombination)

mit mehreren Zugangswegen

Beispiel: Medical Subject Headings (MeSH) der Nat„l Library of Medicine

(HON: online, GoPubMed.com)

Aortenatresie

Fehlbildungen

Karditis

Herzerkrankungen

Klappenfehler

http://www.hon.ch/HONselect/

http://www.gopubmed.com/

+ Ordnungssystem einfach (keine Verdopplung)...

– ... aber schwer wartbar ...

– ... und auf präkombinierte Begriffe beschränkt

+ Codierung vereinfacht (mehrere Wege)

+ Auswertung einfach (präkombinierte Begriffe) ...

+ ... und flexibel (verschiedene Aspekte) ...

– ... aber mit Überschneidungen

69

Wichtige Ordnungssysteme

In der Medizin

ICD International Classification of Diseases(ab Januar 1998 Version 10)

ICPM International Classification of Procedures (als OPS- 301 = Operationenschlüssel Grundlage der Abrechnung nach DRG (Diagnose Related Groups))

TNM

SNOMED

Weitere Klassifikationen, Nomenklaturen und Thesauri

Siehe DIMDI (Deutsches Institut für Medizinische Dokumentation und Information)

http://www.dimdi.de/dynamic/de/

Medizinprodukte - UMDNS Universal Medical Device Nomenclature System

Laboruntersuchungen und Befunde - LOINC Logical Observation Idntifiers Names and Codes

Arzneimittel -ATT/DDD Anatomisch-Therapeutisch-Chemische Klassifikation/Definierte

Tagesdosis


ICD

International Classification of Diseases (ICD)

Wichtigste, weltweit anerkannte Diagnosenklassifikation in der Medizin (viele Sprachen).

Wartung durch die WHO (World Health Organisation), derzeit: 10th Revision (ICD-10)

Zur Diagnosen- und Prozedurenverschlüsselung medizinischer Leistungen eingesetzt

Einachsiges Klassifikationssystem mit bis zu fünf Hierarchiestufen und alphanumerischer Notation.

3-stellige Kernklassifikation (DAS = dreistellige allgemeine Systematik), verpflichtende 4. Stelle (VAS = vierstellige ausführliche Semantik), optional 5. Stelle

Durch Klassierungsregeln wird die Eindeutigkeit der Zuordnung unterstützt.

Das alphabetische ICD-Verzeichnis enthält zusätzlich zu den systematischen ICD-Begriffen auch Synonyme und erleichtert dadurch das Finden der richtigen Codes.

ICD

Entstehung

1893: „Verzeichnis der Todesursachen“

1948: Herausgeberschaft durch WHO, „Internationale Klassifikation der Krankheiten und Todesursachen“

1975: 9. Revision (ICD-9)

1990: 10. Revision (ICD-10)

ICD

Weltweit in Verwendung in zahlreichen Sprachen

In Österreich: verpflichtende Kodierung von Haupt- und Zusatzdiagnosen für alle stationären Patienten

Für die Leistungsorientierte Krankenanstaltenfinanzierung

Grundlage für Planung und Steuerung

Für die Abrechnung wird derzeit in Österreich der ICD-10 verwendet (bis 2000 war es ICD-9)

Verwendet auch für die Mortalitätsstatistik

ICD

Dreibändiges Buch oder als elektronische Version veröffentlicht

Deutsche Fassung über das DIMDI (Deutsches Institut für Medizinische Dokumentation und Information) erhältlich


Für besondere Einsatzgebiete wurden Spezialausgaben der ICD entwickelt, z.B. ICD-O für Onkologie, bei der Tumorlokalisation und Histologie erfaßt werden.

Für Patienten, die nach der älteren ICD-9 codiert wurden, gibt es sog. Überleitungstabellen (erfordert leider häufig eine aufwendige Nachbearbeitung, da die Zuordnung der Codes nicht immer eindeutig ist).


