Related posts:

1. Medikal Görüntü Sıkıştırma, DICOM ve PACS Medikal görüntüyü sıkıştırmanın sebebi nedir? Sıkıştırılan bir medikal görüntünün boyutu...
2. PMM – PACS Maturity Model – PACS Olgunluk Modeli – III PACS Maturity Model – PACS Olgunluk Modeli hakkındaki bu üçüncü...
3. PMM – PACS Maturity Model – PACS Olgunluk Modeli – IV PACS Maturity Model – PACS Olgunluk Modeli hakkındaki bu son...

Related posts brought to you by Yet Another Related Posts Plugin.

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Kerem Caliskan

Abstract

History of Computer Animation

• 1887: Goodwin invented nitrate celluloid film

• 1892: Reynard invented the Praxinoscope

• 1893: Edison invented the Kinetscope

– Only one viewer at a time

• 1894: Lumiere invented the cinematograph

– Camera + Projector + Printer

• 1900: THE ENCHANTED DRAWING

– Live action films + replacement technique

• 1906: HUMOROUS PHASES OF FUNNY FACES

– The first animation recorded frame by frame

• 1925: “The Adventures of Prince Achmed”

– Lotte Reiniger, 1st feature animation

– Silhouette animation

• 1885: CRT (Cathode Ray Tube)

• 1960: William F. Boeing coins “Computer Graphics”

• 1961: John Whitney, Intro to Alfred Hitchcock’s Vertigo

• 1961: Spacewars, 1st video game

• 1963: Ivan Sutherland, Sketchpad

• 1974: z-buffer, Ed Catmull

• 1975: Phong shading

• 1980: Tron, 1st feature film by CG

• 1986: Luxo Jr. nominated for Oscar

• 1995: Toy Story, 1st full CG feature film

•2009: Avatar, 3D Computer Animation + Computer Vision

Technical Prelimininaries & Introduction to Keyframing

Rendering Pipeline :

• All vertices of scene in shared 3-D “world” coordinate system.
• Vertices shaded according to lighting model
• Scene vertices in 3-D “view” or “camera” coordinate system.
• Exactly those vertices & portions of polygons in view frustum.

Ray Casting Display Pipeline :

• Animation is typically produced by the following:

–         Transforming the observer position and orientation in world space over time.

–         Modifying the position and orientation of objects in world space over time.

–         Modifying  the shape of objects over time.

–         Modifying display attributes of objects over time.

Transformations :

–         In many applications it is necessary to modify the position, orientation or size of a 2D object.

–         The most widely used transformations are:

• Translation: move one object to another position
• Rotation: rotate the object around the origin
• Scaling: change the size of the object

In order to transform an object, we transform the points that define it.  For instance:

• Polygon: its vertices.
• Circle: its center and, perhaps, its radius

Translation: Can be expressed as components or as addition of column vectors

Rotation around axes : A point is rotated around the origin. Rotation is through an angle q.

Rotating around X Axis :

Scaling : Changing the size of an object.

Composition of transformations:

A series of transformations can be multiplied to form a composite transformation.

Example: Rotate an object around an arbitrary point.

1. Translate P so that the axis is at the origin
2. Rotate the object
3. Translate the object so that P returns to its position

Round-off Errors :

Orientation Representation

Important factor for representation is that whether it allows for interpolation between key frames or not.

• Transformation Matrix Representation :

• Fixed Angle Representation : Rotate around global axes.

• Euler Angle Representation : Rotate around local axes.

• Angle and axis Representation:

• Quaternion Representation :

Representing rotation using quaternions :

Basic Quaternion Math: [s1,v1]+[s2,v2] = [s1+s2,v1+v2]

Interpolation of Rotations using  Quaternion Representation :

Interpolation

Interpolation can be explained as generating the in-between values (like connecting the dots) You should maintain desired control of the interpolation over time and velocity.

Interpolate position of a point in space.

• We can interpolate any changeable value like:

– position

– orientation

– Color (sunrise)

– Intensity (dimmed lights)

– camera focal length (zoom)

• Non-trivial -

– appropriate parameterization of position,

– appropriate interpolating function,

Interpolation function :

How smooth the resulting function needs to be (i.e. continuity),

• Computational expense – order of interpolating polynomial

• Local or global control of the interpolating function

Interpolation vs Approximation

• Actual values at key frames (interpolation)

Or

• Control interpolating function and do not represent actual values (approximation).

Spline eqations:

Cubic curve equations :

• General form: x(u) = U* Ms * Mg

• Ms: spline transformation (blending functions)

Mg: geometric constraints (control points)

Natural Cubic Splines:

To calculate a hermite curve you need the following vectors:

• P1: the start point of the curve
• T1: the tangent (e.g. direction and speed) to how the curve leaves the start point
• P2: he endpoint of the curve
• T2: the tangent (e.g. direction and speed) to how the curves meets the endpoint

Catmull-Rom Splines :

Catmull-Rom splines are a family of cubic interpolating splines formulated such that the tangent at each point pi is calculated using the previous and next point on the spline, _ (pi+1 −pi−1). The geometry matrix is given by:

Unlike a natural cubic spline, a Catmull-Rom spline has local control. This means that modifying one control point only affects the part of the curve near that control point.

Bezier Curves :

Properties of Bezier Curves:

• Passes through start and end points

• Lies in the convex hull

Joining Bezier Curves:

• Start and end points are same (C0)

• Choose adjacent points to start and end in the same

line (C1)

C2 continuity is not generally used in cubic Bézier

curves. Because the information of the current

segment will fix the first three points of the next curve

segment

Controlling the speed:

• Using an interpolating piecewise spline determine the piecewise P(u) equations between control points

• Determine the arc-length of the segments by sampling u

• Compute the average velocity of the object between intervals by arc-length/time

• Move at constant speeds (average velocity) between intervals.

Path following:

• Apart from the position of the object, the orientation of the object also has to be considered.

Frenet frame:

If an object is moving along a path, the orientation can be made directly dependent on the properties of the curve (i.e., tangent and curvature).

Animation languages:

• Abilities:

– I/O operations for graphical objects

– Support hierarchical composition of objects

– A time variable

-  Interpolation functions

– Transformations

– Rendering-parameters

– Camera attributes

– Producing, viewing, and storing of one of more frames of animation

• A program written in an animation language is

referred to as a script.

Shape Deformation Forward  / Inverse Kinematics

Warping an Object

• Displace one vertex of an object

– And as a consequence make neighbor vertices move with the displaced vertex

• Use an attenuation function to determine the amount of displacement for the other vertices:

2D Grid Deformation

• 1974 film “Hunger”
• Draw object on grid
• Deform grid points
• Use bilinear interpolation to recompute vertex positions on deformed grid

• Initially construct a 2D grid around the object as a local coordinate system aligned with the global axes

– Global to local transformation can be done by simple translate and scale

• Then distort the grid by moving the vertices of the grid.

– This will distort the local coordinate system and hence the vertices of the object will be relocated in the global coordinate system

The location of the vertex is found using bilinear interpolation, first interpolate two vertices and then the other two vertices and again interpolate between these found points to find the vertices in between.

Global deformations

• Alan Barr, SIGGRAPH ’84
• A 3×3 transformation matrix affects all vertices

–         P’=M(P) .dot. P

• M(P) can taper, twist, bend…

Global tapering:

Twist about an axis:

Free-form Deformation (FFD)

• Sederberg, SIGGRAPH ’86
• Position geometric object in local coordinate space
• Build local coordinate representation
• Deform local coordinate space and thus deform geometry
• Similar to 2-D grid deformation
• Define 3-D lattice surrounding geometry
• Move grid points of lattice and deform geometry accordingly
• Local coordinate system is initially defined by three (perhaps non orthogonal) vectors

Animation using FFDs:

Hierarchical Kinematic Modeling

Some definitions

• Articulated objects: Hierarchical objects connected end to end to form multi body jointed chains

– Manipulators: A sequence of objects connected in a

chain by joints. Example: robot arm

• The rigid objects between joints are called links.

