Digital Image Processing in Medicine: Proceedings, Hamburg, October 5, 1981

در پزشکی تشخیصی، بخش بزرگی از اطلاعات مربوط به بیمار از داده‌ها استخراج می‌شود که کم و بیش به شکل تصویری نوری نشان داده می‌شوند. طیف بسیار گسترده ای از داده ها وجود دارد، به عنوان مثال. ظاهر بیمار، انواع مختلف تصاویر رادیولوژیکی یا تصاویر سیتولوژیک. در تشخیص‌های مرسوم، داده‌ها، همانطور که از دستگاه اکتساب می‌آیند، توسط پزشک درک می‌شوند و با کمک مقدار زیادی از دانش «پیشینی» تفسیر می‌شوند تا یافته‌های تشخیصی ارائه کنند. در طول 15 سال گذشته، تعداد تلاش‌ها برای پشتیبانی از این فرآیندها با استفاده از رایانه‌ها به طور پیوسته در حال افزایش است. تلاش ها عمدتاً بر روی سه هدف متمرکز می شوند: 1. پشتیبانی از فرآیند ادراک با تولید انواع بهتر یا جدید تصاویر، به عنوان مثال. توسط توموگرافی کامپیوتری یا آنژیو گرافی کامپیوتری (پردازش تصویر). 2. اتوماسیون فرآیند تفسیر، به عنوان مثال. برای تفاوت سلول های خونی (تشخیص الگو). 3. مدیریت افزایش شدید داده های تصویر پزشکی در بیمارستان (پایگاه های داده تصویر). اگر چه کاربردهای اولیه روش های دیجیتال با هدف دوم. . هدف، در سال های گذشته موفقیت های بسیار بیشتری در پشتیبانی از فرآیند ادراک با روش های پردازش تصویر حاصل شده است. دلیل این امر واضح است - در مورد تفسیر خودکار، دانش پیشینی پزشک باید رسمی شود.

In diagnostic medicine a large part of information about the patient is drawn from data, which, more or less, are represented in an opti­ calor pictorial form. There is a very wide range of such data as e.g. the patients appearance, the various kinds of radiological images, or cytological imagery. In conventional diagnostics the data, as it comes from the acquisition device, is perceived by the physician and is interpreted with the help of a large amount of "a priori" knowledge to give a diagnostic finding. During the last 15 years a steadily rising number of attempts have been made to support these processes by the application of com­ puters. The attempts mainly concentrate on three objectives: 1. Support of the perception process by the production of better or new types of images, e.g. by Computer tomography or Computer angio­ graphy (image processing) . 2. Automation of the interpretation process, e.g. for bloodcell dif­ ferentiation (pattern recognition) . 3. Management of the steeply rising amount of medical image data in the hospital (image data bases) . Although the early applications of digital methods aimed at the second . . objective, in the last years much more success has been a achieved in the support of the perception process by methods of image process­ ing. The reason for this is obvious - in the case of automatic interpre­ tation the a priori knowledge of the physician has to be formalized.