ICD-10

Umfang:

21 Kapitel: z.B. H00-H59 Krankeiten des Auges

261 Gruppen: z.B. H25-H28 Affektionen der Linse

2025 3-stellige Kategorien: z.B. H25.-Cataracta senilis

12.160 4-stellige Subkategorien: z.B. H25.0 Cataracta senilis incipiens

Ca. 90.000 ausformulierte Einträge im alphabetischen Verzeichnis

Reproduzierbarkeit ICD10 Codierung

77

Folie 77

ICD-10-Codierung von Arztbrief-Diagnosen

– Datenqualität (Stausberg et al. 2005)

Cohen‘s

kappa

Medizin-

controller

Dokumentare

Klasse 0,27 0,42

Dreisteller 0,56 0,63

Gruppe 0,64 0,71

Kapitel 0,71 0,72

TNM

Zur klinischen Einteilung bösartiger Tumore

http://www.uicc.org/index.php?id=508

Die T(Topografie)-Achse kennzeichnet Größe und Ausbreitung des Primärtumors und wird angegeben als T0 bis T4

Die N(Noduli)-Achse gibt den Befall der regionalen Lymphkoten and mit den Ausprägungen N0 bis N3

Die M(Metastasen)-Achse beschreibt das Auftreten von Tumormetastasen mit den Kategorien M0 (keine Metastasen) und M1 (Metastasen vorhanden)

Die genaue Bedeutung der T- und N-Stadien ist für jede Tumorart definiert

Allgemein gilt: je größer die Zahl hinter T und N, desto größer die Tumorausbildung

http://www.uicc.org/index.php?id=508

TNM

Häufig wird zusätzlich das histopathologische Grading G angegeben

G1 bedeutet gut differenziert, G4 bedeutet undifferenziert (besonders bösartiger Tumor)

Zusätzlich gibt es Präfixe wie z.B. pT2B0M0

„p“ bedeutet: pathologisch gesicherter Befund

Nach Tumoroperationen wird der Residualtumor (im Patient verbliebener Tumor) klassifiziert

R0: Tumor vollständig entfernt

R1: mikroskopisch nachweisbarer Residualtumor

R2: sichtbarer Residualtumor

Mehrachsig

80

Fernmetastasen

T1a T1b

Primärtumor

T0 T1 T2 T3 T4

Lymphknotenbefall

N0 N1 N2 N3 M0 M1

N2a N2b

Beispiel

81

ICD-0 C32.0, TNM pT1aG2 pN2b M0C2 R0C4

- Histopathologisch gesichertes Karzinom (pT)

- der Glottis (C32.0),

- histologisch mäßig differenziert (G2),

- ist auf nur ein Stimmband begrenzt und lässt dieses normal

beweglich (T1a);

- Histopathologisch gesicherter Befall (pN)

- multipler ipsilateraler Lymphknoten, in größter Ausdehnung

nicht mehr als 6cm (N2b);

- Mit bildgebender Diagnostik (C2) wurden keine Fern-

metastasen entdeckt (M0).

- Nach Resektionsoperation (C4) kein Residualtumor (R0).

ICPM

International Classification of Procedures in Medicine

1978 von der WHO für Forschungszwecke publiziert

2001 substantiell Erweitert, vor allem im konservativen Bereich

Bietet relativ grobe Einteilung medizinischer Prozeduren

Wird in Deutschland zur Abrechnung verwendet Operationenschlüssel nach § 301 (OPS-301) SGB V (Fünftes Buch des

Sozialgesetzbuchs) durch das DIMDI

Kapitel für diagnostische, präventive, chirurgische und therapeutische Leistungen, sowie Laboruntersuchungen und Hilfsprozeduren

Wissenschaftlich besser verwertbar Hierarchische Struktur

SAPS II (New Simplified Acute Physiology Score)

83


SNOMED:

Systematized Nomenclature of Medicine Zweck: Wiederfinden, komplexe Querverbindungen,

Entscheidungsunterstützung und Übersetzungen

Historisch:

1965: SNOP – Pathologie (US CAP)

1974: SNOMED

1979: SNOMED II

1984: SNOMED II dt. Version: F. Wingert

1993: SNOMED international (v3.0)

2000: SNOMED Reference Terminology (RT)

2002: SNOMED Clinical Terminology (CT)

2007: IHTSDO, Dänemark (SNOMED CT)



SNOMED, dt. Version (SNOMED II)(Friedrich Wingert, 1984) monohierarchische, mehrachsige Nomenklatur

81.000 Einträge

7 Achsen

Verbindungsdeskriptoren und QualifikatorenT26000 M34000 DT T28000 M80103

| Topografie „Bronchus“

| Morphologie „Obstruktion“

| Verbindung „Due to“

| Topographie „Lunge“

| Morphologie „Karzinom“

obstruierter Bronchus infolge Lungenkarzinom

T Topographie

M Morphologie

E Ätiologie

F Funktion

D Krankheit

P Prozedur

J Job

Beispiel SNOMED II

Ein Schiffskoch wird mit den Symptomen Fieber, Schüttelfrost, und

Diarrhöe als Notfall in ein Krankenhaus aufgenommen. Dort wird eine

akute Entzündung der Schleimhaut des Magens und des Dünndarms,

hervorgerufen durch Salmonella cholerae-suis, festgestellt und als

Gastroenteritis paratyphosa diagnostiziert.