The last link in a series of links is called the end

effector (e.g. the hand of a robot arm)

• The local coordinate system associated with

each joint is referred to as the frame.

• Kinematics: Studying the movement of objects without considering the forces involved in producing the movement.

• Dynamics: Studying the underlying forces that produce the movement.

• Hierarchical modeling: Organizing objects in a treelike structure and specifying movement parameters between their components.

Simple vs. Complex Joints

• Joints that allow motion in one directions have one degree of freedom.

• Complex joints have more degrees of freedom and they can be represented as a series simple joints connected to each other by zero length links.

– Examples:

• Ball-and-socket joint (3 DOF)

• Planar joint (2 DOF)

Hierarchical Models

• Represented as trees and nodes are connected by arcs.

• The highest node of the tree is called the root node which corresponds to the root object whose position is known in the global coordinate system.

• The position of an intermediate node in the tree can be found by position of the root node and the transformations on the path from root to that node.

• Nodes represent object parts (i.e., links)

• Arcs represent joints

Information stored in nodes and arcs :

Positions of vertices

• Are found by traversing the tree from top to bottom and concatenating the transformations at the joints.

Rotations at the joints and appendages:

Forward Kinematics

Local Coordinate Frames

• Denavit-Hartenberg Notation from robotics .

Relating two successive frames :

Inverse Kinematics

Analytic computation for simple cases is possible

The Jacobian

• In many complex joints however, such analytic solutions are not possible.

• Therefore we use the Jacobian matrix to find the correct joint angle increments that will lead us to the final end effectors configuration

• The Jacobian matrix is a matrix of partial derivatives

– Each entry shows how much the change in an input parameter effects an output parameter

Computing the Jacobian:

Rigid Body Simulation

• Reaction of rigid bodies to forces such as:

– Gravity

– Viscosity

– Friction

– Forces from collisions

–Wind

• When applied to objects, these forces induce linear and angular accelerations

Rigid Body Simulation Cycle

The difference from standard physics is that in computer animation the motion of objects at discrete times steps is studied along with significant events and their aftermath.

Acceleration

• In real life, the forces change as the rigid body changes its position, orientation, and velocity over the time.

• It is not the best approach to use the acceleration at

the beginning of the time interval to compute the

velocity at the end (known as Euler integration)

RK2 Method

First compute the derivative of y(t) at to (which we call k1). We use k1 to get an initial estimate for y(to+h) labelled y*(to+h) . From y*(to+h) we can get an estimate for the derivative of y(t) at to+h, which we will call k2. We then use the average of these two derivatives, k3, to arrive at our final estimate of y(to+h) labelled y*’(to+h).

Rotational Motion

• For non-point objects, the mass extent of the object should be considered.

• Angular velocity: The rate at which the object is rotating irrespective of its linear velocity.

– the direction of the vector gives the axis of orientation

– the magnitude gives the revolutions per unit time

Linear Velocity of a Rotating Point

Center of Mass

• If mass values are provided on some discrete points on the object (i.e. vertices), the total mass and the center of mass is given byLinear force F = m . a

Rigid Body Dynamics Controlling Groups of objects

Bodies in Contact

• Collision

– Both kinematic and dynamic components

• Kinematic: Do determine whether two objects

collide or not. Only dependent on the position and orientations of the objects and how they change over time.

• Dynamic: What happens after collision, what forces are exchanged, how do they affect objects’ motions.

Collision handling

• Kinematic response

• Take actions after the collision occurs (the penalty method).

• Back up time to the first instant the collision occurs and determine the appropriate response.

Kinematic Response

• Particle-Plane collision

Particle’s position is computed at every time step (particle is moving at a constant speed)

when we understand that the particle has collided with the plane in the time interval ti-1 and ti.

When collision is detected, the component of the velocity vector in the normal direction is negated by subtracting it twice from the original velocity vector.

• To model the loss of energy during collision a damping factor 0<k<1 is multiplied with the normal component when it is subtracted the second time.

The Penalty Method

• A point is penalized for penetrating another object

Penalty Spring

The spring produces an upward acceleration with a = – kd/m

Difficult to determine the mass and the spring constants that will produce a realistic effect

Testing Collisions Between Planar Polyhedra

• Bounding box tests

– If they indicate a collision then more elaborate tests may be performed to make sure that the collision exists

• Convex polyhedra – point test

– The point should be on the same side (inside) for all the polygons that make up the polyhedra

• Concave polyheadra – point test

– Even-odd rule may be used to count the intersections of a ray emanating from the point to an arbitrary direction with the polygon faces

• if its odd à point inside the polyhedra

• if its even à point outside the polyhedra

Point test may not be conclusive and it may need to test the edges as well.

The normal that defines the plane of intersection is used to calculate the response

– point-face penetration

• The normal of the face is used

– Edge-edge intersection

• Cross product of the edges is used as the normal

Backing Up Time

• Can be computationally expensive when too many collisions occur

• Time is backed up to the point of impact, an impulse force is computed, and the time is moved forward again

• The exact collision time can be found by binary search by setting L=ti-1 and U=ti and searching between L and U, dividing the interval by half each time.

The point of collision can also be found by assuming a linear path, constant-velocity motion. This provides an approximation.

Computing the impulse force

The normal to the surface of contact, n, is determined. The relative positions of the contact points with respect to the center of masses are computed.

The relative velocity of the contact points in the direction of the normal, n, is computed

Enforcing constraints

• Enforcing constraints to physically based animations can be done by introducing additional forces in the system, such as:

– Springs

– Internal energy constraints (such as distance of vertices from the center of mass)

• Constraints can be hard or soft constraints.

Controlling group of objects

Particle systems – Flock behavior – Autonomous behavior

Particle Systems

Some common assumptions due to large number of particles

– Particles do not collide with other particles

– Particles do not cast shadows, except in an aggregate sense

– Particles only cast shadows on the rest of the environment, not on each other

– Particles do not reflect light, they are each modeled as light emitting objects

A frame of a particle system

• Any new particles that are born during this frame are generated, each new particle is assigned attributes.

• Any particles that have exceeded their allocated life span are terminated.

• The reaming particles are animated and their shading parameters changed according to the controlling processes then the particles are rendered.

Life of a particle :

Particle Generation

• A random number of particles around an average can be generated.

• Similar number of particles should be terminated to ensure constant number of particles at each frame.

Attributes of Particles

• Position

• Velocity

• Shape Parameters

• Color

• Transparency

• Lifetime (in number of frames)

Particle Animation

• Effect of forces modeled on the environment is computed as acceleration on the particle

– Gravity, wind, force fields, collisions with environment objects

• Acceleration is used to update the particle’s velocity

• Average velocity is used to update the position

• Shape can be a function of velocity

– An ellipse that elongates with respect to velocity

Flock Behavior

• Local perception and behavior of bodies (i.e. flock members)

– Limited intelligence and simple physics

• Emergent behavior

– Flying in a diamond shape or V shape

– Splitting, merging

Two main forces to keep a collection of objects behaving like a flock

– Collision avoidance

• With the environment

• With other members

– Flock centering

• Can be achieved using localized control

Local control

Computationally desirable

• More realistic

• Three processes modeled in local control

– Physics

– Perception

– Reasoning and reaction

• Negotiates among the various demands due to perception

• Collision avoidance

• Flock centering

• Velocity matching

Interacting with other flock members

• Attractive force

– To move with the flock

• Repulsive force

– A shorter range force for not to collide with neighbors

Flock Leader

In real life leaders change periodically

– The wind resistance is strongest for the leader of a flying flock of birds.

