Computational signal analysis methods for information extraction with applications in biomedicine

Abstract

Η παρούσα διδακτορική διατριβή διερευνά πρωτότυπες υπολογιστικές προσεγγίσεις ανάλυσης σημάτων και εξόρυξης πληροφορίας. Λαμβάνοντας υπόψη τις επιστημονικές προκλήσεις για την ανάπτυξη καινοτόμων λύσεων με ευρύ κοινωνικό αντίκτυπο, διερευνά διάφορες εφαρμογές στη βιοϊατρική. Αναπτύχθηκε μια πρωτότυπη μεθοδολογία βασισμένη στην ασαφή λογική, η οποία καλείται μέθοδος των Ασαφών Φράσεων (Fuzzy Phrases). Η μεθοδολογία αυτή εκφράζει τα σήματα ή τις χαρακτηριστικές αναπαραστάσεις τους με σύνολα λέξεων. Κάθε λέξη αναπαρίσταται από ένα ασαφές σύνολο. Οι λέξεις σχηματίζουν φράσεις, που λαμβάνονται από τη συνάθροιση των ασαφών συνόλων και αναπαριστούν το περιεχόμενο των σημάτων. Πειράματα σε δημοσίως διαθέσιμα δεδομένα έδειξαν ότι υπερτερεί σε αποτελεσματικότητα άλλων σύγχρονων συναφών προσεγγίσεων. Πλεονεκτήματα της συγκεκριμένης μεθόδου αποτελούν η διαισθητικότητα και η ανοχή στην αβεβαιότητα που προέρχεται από την ανακρίβεια ή την απώλεια πληροφορίας. Η διδακτορική διατριβή εστιάζει στην ανάλυση εικόνων που λαμβάνονται στο πλαίσιο ενδοσκοπικών εξετάσεων του γαστρεντερικού συστήματος με τη χρήση ασύρματης κάμερας. Η ενδοσκόπηση με χρήση ασύρματης κάμερας (Wireless Capsule Endoscopy ή WCE) έχει καθιερωθεί ως ένας τρόπος για την μελέτη και διάγνωση παθολογικών καταστάσεων του γαστρεντερικού συστήματος. Πραγματοποιείται με την κατάποση κάμερας στο μέγεθος ενός χαπιού βιταμίνης και αποτελεί μια μη-επεμβατική διαδικασία εξέτασης. Κατά τη διάρκεια μιας εξέτασης η ασύρματη κάμερα επιστρέφει χιλιάδες εικόνες για κάθε ασθενή. Ένα από τα σημαντικότερα προβλήματα αυτής της εξέτασης είναι ο μεγάλος όγκος των προσλαμβανομένων εικόνων τα οποία συνιστούν χιλιάδες έγχρωμες εικόνες (> 100.000 εικόνες ανά ασθενή). Η λήψη αποφάσεων σχετικά με την υγεία ενός ασθενούς απαιτεί την εξέταση αυτού του μεγάλου αριθμού συλλεγμένων εικόνων από εξειδικευμένο ιατρικό προσωπικό. Συνήθως, οι εξεταστές αγγίζουν τα ανθρώπινα όριά τους προσπαθώντας να διατηρήσουν την συγκέντρωση τους αδιάκοπη, προκειμένου να εξετάσουν αυτό το μεγάλο αριθμό εικόνων μέσα σε 60-90 λεπτά κατά μέσο όρο. Αυτό εξηγεί γιατί η εξέταση αυτή είναι επιρρεπής σε ανθρώπινα σφάλματα και έχει χαμηλή διαγνωστική ακρίβεια. Αναγνωρίζοντας τη σημαντικότητα αυτού του προβλήματος, διερευνώνται μέθοδοι ανάλυσης εικόνων για την εξόρυξη πληροφοριών προς την κλινική διάγνωση παθολογικών καταστάσεων. Σκοπός αυτών των μεθόδων είναι η αξιοποίησή τους στο πλαίσιο συστημάτων υποστήριξης ιατρικών αποφάσεων με στόχο κυρίως τη μείωση της ανθρώπινης προσπάθειας και την