Beispiel SNOMED II

Ein Schiffskoch (J53150) wird mit den Symptomen Fieber (F03003),

Schüttelfrost (F03260), und Diarrhöe (F62400) als Notfall in ein

Krankenhaus aufgenommen (P00300). Dort wird eine akute

Entzündung (M41000) der Schleimhaut des Magens (T63010) und

des Dünndarms (T64000), hervorgerufen durch Salmonella cholerae-

suis (E16010), festgestellt und als Gastroenteritis paratyphosa

(D01550) diagnostiziert.

88

P00300: Notaufnahme

F03260: Schüttelfrost

F62400: Diarrhoe

T64600: Duodenum T63000: Magen

E16010: Salmonella

cholerae-suisM

41

00

0: a

ku

te

En

tzü

nd

un

g

D01550: Gastroenteritis

paratyphosa

New York Heart Association Classification

Stadium Definition

NYHA I

•Herzerkrankung ohne körperliche Limitation.

Alltägliche körperliche Belastung verursacht keine inadäquate

Erschöpfung,

•keine Rhythmusstörungen,

•keine Luftnot oder Angina pectoris.

NYHA II

Herzerkrankung mit leichter Einschränkung der körperlichen

Leistungsfähigkeit.

Keine Beschwerden in Ruhe.

Alltägliche körperliche Belastung verursacht Erschöpfung,

Rhythmusstörungen, Luftnot oder Angina pectoris.

NYHA III

Herzerkrankung mit höhergradiger Einschränkung der

körperlichen Leistungsfähigkeit bei gewohnter Tätigkeit.

Keine Beschwerden in Ruhe.

Geringe körperliche Belastung verursacht Erschöpfung,

Rhythmusstörungen, Luftnot oder Angina pectoris.

NYHA IV

Herzerkrankung mit Beschwerden bei allen körperlichen

Aktivitäten und in Ruhe.

Bettlägerigkeit.

89

Ergänzungen

http://de.wikipedia.org/wik

i/Cohens_Kappa Kappa nach Cohen

k = Mass für die

Übereinstimmung

zwischen zwei

Klassifikatoren

p0 = gemessene

Übereinstimmungswert

der beiden Schätzer

pc = die zufällig erwartete

Übereinstimmung

90

Pathologie/Histologie

Fehlerquellen

Kontext (Ort der Probenentnahme)

Optische Effekte/Täuschung

Zufallsfehler (Tageszeit, Müdigkeit, vorangegangene Tätigkeit)

Systematische Fehler (mit dem Wissen des Pathologen verbunden)

Morphometrie, Zytometrie

Computer-Optische Systeme zur Objektivierung von geometrischen

Messungen, Zählungen

Steigert die Reproduzierbarkeit durch Vermeidung von Zufallsfehler

Korrektheit

91

Classification and Coding

Classification / Klassifikation

Betrifft das Ordnen von Konzepten in einer logisch nachvollziehbaren,

eleganten und für die potenziellen Benutzer nachvollziehbaren Art und

Weise

Coding / Kodieren

Betrifft den technischen Vorgang der Zuordnung eines einzelnen Falls

zu einer Klasse in einer effizienten und vertrauenswürdigen Art und

Weise

Aus Handbook of Medical Informatics

92

Wissenschaftliche Zeitschriften

Journal of Medical Internet Research - www.jmir.org

Britisch Medical Journal - www.bmj.org

93

http://www.jmir.org/

http://www.bmj.org/

Vorlesung Medizinische Informatik Modul 01

Precision and Recall

not found found

not relevant TN FP

relevant FN TP

Precision = relevant found citations

all found citationsRecall =

relevant found citations

all relevant citations in db

Recall = Sensitivity

Precision = Positive Predictive Value

Specificity = not found not relevant cit.