• But in animation, it may be easier to have one designated leader whose motion is scripted along a path.

Negotiating the Motion

• Three low-level controllers

– Collision avoidance

– Velocity matching

– Flock centering

• A priority based weighting scheme can be used to combine the individual requests from the low level controllers.

Collision avoidance :

Using a force field to direct flock members away from an obstacle.

Problems with Force Field Technique

Modeling Flight :

Rotation types of flight            Forces of flight

Lifting forces :

Important Points on Modeling Flight

• Turning is effected by horizontal lift

• Increasing pitch increases drag

• Increasing speed increases lift

Autonomous Behavior

Natural Phenomena

Modeling the plants & clouds.

Using fractals seems to appropriate to model plants, because of observed self-similarity at various levels

• But how to define the fractal? What about the stochastic behavior?

Animation

• In addition to rendering static plants we should also think about the motion to animate:

– Motion due to environmental conditions such as wind

– Plant growth

L-System

• Introduced and developed in 1968 by the Hungarian theoretical biologist and botanist Aristid Lindenmayer

• Formal Grammar consisting of a set of production rules.

• Famously used to model the growth processes of plant development.

• Can be used to generate self-similar fractals

• A procedural technique to model objects

D0L system

• A deterministic and context-free L-System

– Implies each non-terminal has a single grammar rule associated with it.

– And the left part of a grammar rule consists of a single non-terminal (i.e., no-context information)

Geometric Interpretation of L-Systems

• Geometric Replacement:

– Replace each symbol with a geometric element.

Turtle Graphics :

• Replace each symbol with a drawing command.

• Given the initial state of the cursor and the linear and rotational step sizes, a string can be used to draw a shape .

• The state of the cursor at any point can be given by the current position and heading of the cursor .

Linearity problem :

• With only the four commands of draw / move / turn_left / turn_right one can only generate linear shapes.

• Bracketed L -systems are introduced to provide branching

• In the generation rules, a left branch indicates to push the current state on the stack and a right branch indicates a popping of the state from the stack and setting it as the current state.

• The stack structures provides unlimited branching

Bracketed L-Systems

Bracketed L -systems are introduced to provide branching

Non deterministic  & Stochastic

• In the generation rules, a left branch indicates to push the current state on the stack and a right branch indicates a popping of the state from the stack and setting it as the current state.

• The stack structures provides unlimited branching

Animating Plant Growth

• Changes in topology during growth.

• Elongation of existing structures.

• Elongation of structures may be animated by small linear step size and using rules such as F à FF

• Changes in topology is animated by the bracketing mechanism.

– However, we should not scan and render the final

generated string left to right, the rendering should be

done as we proceed

Parametric L-Systems

• Symbols may have one or more parameters associated with them

– We can specify different linear, angular step sizes.

Realistic Modeling of Clouds

Visual Characteristics of Clouds

• Clouds have volumetrically varying amorphous structure with detail at may different scales.

• Cloud formation often results from swirling, bubbling, and turbulent processes.

• Clouds have several illumination and shading characteristics.

Volumetric Cloud Modeling

• Two level hierarchy:

– Implicit volumes to represent to global structure of the cloud (the cloud macrostructure)

• Modeled by implicit functions (such as spheres)

– Procedural methods to define turbulent, noise characteristics at a smaller scale (the cloud microstructure)

• Modeled by turbulent volume densities

Volumetric Cloud Modeling

• The macro and micro models are combined to define a volumetric density function (vdf) over a 3D volumetric space

• The densities of the implicit volumes can be combined by using a cubic blending function and a weighted sum

• To combine the densities from implicit primitives with the turbulence-based densities a user specified blend percentage can be used (60% to 80% gives good results).

Modeling and Animating Articulated Figures: Modeling the Arm, Walking Facial Animation

Terms Related to Human Body Animation

• Sagittal plane :Perpendicular to the ground and divides the body into right and left halves.

• Coronal plane: Perpendicular to the ground and divides the body into front and back halves.

• Transverse plane : Parallel to the ground and divides the body into top and bottom halves.

• Distal : Away from the attachment of the limb.

• Proximal: Toward the attachment of the limb.

• Flexion: Movement of the joint that decreases the angle between two bones.

• Extension: Movement of the joint that increases the angle between two bones.

Challenges in Human Modeling

• Human figure is a very familiar form

• Human form is very complex

– About 200 degrees of freedom

– Some of the parts are deformable

• Humanlike motion is not computationally well defined

– There is no one definitive motion that is humanlike

– Different characteristics for different people

Modeling the Arm: Reaching and Grasping

• To simplify the modeling process, it is usually assumed that the arm operates independently from the other body parts.

– not realistic

– to provide realism one can add additional joints in a preprocessing step and position the body and make it ready for the independently considered arm motion.

Basic Arm Model

7 DOF

Sometimes the forearm is modeled differently. Because in reality the forearm rotation is not associated with a localized joint.

– The two forearm bones rotate around each other.

– We can associate this rotation with the elbow or the wrist, or sometimes a virtual joint in the middle is used to handle forearm rotation

• In reality each joint has specific limits

– Example: the elbow flexes at most to 20 degrees and extends to 160 degrees

• Some of these limits depend on the situation

• Some of these limits depend on the situation

– Example: It is difficult to fully extend the knee when one is bending at the hip.

Inverse Kinematics

• The Jacobian technique can be used and the solution can be biased towards desired joint angles.

• To produce more humanlike motion the Jacobian can be replaced by a procedural approach

– The joints farther away from the hand has more effect on the position of the hand

– The joints closer to the hand are used to perform fine orientation changes

Alternatively, the user can specify the plane between shoulder, elbow, and the wrist

Shoulder can be modeled as a ball joint or 3 separate joints of 1 DOF.

Reaching around obstacles

• The volume of space swept by the limb should not intersect with the obstacles in a scene

• Several path planning algorithms have been developed

We can use a gradient of Genetic algorithm approach to move the end effectors towards the goal .

Strength

• Strength may be incorporated into the motion planning of the arm

• For underconstrained problems (i.e., problems with many solutions), the solution space can be searched for the configurations which places least amount of strain on the figure.

– Strain can be computed by computing the torque at each joint.

– Comfort is defined as the ratio of the currently requested torque and the maximum possible torque.

Walking

• It is a cyclic motion

– Acyclic components

• Turning, tripping

• Responsible for transportation of the body and maintaining balance

• Dynamics is more important in walking

• Walking is dynamically stable, but it is not statically stable

– E.g., When a body freezes in the middle of the walk, it may fall on the ground

• Experimentally gathered data or a set of adjustable control parameters are used.

– Example parameters:

• Stride length

• Hip rotation

• Foot placement

• State transition diagrams are used to specify the walking process

• Kinematics can be used for the general walking motion and forces may be computed to determine the motion of the upper body

Walk Cycle :

Running Cycle :

Pelvic transport rotation and tilt

Knee Flexion

• Bending at the knee joint prevents the leg to penetrate the floor during pelvic tilt.

• It also helps to absorb shock

Ankle and Toe Joints

• Ankle and toe joints help flatten out the rotation of the pelvis above the foot as well as to absorb some shock.

Specifying a new walk

• The animator specifies the kinematic values for pelvic movement, foot placement, and foot trajectories. The rest is determined by inverse kinematics.

Dynamics

• Dynamic models may help produce more realistic motion.

– However, the animator looses control over some parameters

• Simplifications

– Some dynamics effects are ignored, such as the effect of the swing leg on balance

– Forces are considered constant over some time interval

– Leg model is simplified (to a small DOF)

– Several components (e.g. horizontal and vertical) are computed separately and combined .

Facial Animation

• Face is a deformable object.