παροχή μιας δεύτερης γνώμης ως προς το υπό εξέταση ιατρικό πρόβλημα. Από την ενδελεχή έρευνα της βιβλιογραφίας, μελετήθηκαν μέθοδοι αιχμής επεξεργασίας και ανάλυσης εικόνων. Μια από τις συνεισφορές ήταν και η λεπτομερής καταγραφή της βιβλιογραφίας για τις τεχνολογικές εξελίξεις στον τομέα της ενδοσκόπησης με κάψουλα την πενταετία 2013-2018 και η δημοσίευση της. Αναπτύχθηκαν καθοδηγούμενες μέθοδοι ταξινόμησης (supervised classification) που απαιτούν μόνο ασθενή επισημείωση (weak annotation) των εικόνων από τους ειδικούς, δηλαδή μόνο την ένδειξη αν στην εικόνα περιέχεται ανωμαλία. Τα πειραματικά αποτελέσματα κατέστησαν τις μεθόδους κατάλληλες για την εύρεση εικόνων με παθολογικό περιεχόμενο. Ακολούθως δημιουργήθηκαν αλγόριθμοι για τον εντοπισμό παθολογικών περιοχών/ανωμαλιών εντός των εικόνων αυτών. Καθώς τα αποτελέσματα από τις ασθενώς καθοδηγούμενες προσεγγίσεις για την ταξινόμηση εικόνων, σε παθολογικές ή μη εικόνες, ήταν ενθαρρυντικά, έδωσαν βήμα για τη σημασιολογική ερμηνεία του συνόλου του περιεχομένου των εικόνων χρησιμοποιώντας πολλαπλές κατηγορίες (multi-label weakly supervised methods). Η προσπάθεια για ερμηνεία ολόκληρου του περιεχομένου των ενδοσκοπικών εικόνων αποδείχθηκε βάσιμη, καθώς τα αποτελέσματα για την ταξινόμηση των εικόνων και την εύρεση των παθολογιών βελτιώθηκαν ακόμα περισσότερο συγκριτικά με την προηγούμενη προσέγγιση. Ένα σημαντικό κομμάτι στην ανάλυση μεγάλου πλήθους εικόνων αποτελεί ο εντοπισμός σημείων ενδιαφέροντος και εξαγωγής χαρακτηριστικών από τις περιοχές που επιλέχθηκαν αυτά τα σημεία. Η ανάπτυξη των μεθόδων αυτών έχει ως αποτέλεσμα τον περιορισμό της δειγματοληψίας των εικόνων, μόνο στα σημεία αυτά, και κατά συνέπεια την απλοποίηση του υπολογιστικού κόστους για την ανάλυση των δειγμάτων. Για το σκοπό αυτό κατά τη διδακτορική αυτή έρευνα μελετήθηκαν οι προτεινόμενοι από τη βιβλιογραφία αλγόριθμοι για τον εντοπισμό σημείων ενδιαφέροντος σε εικόνες και προτάθηκε ένα νέος αλγόριθμος εντοπισμού σημείων για ενδοσκοπικές εικόνες. Ο προτεινόμενος αλγόριθμος βασίστηκε στα ιδιαίτερα χρωματικά χαρακτηριστικά των εικόνων. Τα πειραματικά αποτελέσματα ήταν ικανοποιητικά αναφορικά με τον εντοπισμό σημείων εντός παθολογικών περιοχών, ενώ είναι σημαντική η παρατήρηση πώς δεν απαιτήθηκε κάποια μορφή εκπαίδευσης ώστε ο αλγόριθμος να εντοπίζει σημεία. Το έργο που παρουσιάστηκε στην παρούσα διατριβή παρέχει τις βάσεις για περαιτέρω έρευνα στα αντικείμενα που μελετήθηκαν. Ειδικότερα στο πλαίσιο της ενδοσκοπίας με κάψουλα, συνεισέφερε μεθόδους που μπορούν να χρησιμοποιηθούν στην πράξη από τους γιατρούς για την ανίχνευση διαφόρων γαστρεντερικών ανωμαλιών σε ενδοσκοπικές εικόνες.