all not relevant citations

CompletenessAccuracy

Examples of public databases

National Library of Medicine (NLM) http://www.nlm.nih.gov)

National Center for Biotechnology Information (NCBI)http://www.ncbi.nlm.nih.gov

European Bioinformatics Institute (EBI, http://www.ebi.ac.uk/) and Sanger Center (http://www.sanger.ac.uk/)

e.g. Ensembl (http://www.ensembl.org)

The Nucleic Acids Research Molecular Biology Database Collection (http://www3.oup.co.uk/nar/database)

All databases included in this Collection are freely available to the public

The 2005 update includes 719 databases

The National Library of Medicine (NLM)

On the campus of the National Institutes of Health (NIH) in Bethesda, Maryland, USA(NIH Budget 2005: $28,757,000,000, - NASA Budget 2005: $16,194,000,000)

Established 1836 as the Library of the Office of the Surgeon General of the Army

World's largest medical library (Budget 2005: $317,947,000)

The Library collects materials in all areas of biomedicine and health care, as well as works on biomedical aspects of technology, the humanities and the physical, life, and social sciences

The collections stand at more than 7 million items Books

Journals

technical reports

Manuscripts

Microfilms

photographs and images

Housed within the Library is one of the world's finest medical history collections of old and rare medical works.

National Center for Biotechnology Information (NCBI) of the NLM is one of the world largest provider of public databases for life sciences!

The National Library of Medicine (NLM)

Entrez

Entrez is a robust and flexible database search and retrieval system used at the NCBI for all major databases and provides accesses to DNA and protein sequence data from more than 130.000 organisms

Along with 3D protein structures, genome mapping data, population sets, phylogenetic sets, environmental sample sets, gene expression data, the NCBI taxonomy, protein domain information, protein structures from the Molecular Modeling Database MMDB, MEDLINE references via PubMed, and more.

Entrez is at once an indexing and retrieval system, a collection of data from many sources, and an organizing principle for biomedical information.

Two unique features of Entrez are:

Pre-computed similarity searches for each database record, identifying the related records ("neighbors") within that database. The algorithm used to identify related records depends upon the database.

Links from a record in one database to associated records in the other Entrez databases, providing integrated access across the various databases. For example, if a MEDLINE record cites a GenBank nucleotide sequence record, which in turn is linked to a protein translation, then there will be a link between those three records.

Entrez

Entrez is a Discovery System. A data-retrieval system succeeds when you can retrieve the same data you put in. A discovery system is intended to let you find more information than appears in the original data. By making links between selected nodes and making computed associations within the same node, Entrez is designed to infer relationships between different data that may suggest future experiments or assist in interpretation of the available information, although it may come from different sources.

The records retrieved by an Entrez search can be displayed in a wide variety of formats and downloaded singly or in large batches. Formatting options vary for records of different types. For example, display formats for GenBank records include the GenBank flatfile, FASTA, XML, ASN.1, and others. Graphical display formats are offered for some types of records, including genomic records.

http://www.ncbi.nlm.nih.gov/Entrez

http://www.ncbi.nlm.nih.gov/Entrez

Entrez

Entrez can be searched with a wide variety of text terms such as author name, journal name, gene or protein name, organism, unique identifier (e.g. accession number, sequence ID or PubMed ID), and other terms, depending on the database being searched.

The Entrez sequence databases are taken from a variety of sources -including GenBank, EMBL, DDBJ, RefSeq, PIR-International, PRF, Swiss-Prot, as well as PDB - and therefore include more sequence data than are available within the GenBank DNA sequence database alone.

External resources can be linked to Entrez records using the Linkout service. Entrez also allows users to store search strategies and select a customized subset of LinkOut links through the NCBI Cubby service.

PubMed: The Bibliographic Database

PubMed has more than 15 million MEDLINE journal article references and abstracts going back to the mid-1960's

Another 1.5 million references back to the early 1950's.

NLM plans to add more references back through time

Other databases provide information on monographs (books), audiovisual materials, and on such specialized subjects as toxicology, environmental health, and molecular biology.

NLMNational Library

of Medicine

Medline

.

.

.

NLM

Ovid

Silverplatter

DIMDI

.

Transinsight.

.