• Lip-synching

– Animation of the movement of the lips, the muscle deformation of the tongue, the articulation of the jaw, and the deformation of the surrounding face during speech

• Cartoon animation

• Realistic character animation

Facial Models

• Acquisition of the geometry of the head

• Acquisition of the motion

– How does the geometry change

• Face geometry

– Polygon models

– Splines

– Subdivision surfaces

Parameterized Models

• Conformational parameters

– 25 parameters in Parke’s model

– Symmetry between the sides of the face is assumed

– 5 parameters to control the shape of the forehead, cheekbone, cheek hollow, chin, and neck

– 13 scale distances between facial features

– 5 parameters to translate chin, nose, and eyebrow

• Expressive parameters.

Animating the Face

• Simplest approach is to define a set of key poses

– Animation is produced by interpolating between the positions of their corresponding vertices in the two key poses

– Disadvantage: parts of the facial model are not individually controllable by the animator

• What are the primitive motions of the face?

• How many degrees of freedom are there in the face?

Facial Action Coding System (FACS)

• 46 basic facial movements, called Action Units (AUs) are defined, and used in combination to describe all facial expressions.

– Examples:

• Lower brow, raise inner brow, wink, raise cheek, drop jaw.

• Disadvantages:

– It is descriptive, not generative

– It is not time based

– Facial movements are analyzed only relative to a neutral pose

– FACS describes facial expressions, not speech

Muscle Models

• Three types of muscles to model

– Linear

• Contracts and pulls one point (point of insertion) toward another (point of attachment)

– Sheet

• Parallel array of muscles. Attached to a line instead of a single point

– Sphincter

• Contracts radially toward an imaginary center.

• Three aspects differentiate one musclebased model from the other

– the geometry of the muscle-skin arrangement

• Are they modeled on the surface or attached to a structural layer beneath the skin

– the skin model used

– the muscle model used

• The deformation of other points may attenuate based on the distance from the point of insertion and angle of deviation from the displacement vector

Animating Cloth & Motion Capture

Simple Draping

• Draping will occur as a cloth is hanged from a fixed number of support points.

• The cloth is represented as a two dimensional grid of points located in 3D.

– Certain grid points are fixed

• Convex-hull of the fixed points determine where the draping will occur.

•Two phases

– The draped surface is approximated with the convex hull of the constrained points.

– Iterative relaxation process where other grid points are displaced.

• Process continues until the maximum displacement is below a threshold.

• Vertices on the grid are labeled as interior or exterior depending on whether they are inside the convex-hull or not.

• The grid points along the line between two constrained points are determined.

Motion Capture Systems

• The recording of RAW motion data for later use.

• Several different systems on the market

• camera / optical / infrared

• gyroscopes / accelerometers

• magnetic / fiber optic

Standard pipeline

Part of the Process

1. Calibrate Cameras

2. Put Markers on Subject

3. Calibrate Subject

4. Check Quality of Calibration

5. Record Motion

6. Cleanup Point Cloud

7. Label Markers in Point Cloud

8. Cleanup Resulting Data

9. Export Data

10.Import Data into Package of Choice

Usage area

• Motion Analysis & Research

• Games

• Films & Animated Shorts

• Human Factor Studies

• Performance Arts

• Virtual Reality Simulations

• Education

• etc.

References

METU Ceng732 Lesson Slides

Rick Parent’s book and book slides.

From Oxford English Dictionary
Anderson, Joseph and Barbara Fisher. “The Myth of Persistence of Vision.” Journal of the University Film Association XXX:4 (Fall 1978): 3-8.
Joseph Anderson & Barbara Anderson (1993). The Myth of Persistence of Vision Revisited. Journal of Film and Video 45:3–12.
Raster Graphics Handbook. Publisher. Conrac. Date. 1980
Cutting, J.E., Perception With An Eye For Motion, Mit Press, Cambridge, pp. 1986.

http://pages.cpsc.ucalgary.ca/~jungle/587/pdf/3-principles.pdf

]http://mrl.snu.ac.kr/courses/CourseAnimation/notes/HistoryOfAnimation.pdf

The Illusion of Life: Disney Animation at  mazon.com SMPTE.org

MIDI.org

Quaternions from Wolfram MathWorld

Exponential Map from Wolfram MathWorld

Spline Curves and Surfaces

Game AI Resources: Pathfinding

Warping and Morphing of Graphical Objects by J. Gomes, L. Darsa, and L. Velho, Morgan-Kaufmann Publishers

Chris Welman’s Master’s thesis, Inverse Kinematics and Geometric Constraints for Articulated Figure Manipulation – PDF

Paul Nylander’s Physics

Robot Dynamics: Equations and Algorithms by Roy Featherstone and David Orin – PDF

Spacetime constraints by Adrew Witkin and Michael Kass – PDF

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Doktora yeterlilik sınavları, ikinci çocuğumun doğması derken uzun bir ara vermiş oldum yazılara ama daha önce de söylediğim gibi çok olumlu tepkiler almış olmak artık PACS olgunluğu konusunu bitirme yönünde adım atmaya mecbur kıldı beni. PACS konusu yazılarıma gelen tepkilerden ve şirketten arayıp konuşanlardan anladığım kadarıyla çok bohem yaklaşılan ve anlama hakkı bile çok özel bir grubun özelindeymiş gibi düşünülen bir gariplikte. Yazılımla uğraşan kişiler PACS konusunun çok basit olduğunu düşünüp sonuçta ortaya bir şey koyamıyorlar, radyologlar gibi kullanıcılar ise PACS’i genelde 1500 kişilik Ar-Ge personeli bulunan şirketlerin tekelindeymiş gibi görüyorlar. Hayır PACS çok basit değil konuyu bilmeyen şirketler oturup 1 seneye başarılı bir sistem ortaya koyamazlar, ama aynı zamanda hayır PACS sadece devasa bütçeli şirketlerin tekelinde de değil. Ama bir gerçek var bu iş uzun soluklu, bugün ben yaptım oldu diyenler yarın afallayabilirler benim kendi şirketimde tek ilgilendiğim konu bu işi 2 sene önce başladığımız hevesle 10 sene sonra da devam ettiriyor olabilmek. Geliştirdiğimiz medikal görüntüleme yazılımlarını Avustralya’ya ihraç ettik, ve Japonya’dan bir kaç firma ile görüşmelere başladık. Hani gazetelerin son sayfalarında yer alan Amerika’nın antin kuntin bir üniversitesinde birinci olan kardeşlerimiz kadar değerimiz yok ama biz yaptığımız işe aynı hevesle ve öğrenme azmiyle sarıldıkça bir gün bir yerlerde anlatılırız diye düşünüyoruz. Gerçi hata bizde PR diye bir mevzu var değil mi? Çık anlat kendini işte ama öyle yaparsak da işle uğraşamayacakmışız gibi hissediyoruz, hadi hayırlısı:) Neyse yaptım işte PR olayımızı daha fazla kasmak anlamsız, bir önceki PR çalışmasında anlattıklarımız o zaman ses getirmişti, bir sonrakinde direk bu blogdan kopyala yapıştır yaparız artık…

PACS Olgunluğu ve PACS Evrimi konusundaki eğilimler

Hastanelerde uygulanan kurumsal olgunluk modelleri içerisindeki PACS teknolojik altyapısı ile ilgili çalışmalar sonucunda PACS olgunluğu ve PACS Evrimi konusunda üç ana eğilim belirlenmiştir.  Bunlar :

1. PACS konusunda radyolojik ve hastane bütünündeki süreç iyileştirmeleri;
2. PACS Entegrasyonu, PACS Optimizasyonu ve PACS İnnovasyonu;
3. Kurumsal PACS ve Elektronik Hasta Kaydı – Electronic Patient Record ( EPR ).

