Hoe bepaal je de betrouwbaarheid van postprocessing software van beeldvormende systemen en hoe verbeter je die?

De verschillende beeldvormende modaliteiten implementeren steeds meer postprocessing technieken om de beeldkwaliteit te verbeteren dan wel nieuwe diagnostische informatie te genereren. Het kan hierbij gaan om slimme filtering technieken (spatieel en temporeel) maar ook om technieken waarin de primaire beeldvorming door middel van kunstmatige intelligentie (bv. beamforming in echosystemen) wordt gedaan. Daarnaast zijn er allerlei technieken om nieuwe functionele informatie uit beeldvormende systemen te halen (speckle tracking in echografie, perfusie metingen in MRI etc.). Verder vindt het gebruik van Deformable Image Registration (DIR) steeds meer plaats, b.v. real-time aanpassing van CT-data tijdens een echo-onderzoek abdomen, propagatie van intekeningen, en dosisaccumulatie in radiotherapie.

De volgende aspecten of deelvragen zijn bij dit kennishiaat van belang:

• Welke informatie gaat verloren bij het filteren van data om de beeldkwaliteit te verhogen?
• Met kunstmatige intelligentie gegenereerde beelden kunnen andere informatie verschaffen dan met conventionele technieken gegenereerde beelden. Wat is de meerwaarde van deze nieuwe informatie en welke informatie wordt gemist. Welk effect heeft dit op de diagnose?
• Hoe reproduceerbaar zijn technieken die op geavanceerde wijze functionele informatie uit beelden halen? Zijn deze technieken tussen leveranciers vergelijkbaar?
• Welke DIR deformatie is juist of welke is de meest waarschijnlijke? Welke fout maak je bij de meest optimale en een suboptimale registratie en wat zouden de gevolgen voor de patiënt kunnen zijn?

Onderzoek is nodig om betrouwbaarheid van de beeldinformatie te beoordelen, waardoor de diagnose beter gesteld kan worden. Nieuwe, betrouwbare technieken zijn van groot belang om betere beeldkwaliteit te geven. In geval van stralingstoepassingen is de inzet van deze technieken ook van groot belang om een stralingsreductie te verkrijgen.

Al deze algoritmes zorgen bij elkaar voor minder noodzaak tot extra beeldvorming waardoor zorgproces efficiënter en effectiever wordt. Ook worden hiermee longitudinale studies mogelijk (patiënt beelden volgen in de tijd).