Producer of Databases accessible via Database Provider with Search platforms

PubMed

Different software,

search platforms, and

syntax of the different

provider for the retrieval

of information

SmartSearch

Classic Search

(GRIPS)

Medline - PubMed - Ovid ???

http://www.gopubmed.org/

PubMed: The Bibliographic Database

PubMed is a database developed by the National Center for Biotechnology Information (NCBI) at the National Library of Medicine (NLM), one of the institutes of the National Institutes of Health (NIH).

Through the Web at http://www.nlm.nih.gov some 700 million searches of MEDLINE are done each year by health professionals, scientists, librarians, and the public.

The database was designed to provide access to citations (with abstracts) from biomedical journals.

Subsequently, a linking feature was added to provide access to full-text journal articles at Web sites of participating publishers, as well as to other related Web resources.

PubMed is the bibliographic component of the NCBI's Entrez retrieval system.

http://www.ncbi.nlm.nih.gov/books/bv.fcgi?rid=handbook.chapter.42

PubMed Data Sources

Medline

PubMed's primary data resource

MEDLINE is the NLM's premier bibliographic database covering the fields of

• Medicine

• Nursing

• Dentistry

• Veterinary medicine

• The health care system

• The preclinical sciences, such as molecular biology.

MEDLINE contains bibliographic citations and author abstracts from about 4,600 biomedical journals published in the United States and 70 other countries.

The database contains about 12 million citations dating back to the mid-1960s.

Coverage is worldwide, but most records are from English-language sources or have English abstracts

PubMed Data Sources

All content in PubMed ultimately comes from publishers of biomedical journals

Journals that are to be included in MEDLINE are subject to a selection process.

The Fact Sheet on Journal Selection for Index Medicus®/MEDLINE®describes the journal selection policy, criteria, and procedures for data submission.

Electronic Data Submission Process

All electronic data are supplied via FTP to NCBI in XML format, in accordance with the NLM's specifications (document type definition, or DTD).

These specifications can be found in NLM Standard Publisher Data Format document.

The document includes

information on XML tag descriptions

how to handle special characters (e.g., α or β)

examples of tagged records

the PubMed DTD

FAQ section for participating or potential data providers


OCR ….. Optical character recognition

DCMS …. NLM Data Creation and Maintenance System


A file-loading script is run that automatically processes the files daily, Monday through Friday at approximately 9:00 a.m. (Eastern Time).

The new citations are assigned a PubMed ID number (PMID)

A confirmation report is sent to the provider

The new citations usually become available in PubMed sometime after 11:00 a.m. the next day, Tuesday through Saturday.

After posting in PubMed, the citations are forwarded to NLM's Indexing Section for bibliographic data verification and for the addition of subject indexing terms from Medical Subject Headings (MeSH).

This process can take several weeks, after which time completed citations flow back into PubMed, replacing the originally submitted data.

Automatic Term Mapping

PubMed uses Automatic Term Mapping to process words entered in

the query box by someone searching PubMed.

Terms entered without a qualifier, i.e., a simple text phrase that does

not specify a search field, are looked up against the following

translation tables and indexes in a distinct order:

1. MeSH Translation Table

2. Journals Translation Table

3. Author Index

MeSH

Medical Subject Headings

Polyhierarchisch strukturiertes, kontrolliertes Vokabular

Von der National Library of Medicine (NLM), USA, erstellt und fortlaufend gepflegt

Wird zur Katalogisierung der Bibliotheksbestände und zur Indexierung der von der NLM hergestellten medizinischen Datenbanken (v. a. Medline) benutzt.

Ist neben vielen anderen medizinischen Vokabularien auch im Metathesaurus des Unified Medical Language Systems (UMLS) enthalten.

Das MeSH-Register enthält 22,997 Hauptschlagwörter (descriptors), die in Bäumen (trees) strukturiert sind (u. a. Anatomy, Mental Disorders).

Die einzelnen MeSH-Begriffe werden durch so genannte qualifier oder subheadings(z.B. adverse effects, ultra structure) ergänzt und genauer beschrieben.

Die deutsche Übersetzung der MeSH kann über das Deutsche Institut für Medizinische Dokumentation und Information eingesehen werden

MeSH

http://www.nlm.nih.gov/mesh/

PubMed Results

Links from PubMed

A variety of links can be found on PubMed citations including:

Related Articles, which retrieves a precalculated set of PubMed citations that are closely related to the selected article. PubMed creates this set by comparing words from the title, abstract, and MeSH terms using a word-weighted algorithm.