PACS Olgunluğu – PACS Maturity Model – PMM

I. PACS altyapısı oluşturma

II. PACS süreci

III. Klinik süreç yeteneği

IV. Entegre yönetilebilir innovasyon

V. Kurumsal optimize edilmiş PACS zinciri

Sonuç olarak:

Related posts:

1. PMM – PACS Maturity Model – PACS Olgunluk Modeli – III PACS Maturity Model – PACS Olgunluk Modeli hakkındaki bu üçüncü...
2. Medikal Görüntü Sıkıştırma, DICOM ve PACS Medikal görüntüyü sıkıştırmanın sebebi nedir? Sıkıştırılan bir medikal görüntünün boyutu...

Related posts brought to you by Yet Another Related Posts Plugin.

Medikal görüntüyü sıkıştırmanın sebebi nedir?

Sıkıştırılan bir medikal görüntünün boyutu azalır dolayısıyla da aktarım süresi ve depolamak için gereken zamanda da azalma gerçekleşir. Tabi kullanılan görüntü sıkıştırma yöntemine bağlı olarak medikal görüntünüzün kalitesinden ve tanı koyma yeteneğinizden de olabilirsiniz. Dolayısıyla medikal görüntülerin sıkıştırılması konusunda bilinçli olmak size çok şey kazandıracaktır.

Geçen günlerde daha önceden yabancı kökenli bir PACS sistemi kullanan ama bizim sistemi gördükten sonra altyapısını bize açıp tüm sistemini bizim PACS sistemine geçirmek isteyen bir müşterimizde bazı ilginçliklerle karşılaştık. Çok pahalı ve uluslararası alternatifimiz olan bir sistemde PACS sunucusu üzerinde DICOM görüntüler ziplenmiş olarak! saklanıyor ve bunun da sıkıştırma olduğu düşünülüyordu zannettiğim kadarıyla :) Tabi aslinda daha kötüsü bu Open DICOM Architecture ile tezat oluşturuyor ve PACS veri tabanındaki DICOM görüntülerin sorgulanıp görüntülenmesini ( DICOM Query ve DICOM Retrieve ) imkansız hale getiriyor. Müşteriyi de tek bir sisteme mahkum kılıyor. Bu tarz ahlaksızlıkların yabancı firmalar tarafından yapılması kimseye yapma hakkı tanımaz ama bu daha çok alıcının bilinçlenmesi ile ilgili bir konu bana göre.

Bu bizi şoke eden ve şirkette epey geyiğini döndürdüğümüz konunun sonunda ben medikal görüntülerin sıkıştırılması ve bunun PACS altyapısındaki yeri üzerine yazmaya karar verdim. Doktora yeterlilik sınavlarım yeni bitti aylardır stresli bir şekilde çalışıp uzak kaldığım günlüğe de taze bir dönüş olur diye düşünüyorum.

Yazıya başlamadan önce konuyla ilgilenen ama literatür eksikliği çeken arkadaşları Medikal Görüntü İşleme hakkındaki terminolojimi okumaya davet ediyorum.

PACS ve DICOM açısından medikal görüntü sıkıştırma arkaplanı :

PACS medikal görüntülerin sıkıştırılmasından görüntü aktarımını hızlandırmak ve depolama alanını azaltmak anlamında faydalanır. Bu ikili bile aslında çok önemli kriterler ve sağlam bir PACS sunucusu için gereken bileşenlerdir.  Yazıyı yazdığım yıl 2009 itibarıyla sadece Amerika’da elde edilen medikal görüntü boyutu petabyte seviyelerini geçmiştir ve her yıl daha da artmaktadır. Görüntü sıkıştırma PACS için gittikçe daha da anahtar bir bileşen haline gelmekte ve bu altyapı PACS’in görüntü aktarım hızı ve depolama kapasitesi üzerinde devasa değişkenlikler oluşmasını sağlamaktadır. Bu yapıtaşı öncelikle tıbbi teşhisi sağlayacak görüntü kalitesini kaybetmeden görüntüyü saklamak ve göstermek için gereken bit boyutunu azaltmaktadır, ikinci olaraksa medikal görüntü gösterim işistasyonlarına ağ üzerinden aktarılacak görüntülerin hızlıca hedeflerine gönderilmelerini sağlamaktadır.

Teknik olarak görüntü sıkıştırma algoritmaları ikiye ayrılırlar. Bunlardan geriye dönülebilir olan ilki “lossless” yani kayıpsız, veya “error free” – hatasız sıkıştırma olarak geçer. Geriye dönülebilir yapılar 2:1 veya 3:1 oranlarında sıkıştırma sağlarlar ve orjinal görüntüye tümüyle geri dönüş imkanı sağlarlar.  İkinci sırada ise geri dönülemez olan versiyon veya “lossy” yani kayıplı sıkıştırma vardır, geri dönüldüğünde orijinal görüntüye dönüş imkanı vermez ama kayıpsıza göre çok daha yüksek ( 10:1 den 50:1 ve daha fazlasına kadar ) sıkıştırma oranı sağlar. Genel olarak konuşacak olursak daha fazla sıkıştırmanın fiyatı görüntü kalitesinden ödün vererek sağlanabilir. Bir başka deyişle sıkıştırma oranı yükseldikçe görüntü kalitesi düşer.  Tabi medikal görüntüleme söz konusu olduğunda başka şekilde sıkıştırmalar da ihtiyaç kökenli olarak ortaya çıkmış ve bunların geneline klinik görüntü sıkıştırma adı verilmiştir. Burada hekimler tarafından hastanın seri görüntülerinden belirlenen bir kaç görüntünün depolanması söz konusudur. Depolanan görüntüler daha sonrası için dönüşümlü olarak sıkıştırılabilir veya sıkıştırılmayabilir de burada önemli olan yüzlerce görüntüden en gerekli olanların saklanıp kalanların atılmasıdır. Örneğin bir baş MR görüntüsündeki 100′lerce kesitten teşhis için sadece 3-4 tanesi önem taşıyabilir ve kalanları atılabilir. Tabi bu mantık bana göre depolamanın zorluklarla dolu olduğu ilk zamanlardan kalma bir ara çözümdür. Hangi medikal görüntünün ne zaman işe yarayabileceğine karar vermek çok zordur, ya atılan bu görüntüler bir kaç ay sonraki görüntülerle kıyaslanmak istense ne yapılacak? İlk günlerde bu da ara yöntem olarak ortaya çıkmıştır.

Görüntüdeki kalite kaybı göz tarafından algılanamayabilir bu tarz gözle algılanmayacak şekilde kalite kaybına “visually lossless” yani görsel açıdan kayıpsız denilir ve bu şekildeki kayıplı sıkıştırmalardan gözle algılanamayanlarını karakterize etmede kullanılır.

Benzeri bir terim olarak da ACR-NEMA ( American College of Radiology and the National Electrical Manufacturing Association ) namı diğer DICOM’un yaratıcıları tarafından ortaya atılan “information preserving” – bilgiyi koruyan da kullanılabilir.   ACR-NEMA, DICOM standardı elde edilen görüntü eğer tıbbi anlamda orijinal görüntünün tüm bilgisini koruyorsa bunu bilgiyi koruyan olarak adlandırır. Her ik terim yani “visually lossless” ve “information preserving” subjektif terimlerdir ve bu konular üzerine çalışırken çok dikkatli olmalıdır. Biz bunları yapıyoruz diyen kişilerden bunları nasıl yaptıklarına dair gerekçelendirmeleri de öğrenilmelidir.

