Bild basierte Analysen zur medizinischen Datenevaluation

Eine automatisierte Bewertung von verarbeiteten digitalen Daten ist unverzichtbar für das Testen, Verbesserung und die Kontrolle von vorhergehenden Methoden und um einen Qualitätsstandard der Daten für die weitere Verwendung zu garantieren. Die Wahl des Qualitätsmaßes ist dabei ausschlaggebend für das Ergebnis einer Evaluierung und kann dabei auch die Entwicklung der Methoden beeinflussen. Daher ist es generell wichtig geeignete Qualitätsmaße zu wählen um einen aussagekräftigen Rückschluss zu erlauben und datenbasierte Probleme in der weiteren Verwendung auszuschließen. Die Evaluierung von digitaler Bildqualität ist in vielen angewandten Forschungsfeldern von großer Bedeutung, wie z.B. Bilderfassung, Verarbeitung oder Rekonstruktion. Besonders im medizinischen Bereich ist automatisierte Bildqualitätsmessung von großer Bedeutung um Echtzeitanalysen zu gewährleisten. Subjektive Evaluierung von klinischem Personal ist oft sehr zeitaufwändig und kostspielig. Darüber hinaus treten in manuellen Annotationen für komplizierte medizinische Probleme öfters Inkonsistenzen auf. Daher braucht es automatisierte Bildqualitätsmessung, die schnelle und konsistente Evaluierung erlaubt. Objektive Bildqualitätsmessung, die Beurteilung ohne menschliche Evaluierung, ist sehr wichtig in vielen Anwendungen und basiert auf verfügbaren Vergleichsdaten oder speziellem Vorwissen bzw. Annehmen über bestimmte Datenmerkmale. Die meisten Bildqualitätsmaße im medizinischen Bereich sind für sehr spezifische Anwendungen konzipiert. Allgemeinere Methoden für Alltagsbilder sind leider für medizinische Daten nicht direkt adaptierbar, da diese sehr unterschiedliche Merkmale aufweisen. Bei einigen der oft benutzten Bildqualitätsmaße für die Evaluierung von maschinellem Lernen, ist sogar bekannt, dass wichtige Merkmale in medizinischen Bildern oft unerkannt bleiben. Dennoch werden diese häufig zur Evaluierung verwendet. Ein universell sinnvolles Bildqualitätsmaß, dass z.B. für verschiedene medizinische Fragestellungen angepasst werden kann, wurde noch nicht vorgestellt. Wir wollen daher ein adaptierbares Bildqualitätsmaß entwickeln, dass sinnvoll für verschiedene medizinische Bildmodalitäten verwendet werden kann. Dabei werden wir neue Resultate zu orthogonalen Projektoren für Datenrepräsentation sowie Analysen von medizinischen Bildqualitätsmaßen verbinden. Interdisziplinarität ist sehr wichtig für dieses Projekt; insbesondere eine Brücke zwischen Forschung zu medizinischer Bildverarbeitung, Bildqualitätsmessung und mathematischen Datenrepräsentationen zu schlagen.