LinkOut, which provides links to publishers, aggregators, libraries, biological databases, sequencing centers, and other Web sites. These link to the provider's site to obtain the full text of articles or related resources, e.g., consumer health information or molecular biology database records. There may be a charge to access the text or information, depending on the policy of the provider.

Books, which provides links to textbooks so that users can explore unfamiliar concepts found in search results. In collaboration with book publishers, NCBI is adapting textbooks for the Web and linking them to PubMed. The Books link displays a facsimile of the abstract, in which some words or phrases show up as hypertext links to the corresponding terms in the books available at NCBI. Selecting a hyperlinked word or phrase takes you to a list of book entries in which the phrase is found.

http://www.ncbi.nlm.nih.gov/entrez/query/static/help/pmhelp.html

http://www.ncbi.nlm.nih.gov/entrez/query/static/computation.html

http://www.ncbi.nlm.nih.gov/entrez/linkout/

http://www.ncbi.nlm.nih.gov/entrez/linkout/

http://web.ncbi.nlm.nih.gov/entrez/query.fcgi?db=Books

http://web.ncbi.nlm.nih.gov/entrez/query.fcgi?db=Books

Fragen zur Schweinegrippe

Wie heisst die Schweinegrippe wirklich?

• MESH – Bezeichnung

• ICD10 - Klasse

Wie verbreitet ist sie?

• In Österreich

Wie gefährlich ist sie?

• Wieviele Menschen sterben daran?

Prävention

• Hilft die Impfung?

Behandlung

• Hilft Tamiflu?

Folie 117F. Leiner, Med. Dokumentation, UMIT BMI BSc 2009


Google Flu Trends (1)

http://www.google.org/flutrends/at/

Paper in Nature (Nature Vol 457, 19 February 2009)

Frage: Korrelation zwischen

• influenza-like illness (ILI) Arztbesuchen – externen Quellen (CDC)

• influenza-like illness (ILI) Suchanfragen – Google intern

Methode:

Analyse von 100ten Milliarden Suchanfragen bei Google

50 Millionen häufigsten Anfragen zwischen 2003 und 2008

• aggregiert in wöchentliche Häufigkeiten für alle Fragen und jedem

der Staaten in den USA, relativ zur Anzahl aller Anfragen in der

jeweiligen Region

• 50.000.000 (Queries) x 9 Regionen mit ILI Arztbesuchsdaten

• Zeitreihen mit je maximal 2 x 250 Datenpunkten

118

http://www.google.org/flutrends/at/

Google Flu Trends (2)

Modell

logit(P) = β0 + β1 × logit(Q) + ε

logit(P) = ln( P/(1-P) )

P = relative Häufigkeit von ILI Arztbesuchen

Q = relative Häufigkeit der i-ten Anfrage (von 50 Mio)

Lineare Regression (Fitting) der verfügbaren Paare P, Q für jede Region

9 x 50 Mio Korrelationskoeffizienten r (-1 .. 1)

Sortiert nach absteigenden (z-transformierten) Werten

Selektion der 45 „besten“ Queries [Fig 1]

Ergebnisse

• Validierung durch Fitting der Daten 2003-2007 und Vergleich mit 2008

in den 9 Regionen [Fig. 2] und in Utah mit jüngsten Daten (25%)

119

120


1. Einführung











b) Medizinische Bildgebung

c) The Visual Human Project

121

Stufe 3: processing and automation- Übersicht

Biosignalverarbeitung

Folien Prof. Trajanoski (102009Biosignal.ppt)

Medizinische Bildgebung

Folien Prof. Trajanoski (072009Imaging.ppt, 082009Imaging2.ppt)

The Visible Human Project

Folien Prof. Trajanoski (062008VHP.ppt)

Ergänzungs- bzw. Wiederholungsfolien (nachfolgend)

Biosignalverarbeitungsbeispiel:

Gangmusterklassifikation

Wang N, et al

Accelerometry Based Classification

of Walking Patterns Using Time-

frequency Analysis

Proceedings of the 29th Annual

International Conference of the IEEE

EMBS, Cité Internationale, Lyon,

France August 23-26, 2007.