Günümüzde, kayıplı sıkıştırma ana teşhis açısından radyologlar tarafından genelde kullanılmamaktadır. Radyologlar özellikle kayıplı görüntü üzerinden konabilecek olası yanlış tanının hukuki geri dönüşlerinden korkmaktadırlar. Kayıplı sıkıştırma kullanıcılarda olduğu kadar üreticilerde de çeşitli sorulara yol açmıştır ve bu konuya yazının ilerideki aşamalarında döneceğiz ama şimdilik şunu bilmekte fayda var Amerika’da FDA (  Food & Drug Administration ) bu konuda yönlendirici regülasyonlar çıkartmıştır.

Kayıpsız sıkıştırma algoritmaları:

Arkaplan Çıkarımı : ( Background Removal )

Burada ana espirimiz görüntü üzerinde arkaplana dahil olan fazlalık kısımları gözardı etmektir. Özellikle CT – MR gibi kesit görüntülerde güzel bir segmentason da başarılmışsa başarılı sonuçlar verebilir. Tabi burada lossless yapının sadece ilgi alanımız olan ROI için geçerli olduğunu bu alan dışında kalan kısımın ise zaten işe yaramaz olduğu için kaybedilebilir olduğunu unutmamak gerekir. İlk örnek olarak 512×512 CT görüntüsünün ROI ( Region of Interest ) yapısının belirlenmesi ve bunun dışında kalanların atılmasını gösterebiliriz. Geriye kalan ROI daha sonra diğer kayıpsız sıkıştırma algoritmaları ile de sıkıştırılabilir.

Medikal Görüntü İşleme ve Sinyal İşleme camiası için segmentation büyük bir inceleme alanıdır ama bir çok başarı da elde etmek olasıdır. Yapmamız gereken konu basit sayılabilir aslında.  Diyagnostik değeri olmayan bölgeleri bul, bunları adama saymayıp hepsine 0 değeri ata ve sonra bütün görüntüde kayıpsız sıkıştırma yap. 0 atanmış olanlar zaten mis gibi sıkıştırılacaklardır :)

Sözün özü sağlam arka plan bulabilen sistemler sıkıştırmada büyük avantaj elde ederler. Bunu başarabilmek için de Medikal Görüntü İşleme konusunda akademik altyapı ile pratik yazılım deneyimini birleştirebilmek önem addeder.

Run – Length Coding: RLE

Öncelikli olarak günlüğü okuyanlardan her terimi Türkçe kullanamadığım için özür dilerim ama bu kadar temel bilgisayar bilimi terimlerini nasıl ifade edeceğimi bilemiyorum ve açıkçası bunlara kafa yormak da istemiyorum, eleştirecek arkadaşları da benzeri Türkçe kaynak aramaya davet ediyorum, nasıl olsa bulamayacaklar :)

RLE en ilkel sıkıştırma yapılarından birisidir. Birbirini tekrar eden komşu pikselleri sayıları kadar belirtirsiniz örneğin bir satır ” 16 02 20 06 16 16 16 16 16 16 16 22″ diye gidiyorsa RLE dizini : 1 16-1 02-1 20-1 06-7 16-1 22 şeklinde olacaktır. Burada sizin de gözünüze çarpacak olan sorunlardan en açık olanı ardışıl piksellerin devamlı birbirinden farklılık göstermesidir, bu durumda Gri Skala 8 Bit lik bir görüntüde her bir piksel için 2 Byte’lık sayı kullanma söz konusu olabilir ki bu da görüntüyü 3 katına çıkartabilir.

JPEG 2000

Bu tablodan da görülebileceği gibi iki boyutlu sinyallerin sıkıştırılmasında öne çıkan en önemli bileşenlerden birisi JPEG 2000 olup aynı zamanda diğer alternatiflere göre DICOM 3.0 protokolünce de desteklenmenin avantajını yaşar. Günümüzde JPEG 2000 sıkıştırma ve açma yeteneği olmayan bir yazılımın DICOM 3.0 uyumluluğu sorgulanmaktadır. Bu konu teorik olarak algılanması zor ve yazımızın genel anlatmak istediklerinin ve kapsamının sapmasını sağlayacak kadar da uzun anlatılması gereken bir konudur. Yakın zamanda JPEG 2000 ile medikal görüntü sıkıştırma hakkında kapsamlı bir yazı planladığım için şimdilik isteklilerine ipucu vermekle yetineceğim. Görüntü işleme konusunda çalışan veya ders almış her okuyucunun bileceği Wavelet trasnformlarının devrimsel yapıları sayesinde ( ilgilenenler önce Fourier transfromları öğrenmeli sonrasında da sinyal özetlemenin harika yolu olan Sub-Band Encoding / Decoding konularına bakıp matematikleri yetmediği anda vazgeçip işi bilenlere yani bize bırakmalılar :) ) kayıplı sıkıştırmada da yüksek oran ve güzel görüntü kalitesi sağlanabilir. JPEG 2000′in temelinde de Wavelet transformlar yatar ve görüntüyü daha alt çözünürlüklerde özetleyerek ortaya bir piramid mimarisi koyar. Bu noktada özet görüntülerin sıkıştırılması sayesinde istenildiğinde görüntüdeki bir çok lekeden kurtulma şansı doğar.  Özellikle gri skala yapısındaki ( medikal görüntüler gibi ) görüntüleri sıkıştırmada çok başarılı olan bu sistem alt çözünürlüklerde örnekleme yeteneği sayesinde teleradyoloji gibi kısıtlı veri aktarım imkanı olan yerlerde de yoğun kazanç elde edilmesini sağlar. Neyse daha fazla kafa karıştırmaya gerek yok, bu konuyu dilim döndüğünce anlatmaya çalışacağım o yüzden şimdilik burada kesiyorum. Son olarak JPEG 2000 hiç bir şey yapmasa dahi öncülü JPEG standardına göre %20 başarılı sıkıştırır, ayrıca başarılı bir JPEG sıkıştırma için genelde görüntünün özetlenmesi gerekirken JPEG 2000 zaten bunu doğası gereği ilk başta yapmak zorundadır.

Renkli Görüntü Sıkıştırma

Radyolojik görüntü elde etmede geleneksel olarak ışık kaynaklarından teşhis amaçlı görüntü oluşturmak amacıyla faydalanılmaz dolayısıyla radyolojide renkli görüntüler çok az kullanılır. Renkten çoğunlukla tıbbi görüntüyü geliştirme anlamında faydalanılır konuyu gözümüzde canlandırmak için ülkemizde çok moda olan renklendirilmiş Çanakkale Savaşı veya Atatürk’ün görüntülerini düşünebiliriz, aslında gri skalada olan bu resimler daha sonradan renklendirilmişlerdir. Tabi tedavi amacıyla düşündüğümüzde insanlar arasında en fazla gri skala ayrımı yapabilen Radyoloji mesleğinden gelenler için bunun pek bir anlamı yoktur ama diğer branşlardaki az eğitimli gözlerin buna ihtiyacı olabilir. Bu anlamda renkli görüntünün faydalı olduğu dallardan birisi de nükleer tıp görüntülemesindeki aktörler SPECT ve PET olabilir ama bu kısımlarda sıkıştırma genelde kullanılmaz çünkü elde edilen görüntülerin dosya büyüklükleri görece küçük sayılabilir.

