Wissensbasierte Bilddeutung in der Medizin am Beispiel des CYCLOPS-Systems

Die Bedeutung von Bildern und Bildsequenzen wird in einem Gegenstandsbereich ermittelt. Um dies vornehmen zu konnen, mus man wissen, wie diese Gegenstande „aussehen“, d. h. man mus beschreiben konnen, wie sich die Objekte bildhaft darstellen. Derartige Beschreibungen sind oft, vor allem in der Medizin, nicht exakt, weil man stets nur Eigenschaften von Klassen solcher Objekte beschreibt. Man bedient sich dabei der sogenannten hoherwertigen Strukturen und nutzt aus, das diese eben eben nicht formal exakt definiert sind. Im hier behandelten CYCLOPS-System wird folgerichtig vom Anspruch, alle Bilder vollautomatisch deuten zu wollen, abgegangen. CYCLOPS dient vielmehr als Assistenzsystem, das den Benutzer bei der Deutung von Bildern unterstutzt. Insbesondere sollen bei einer grosen Anzahl von Bildern moglichst viele uninteressante Bilder eliminiert werden und bei den Verbleibenden das Interesse des Benutzers auf gewisse, relevante Bildteile gelenkt werden. Damit wird eine vollautomatische Bilddeutung zwar nicht vollig aufgegeben, aber zunachst steht doch der Hilfecharakter im Vordergrund. Das CYCLOPS-Projekt kann als ein Ansatz verstanden werden, Bilddeutung in mathematisch nicht eindeutig beschreibbaren komplexen Domanen automatisch zu unterstutzen. Der Assistenzcharakter des Systems ist hier ein wesentlicher Aspekt, weil er die adaquate Einbeziehung menschlicher Kompetenz erlaubt. Ein weiteres Merkmal ist die Kombination wissensbasierter, konnektionistischer und algorithmischer Methoden, wobei sich die Wissensinhalte auch auf die Algorithmen selbst beziehen.