122

Akzelerometrie, Pedometrie

Sensor

single, waistmounted triaxial

accelerometer with a dynamic

range of +/−6 g

Data Acquisition

Abtastrate: 50 Hz

Bluetooth-Übertragung

Experiment

52 Personen, 21-64 Jahre alt

jeweils 10 Serien für 5 Situationen

Ebene

Schiefe Ebene auf- und abwärts

Stiege auf- und abwärts

Dauer: 11-29 Sekunden

Signalverarbeitung

Fenster mit 128 Samples, 50%

Überlappung

DFT

DWT

Klassifikation: Multi Layer

Perceptron Artificial Neural Network 123

12426. Januar 2010

Wavelet-Transformation

Quelle: http://de.wikipedia.org/wiki/Wavelet-Transformation

Definition eines Basis-Signalverlaufs

Signal als Summe von

gestauchten / gedehnten (Frequenz),

skalierten (Amplitude) und

verschobenen Basis-Signalen (Zeit)

Frequenz- und Zeitinformationen

Frequenz

Zeit

Intensität - Farbe

12526. Januar 2010

Herzratenvariabilität – HRV (2)

Detektion der QRS-Komplexe

Bestimmung der NN-Intervalle

Zeitbereich

SDNN – Standardabweichung aller NN

pNN50 – Anteil abs(NNi – NNi-1) > 50ms in %

Histogramm

etc.

Frequenzbereich

Herzrate als Funktion der Zeit – HR(t)

Resampeln

Fourier-Transformation

Signal-Anteile in den Frequenzbändern

• 0-0.003 Hz – Ultra low frequency

• 0.003-0.04 Hz – Very low frequency

• 0.04-0.15 Hz – Low frequency (Sympatikus)

• 0.15-0.4 Hz – High frequency (Parasympatikus)

f

Leistungsdichte

NN5 NN6 NN7

NN

Anzahl

t

HR

Biosignalanalyse-Ressourcen

TU-Graz

Vorlesung Biosignalverarbeitung (446.154, Diwoky

/Scharfetter/Stollberger)

On The Web

www.Physionet.org

AIT easyG Electrogram Analysis System

126

http://www.physionet.org/

AIT Biosignalanalyse-Umgebung

easyG – ECG Analysis System Graz

Optimierungsprozess – Überblick

Ergebnisse

bisher

Biosignal-

Verarbeitung

Ergebnis

der Analyse

Auswahl

des

Daten-

Pools

Auswahl

der

Prozesse

Auswahl

der

Parameter

und ihrer

Werte-

Bereiche

Annotationstool

(Definition des

Sollzustandes)

Validierungstool

Einstellen

eines neuen

Parametersatzes

[11, 100]

..\mit\aft\*.hea

DetectQRS

sens

trials

sens

trials

Modularer Aufbau

Sets von Algorithmen

Einfach austauschbar

Wahl der Signalverarbeitungskette

Signal

Laden

QRS

Detektion

QRS

Klassifikation

Charakteristische Punkte

Detektion

QT

Berechnung

Definition des Sollzustandes / der Referenz

GUIs zum manuellen Annotieren

von EKGs

Charakteristische Punkte

Beginn des QRS-Komplexes

Ende der T-Welle

Zeitaufwändig!!!

Frei zugängliche

Datenbanken mit Metadaten

www.physionet.org

http://www.physionet.org/

Testdatensatz - Challenge QT Datenbank

549 EKGs von 294 Patienten

15 simultane Kanäle: 12-Kanal-EKG + 3 Frank (XYZ) leads

1000 samples/sek, 16 bit, Länge: typisch 2 Minuten, mindestens 30 s

3 Methoden (Threshold, Tangente, Gauss-Approximation)

je 4 Parameter (Filter, Threshold, Suchgrenzen/Window)

je 5 Werte pro Parameter

Annahme: Rechenzeit = 1 Sekunde / Signal und Kanal

Zeitaufwand = 15 * 549 * 3 * 4 * 5 = 494.100 Sek. = 5,7 Tage!

Algorithmus zur QT-Intervall - Bestimmung

Ursprünglich entwickelt

QT Database (PhysioNet)

Automatisch optimiert

Methoden, Filter Settings, Schwellwerte, etc.