Burada öne çıkan ve standartsızlığın at koşturduğu başka medikal görüntüleme dallarını unutmamakta fayda var aksi takdirde konuyla ilgililer beni “Doppler Ultrason renksiz mi? Endoskopi sistemleri tüm gökkuşağını barındırıyorlar! Sen mikroskoplarla elde edilen görüntüleri adamdan saymıyor musun?” şeklinde topa tutarlar. Açıkçası bu görüntülerin yakalanması ve aktarılmasıyla yıllarca uğraşmış da olsam, ortağım Eren ve benim master konularımızın endoskopi kayıt sistemlerinin verimliliği üzerine de odaklanmış olsa bu yapılardan sıtkımız sıyrılmış durumda. Sırf yüksek yer kapladıkları ( saatler süren bir laparoskopi kaydı veya 20-30 saniyelik Doppler Ultrason’u bir düşünelim ) için yıllarca PACS sistemleri bu verilere nasıl yaklaşacaklarını bilemediler. Bunun sonucu olarak meydan medikal görüntüleme sistemleri ve yapıları hakkındaki bilgili olanlardan daha çok bunları güvenlik kamerası sistemleri kaydıyla aynı tutan ve DVR benzeri sistemleri pazarlayanlara kaldı. Bu tüm dünyada aynı şekilde gerçekleştiği için renkli ve sıkıştırılmış büyük görüntülerin DICOM haline getirilmesi ve daha sonra da saklanması sorun haline geldi. Sonuçta bu görüntüleri saklayan yazılımlar yerden kazanabilmek için veri kaybını göze aldılar ve DICOM uyumlu olmayan sıkıştırma formatlarına eğilmek zorunda kaldılar. Tabi bu sistemlerde DICOM aktarımı vb var artık ama hala içsel yapılarında DICOM uyumlu sıkıştırma formatı kullanmıyorlar. Biz burada DICOM uyumlu olmayan yapıları düşünmek yerine başka bir metoddan bahsedelim.

Renkli görüntüler üç banttan oluşurlar: Kırmızı – Yeşil ve Mavi (RGB – Red – Green – Blue ), bu kanallar üç ayrı bağımsız görüntü olarak ele alınır ama gösterileceği zaman birleştirilirler. Bu yapı RGB uzayı veya renk uzayı olarak anılır ve CIE (Commission Internationale L’Eclairag ) tarafından geliştirilmiş bir gösterim yapısıyla bir üçgenin köşeleri olarak gösterilir. CIE renk uzayı gösterimi Luminance ( parlaklık ) ile Chrominance ( hue – renk ) yapılarının ayrıştırılmasına fayda sağlar. Bu yapının desteğiyle NTSC ( National Television System Committee ) YIQ adı verilen yeni bir renk uzayı belirledi. Burada görüntü sırayla Luminance, In-phase Chrominance ve Quadrature Chrominance koordinatlarına ayrıştırıldı. Dijital görüntülemede ise YCbCr oluşturuldu. Standart RGB’den YCbCr ye geçiş aşağıdaki gibidir:

   Y  =  0.2989 R + 0.5866 G + 0.1145 B
   Cb = -0.1687 R - 0.3312 G + 0.5000 B
   Cr =  0.5000 R - 0.4183 G - 0.0816 B

Sadece bu geçiş bile medikal görüntü üzerinde 2:1 oranında bir sıkıştırma sağlar, bu oranın doğrulanması ile ilgilenenler internetten bir çok örnek bulabilirler ama şimdilik yazarın söylediklerine biat etmenizde fayda var. Bu çevrimden sonra Y, Cb ve Cr bileşenleri ayrı olarak sıkıştırılabilirler ki medikal görüntü sıkıştırma konusundaki ilk sevgilimiz JPEG bu tekniği kullanır. Burada belli bir yöntemi öne çıkartmaya çalışmıyorum, mühendislik hayatım boyunca bu kısımlarda DivX, ASF, MPEG-4, MPEG-4 Part 10 ( H264 ) kullanan bir çok sistem gördüm, onlar kötü bu yöntem en babası demiyorum hatta bahsettiğim yöntem genelde daha az sıkıştırma sonuçları döndürür ama medikal görüntü sıkıştırma konusu bir yarışmadan önce bilimsel standartların kullanılmasınını ve DICOM uyumluluğunu şart koşar. Yoksa bizim askeri ve milli güvenlik sistemlerimizde benzeri sıkıştırma yapılarını destekliyoruz hatta bu konuda (mesela H264 ) ülkemizin en iddialı şirketlerinden birisiyiz, sadece bu sıkıştırma standartlarını müşterimiz aksini istemedikçe medikal ürünlerimize yerleştirmiyoruz.

DICOM Standardının ve kurumların Medikal Görüntü Sıkıştırma hakkındaki kısıtlamaları :

Kayıpsız sıkıştırma genelde görüntü boyutunda 2:1 veya 3:1 oranında azalma sağlar. Bunu arttırabilmek için tıbbi değeri olmayan kısımların ( arka plan )  ana görüntüden ayrıştırılması gibi yöntemlerden faydalanabileceğimizden bahsetmiştik. Tabi bu genelde kullanıcının katılımını gerektiren senaryolar oluşturur, Amerika veya Avrupa’da hemen hemen her hastanede PACS yöneticiliği bu ve benzeri konulardan dolayı özelleşmeyi ve eğitimi gerektirirken bizde sistem yönetimi bile komşu internet kafe sahibinin ellerinde olduğu için gerçekçi olmakta fayda var diye düşünüyorum. Medikal görüntüyü kayıplı sıkıştırma konusu kanuni sorunlarla karşılaşabilir, sonuçta orjinal görüntüden kayıp söz konusudur ve bu konuda neler yapıldığına göz atmakta fayda var.

Klinik çalışmada medikal görüntü sıkıştırma konusu iki ana kurumdan etkilenmiştir bunlardan birincisi Amerikan Yiyecek ve İlaç Yönetimi ( FDA – Food and Drug Administration ) kurumuna bağlı CDRH ( Center for Devices and Radiological Health ) olup, ikincisi ise canımız ciğer paremiz DICOM 3.0 ( Digital Imaging and Communication in Medicine ) standardını ortaya çıkartan ACR / NEMA ( American College of Radiology / National Electrical Manufacturers Association ) kurumudur.

FDA

FDA sıkıştırma konusunu kullanıcın ellerine bırakmıştır. Tabi bunu yaparken kullanıcının karar verebilmek için kayıplı medikal görüntü sıkıştırma manifestosunun verilmesini medikal görüntülerde kayıplı sıkıştırma oranlarının sıkıştırılan medikal görüntüye eklenmesi için gerekenlerin yapıldığına emin olunmasını şart koşmuştur. Üreticilerin kullanıcı dökümanlarına medikal görüntüde kayıplı sıkıştırma yapılması konusunda bilgilendirici kısımlar koymaları gerekmektedir. Ayrıca bir medikal görüntüleme cihazı yeni medikal görüntü sıkıştırma teknolojisi kullanıyorsa bunu pazarlama faaliyetlerinden önce bildirmekle zorunludur. Ülkemizde bazı hocalarımızdan duyduğumuz “X firmasının yeni cihazı medikal görüntüsünü öyle bir sıkıştırıyormuş ki bu kadar olur!” gibisinden laflarını Amerika’da o kadar rahat duyamayacağımız böylece garntilenmiş olur. Kim ne yapsın standart dışı sıkıştırmayı? Bunu gerçekten anlayamıyorum, bir yandan herkes standartların öneminin farkında bir yandan da standart dışı olabilecek sistemlerin sadece kendi cihazında olabileceğiyle övünmekte, iyi bir yazılım sistemi için açar bu satndartları okursunuz ve herkesle uyumluluk sağlarsınız bunu yapınca başkasına göre eksik görğnmek veya algılanmak son derece üzücü. 1993 tarihli PACS yönlendirme dokümanı üreticilerin medikal görüntüleri kayıplı sıkıştırma ve aktarma yetenekleriyle ilgili olarak NMSE ( Normalized Mean-Square Error) değerlerini paylaşmalarına izin verir. Bu değerin seçilmesinin ana nedeni üreticilerin de kendi testlerinde bu değerlerden faydalanmaları ve bu değerlerin objektif olmalarıdır. Tabi NMSE’nin lokal bilgi kaybıyla ilgilenmediğini de unutmamak gerekir.

