Medizinische KI - Durchführung von Computer Vision Projekten im Gesundheitssektor, auch wenn die Daten nicht existieren
Bartosz Silski
Image Processing Engineer
03. May 2022
Computer Vision befindet sich seit vielen Jahren im Mittelpunkt des Interessenbereichs des Gesundheitswesens mit KI. Computer Vision ermöglicht die genaue Segmentierung von Organen, Geweben und von Anomalien. Durch die anschließende Visualisierung erhöht sich der diagnostische Wert der Daten und erleichtert wiederrum viele Bereiche des Gesundheitswesens, wie z. B. die Operationsplanung, die Patientenaufklärung und die Zusammenarbeit.
Computer Vision als Lösung gegen die mühsame Datenbeschaffung
Die Objekterkennung kann zu einer besseren Navigation während des Eingriffs beitragen oder ein Frühwarnsystem bereitstellen, wenn beispielsweise eine Gewebeschädigung festgestellt wird oder bestimmte Bereiche im Operationsgebiet verletzt werden.
Um solche präzisen und erfolgreichen KI-Lösungen zu erstellen, sind Daten und Annotationen in guter Qualität von grundlegender Bedeutung. Die aktuellen Datenschutzbestimmungen machen die Datenbeschaffung jedoch mühsam. Selbst in Bereichen, in denen Daten bequem anonymisiert und alle Patienteninformationen gelöscht werden, können die langwierigen Verfahren zur Genehmigung des Datenzugangs Projekte auf Eis legen.
Simulationen und synthetische Daten als Lösung
Realistische künstliche Daten in digitalen Simulationen erzeugen
In Situationen, in denen Daten knapp oder schwer zu beschaffen sind, nutzt theBlue.ai Simulationen und synthetische Daten als Lösung. Die Möglichkeiten, die die künstliche Datenerstellung und deren Nutzung bieten, sind praktisch unbegrenzt.
Im Gesundheitswesen sind synthetische Daten die Daten, die keine echten Patienten betreffen. Patienten, ihr Aussehen oder ihre Bildgebungsdaten werden nicht erfasst, gespeichert oder in irgendeiner Weise für die Entwicklung von KI-Modellen verwendet. Stattdessen können realistische künstliche Daten in digitalen Simulationen erzeugt werden.
TheBlue.ai erstellte und verwendete synthetische Daten in mehreren Projekten aus dem Bereich des Gesundheitswesens. Eines der einfachsten Szenarien betraf die Erstellung eines Datensatzes zur Erkennung von chirurgischen Markierungen. Solche Markierungen sind wichtig für die Abgrenzung des Operationsgebiets und die Durchführung sicherer Operationen. Das Sammeln von Daten aus dem wirklichen Leben ist zeitaufwändig und bietet nicht immer genügend Varianz, um eine übermäßige Anpassung der Modelle zu verhindern.
TheBlue.ai hat sich dieses Problems angenommen und eine vollständig anpassbare Hauttextur entwickelt, die in Bezug auf Hintergrund, Farbe, Schatten usw. parametrisiert werden kann. Auch die Markierungen wurden mit verschiedenen Pinselparametern randomisiert. Zusätzliches Rauschen, Schatten oder Unschärfe wurden ebenfalls zu den Daten hinzugefügt, um Unzulänglichkeiten der Kameraaufnahmen zu reflektieren.
Unsere Experimente sowohl im Haus als auch im Operationssaal haben eine sehr gute Modellleistung bewiesen. Die möglichen Anwendungsfälle eines solchen Modells gehen jedoch über die einfache Erkennung von Markierungen hinaus. Die Lösung kann als Werkzeug zur Validierung von Markierungen für praktizierende Ärzte oder Krankenschwestern sowie zur Vereinheitlichung von Markierungsverfahren in verschiedenen Krankenhäusern eingesetzt werden.
Abb. 1: Beispiel einer synthetischen Haut mit Kreuzmarkierung
Abb. 2: Eigenes Experiment zur Erkennung von Operationsmarkierungen
Sehr oft gehen die Projektanforderungen über solche einfachen Anwendungen hinaus. Das andere Ende des Komplexitätsspektrums umfasst Szenarien zur Simulation menschlicher Bewegungen oder menschlicher Interaktionen. Solche Simulationen können als Eingangsdaten für die Verhaltensüberwachung oder die Erkennung bestimmter Ereignisse verwendet werden. Mit einer kontrollierten synthetischen Umgebung können mehr Datendarstellungen als nur Farbbilder erstellt werden. Es können Tiefenkarten oder Punktwolken erzeugt werden, die unser Verständnis der Szene weiter verbessern.
In einem kürzlich durchgeführten Projekt konzentrierte sich theBlue.ai auf die Erkennung von Bewegungen auf die Grundlage umfangreicher 3D-Daten und erweiterte diese Funktionalität auf die Erkennung von unerwünschten Ereignissen in Krankenhäusern wie verdächtiges Verhalten von Patienten, Stürze oder Krampfanfälle.
Auch hier sind reale Daten, die solche Ereignisse darstellen, rar oder schwer zu beschaffen. TheBlue.ai hat eine synthetische Umgebung geschaffen, in der spezifische Bewegungen definiert werden können. Eine solche Umgebung ermöglicht die Einführung einer großen Varianz der menschlichen Posen, den Export verschiedener Datendarstellungen, die Randomisierung der Anzahl der Personen in der Szene, die Nähe der Personen und vieles mehr.
Um die Lücke zwischen den Daten der virtuellen und der natürlichen Welt zu schließen, kümmert sich theBlue.ai nicht nur um die Zufallsauswahl der simulierten Menschen, sondern auch um die Szenerie. Die Lichtverhältnisse, Objekte in der Szene, ihre Anzahl, Position, Textur oder Farbe werden angepasst, um die KI-Modelle zu zwingen, die Vielfalt der realen Welt noch besser zu erfassen.
Abb. 4: Aus dem Bewegungssimulator generierte Punktwolke
Abb. 5: Automatische Beschriftung der synthetischen Daten mit der menschlichen Körperhaltung