QT Database, CSE Multilead Database

Verfügbare Referenz-Annotationen

Manuell adaptiert

Computers in Cardiology Challenge

Sich ständig verändernde Referenz-Annotationen

Referenz-Annotationen nicht verfügbar (nur Abstand Referenz-

Algorithmus)

Beispiel: Exact T offset detection

t1

base line

t2

exact T offsetNewton„s zero point approximation

Gaussian approximation

of terminal T wave

original T wave

exact T offset

1.8*Gaussian approximation

decreasing thresholds

exact T offset

coarse

T offset

decreasing threshold

Ergebnisse Computers in Cardiology Challenge

– a global competition on the development of biosignal processing algorithms:

2001 – First PlacePredicting the onset of cardiac arrhythmias

2004 – First PlacePredicting the termination of cardiac arrhythmias

2006 – First PlaceQT Interval Measurement

2010 - Current challenge –processing biosignals from smart clothes

Zusammenfassung

Mit dem easyG wurde eine Umgebung zur Unterstützung der wichtigsten

Arbeitsschritte bei der EKG-Algorithmus-Entwicklung aufgebaut.

2006 – QT Intervall Messung, 1. Platz in der Kategorie „vollautomatische

Bestimmung“

Standardabweichung zum Median der manuellen Bewertungen = 16,34 ms

Erfolgsfaktoren (für die Computers in Cardiology Challenge)

Infrastruktur (computational power)

Erfahrung (manpower)

Medizinische Bildgebung - Verfahren

Morphologie/Anatomie/Topologie

Röntgen / X-Ray, Radiography

Flurosokopie, Fluoroscopy

CT (Computed Tomography, Computertomograpie)

MRI (Magnetic Resonance Imaging)

Ultraschall / Ultrasound

Funktionelle Methoden

Doppler-Sonographie

fMRI (Magnetic Resonance Imaging)

PET (Positronen Emmissions Tomographie)

SPECT (Single Photon Emission Tomography)

Doppler-Sonographie

NFSI Noninvasive Functional Source Imaging (Inverse Methoden für

EKG, EEG, MKG, MEE)

136

Processing Steps in Image Processing

image

acquisi-

tion

image

transfor-

mation

image

segmen-

tation

feature

selec-

tion

image

classifi-

cation

digitized

image

transformed

image

segmented

image

image

features

biological

object

classified

image

Picture Archiving

Although strictly speaking picture archiving is not a subject of image processing, it is becoming increasingly important, especially in departments of radiology

Since modern radiological equipment yields images in digital form, the time of photographic radiology seems to be coming to an end

This, however, entails the need to store large amounts of digital images.

This has been the trigger for the development of special PACS (Picture Archiving and Communication Systems).

Not only must large numbers of images be stored but they should also be easily and rapidly retrievable.

This implies that archiving makes heavy use of techniques of image compression

PACS

In medical imaging, Picture Archiving and Communication Systems (PACS) are

Computers or networks dedicated to the storage, retrieval, distribution, and presentation

of images.

Types of PACS

Full PACS handle images from various modalities, such as ultrasonography, magnetic resonance imaging, positron emission tomography, computed tomography and radiography (plain X-rays).

Small-scale systems that handle images from a single modality (usually connected to a single acquisition device) are sometimes called mini-PACS.

Uses

PACS replaces hard-copy based means of managing medical images, such as film archives.

It expands on the possibilities of such conventional systems by providing capabilities of off-site viewing and reporting (distance education, tele-diagnosis).

Additionally, it enables practitioners at various physical locations to peruse the same information simultaneously, (teleradiology).

With the decreasing price of digital storage, PACS systems provide a growing cost and space advantage over film archival.

PACS Architecture

Typically a PACS network consists of a central server which stores a database containing the images.

This server is connected to one or more clients via a LAN or a WAN which provide and/or utilize the images.

Client workstations can use local peripherals for

scanning image films into the system

printing image films from the system

interactive display of digital images.

PACS workstations also offer means of manipulating the images (crop, rotate, zoom, brightness, contrast and others).

Modern radiology equipment feeds images directly into PACS in digital form.

For backwards compatibility, most hospital imaging departments and radiology practices employ a film digitizer.

The medical images are stored in an independent format. The most common format for image storage is DICOM (Digital Imaging and Communications in Medicine).

syngo.pdf

Documents

Univ. Doz. DI Dr. techn. Günter Schreier, MScgenome.tugraz.at/MedicalInformatics/MI2009.pdf · Phase Aspekt Zentrale Fragen Regulatorien 1 Technologisch Ist die Idee technisch umsetzbar?