Sonuç olarak Amerika’da aldığınız bir medikal görüntüleme cihazının kayıplı sıkıştırma ile depolama yapmasına izin vermek kullanıcının elinde, ama bu yüzden hasta görüntüsünde veri kaybı olursa ve bu sonradan tedavi sürecini sıkıntıya sokarsa ceremesine de aynı kullanıcı katlanmak zorundadır. Bir PACS kurulumu sırasında dünyaca ünlü bir DR üreticisinin görüntülerinde Default sıkıştırma yapılarının görüntüyü gerekenden fazla sıkıştırması sonucunda biz cihazda sıkıştırma yerine PACS sunucusunda sıkıştırma yoluna gittik ve üreticinin Amerika marketindeki sorunlarla ilgili bilgilenmesini sağladık ve aldığımız tepkiler doğru düşündüğümüzü görmemize yardımcı oldu. Üretici de kendi sistemini hemen düzelterek işin ciddiyetini algıladığını gösterdi.

DICOM

DICOM ilk defa sıkıştırma konusunu ortaya attığında başlarda Arttırımsal Block DCT ardından gelen Huffman kodlamanın kullanıldığı JPEG temelli yapıyı hem kayıpsız hem de kayıplı medikal görüntü sıkıştırma ile yola çıkmıştı. Günümüzde ise Wavelet transformlarca desteklenen JPEG 2000 ( ISO/IS 15444 ) kayıplı ve kayıpsız medikal görüntü sıkıştırma konusunda temel altyapı haline gelmiştir. DICOM görüntüsünde JPEG 2000 sıkıştırma yapılması DICOM dosyasının başlığında transfer yapısı kısmında belirtilmelidir. Kayıpsız ve kayıplı olmak üzere iki farklı transfer yapısı DICOM başlığı için belirlenmiştir.

“Bunlar yetmez DICOM sıkıştırmanın dibine kadar anlaşılmasını görev addeddim!” diyorsanız ACR/NEMA sayfasından ( linklerde vermiştim bir zahmet oradan bakınız ) 5. kısmı indirsinler. Annex A4.1 JPEG, A4.2 JPEG LS, A4.3 RLE ve A4.4 JPEG 2000′e ayrılmıştır. Ama medikal görüntü sıkıştırma yapılarının günümüzdeki kralı JPEG 2000 için benim keyfimi de bekleyebilirsiniz, ona bir itirazım olmaz :)

Related posts:

1. PMM – PACS Maturity Model – PACS Olgunluk Modeli – III PACS Maturity Model – PACS Olgunluk Modeli hakkındaki bu üçüncü...

Related posts brought to you by Yet Another Related Posts Plugin.

PACS Olgunluğu ve PACS Evrimi konusundaki eğilimler

2.Eğilim 2: PACS Entegrasyonu, PACS Optimizasyonu ve PACS İnnovasyonu

2.1.PACS Entegrasyonu:

3.Eğilim 3: Kurumsal PACS ve Elektronik Hasta Kaydı – Electronic Patient Record ( EPR )

Related posts:

1. PMM – PACS Maturity Model – PACS Olgunluk Modeli – IV PACS Maturity Model – PACS Olgunluk Modeli hakkındaki bu son...
2. Medikal Görüntü Sıkıştırma, DICOM ve PACS Medikal görüntüyü sıkıştırmanın sebebi nedir? Sıkıştırılan bir medikal görüntünün boyutu...
3. JPEG 2000 Medikal Görüntü Akışı için DICOM Tabanlı PACS Mimarisi Son zamanlarda PACS ve DICOM tarafıyla ilgili aldığım en yoğun...

Related posts brought to you by Yet Another Related Posts Plugin.

PACS Olgunluğu ve PACS Evrimi konusundaki eğilimler

Hastanelerde uygulanan kurumsal olgunluk modelleri içerisindeki PACS teknolojik altyapısı ile ilgili çalışmalar sonucunda PACS olgunluğu ve PACS Evrimi konusunda üç ana eğilim belirlenmiştir. Bunlar :

1. PACS konusunda radyolojik ve hastane bütünündeki süreç iyileştirmeleri;
2. PACS Entegrasyonu, PACS Optimizasyonu ve PACS İnnovasyonu;
3. Kurumsal PACS ve Elektronik Hasta Kaydı – Electronic Patient Record ( EPR ).

Hazırladığımız sunumdaki referanslar ve diğer temel kaynaklar ışığında aşağıdaki gibi bir yapısal hiyerarşi oluşturulabilir :

1.Eğilim 1: PACS konusunda radyoloji bölümü ve hastane bütünündeki süreç iyileştirmeleri

1.1.PACS Teknolojileri:

PACS kullanarak hastaneler web tabanlı teknolojiler ve web tabanlı sunucular sayesinde kendi ağları veya internet üzerinden medikal görüntüleri dağıtabilir, ulaşabilir, görüntüleyebilir hatta manipüle edebilirler. Filmleri ve kağıt akışını ortadan kaldırmaya odaklanmış bir PACS entegrasyonu raporların güvenilirliğini de arttırır. Sadece medical görüntüler üzerine odaklanan PACS hastane iş akışında sorunlar yaşayabilir veya yaşatabilir. Ortamdaki multimedya dökümanlarının üzerine de odaklanılmasında fayda vardır. Tanı koymada kullanılan iş istasyonlarında medikal görüntüleme yazılımları ve yönetim araöları olmalıdır. PACS yapısını kontrol eden aynı zamanda da arşiv sunuculuğu yapan sunucu hasta çalışmalarını dosya sisteminde bulundurur ve bunların içerisine ilgili tüm medikal görüntüleri, raporları ve izlenimleri depolar. Elektronik hasta kaydı ( EPR ) yapısı için benzeri bir kayıt yapısı çok önemlidir. Bu yapıdan sonra bahsi geçen kayıt yapısının içerisine arşiv yönetimi, ağ yönetimi ile görüntüleme ve sunucu yönetimi eklenmektedir. PACS uygulamalarında ve klinik iş akışında kullanılan görüntüleme ( display ) sistemlerinin evrimi ile ilgili analiz çalışmalarında bu konuda üç faz belirlenmiştir:

1.Faz 1 aşamasında, odak hastanedeki bir bölüm üzerindedir ve bu bölümde bulunan özel iş istasyonları ile medikal görüntülere ulaşım yeterli görünmektedir;

2.Faz 2 aşamasında, odak klinik ve kurumsal iş akışına doğru kayar ve medikal görüntüleri gösterme iş akışı görüntüleme istasyonları için optimize edilmiştir;

3. Faz 3 yani son faz aşamasında, – modern periyod – Kurumsal entegrasyon ve standardizasyon konuları enstitü / bölgesel kurumsal seviyede, bir çok farklı medikal görüntüleme cihazı üreticisi bazında uyum ve PACS / RIS ( Radiology Information System ) entegrasyonu konuları anahtar kelimeler haline dönüşür.

1.2. PACS uygulaması

İlk başlardaki PACS uygulamalarının en önemli sorunu ( ülkemizdekilerin ise hala temel sorunu ) üretici bağımlı, açık mimariye ( Open PACS Architecture ) uzak PACS bileşenleri arasında haberleşme yapılabilmesiydi. Bu sistemler sadece kendi aralarında haberleşir ve başka PACS veya DICOM sistemleri ile uyumluluk göstermezler. Erken PACS uygulamalarında iş istasyonları arasındaki asılı protokoller ( hanging protocols ) ilkel düzeydeydi, DICOM serilerini yerleştirmede , pencere seviyelendirme ( window/level ) ayarları ve büyütme faktörlerindeki eksiklikler yüzünden devamlı ayarlama gerekmekteydi. Özelde ilk PACS uygulamaları temel PACS özelliklerini sağlamaya ( görüntü yakalama ve gösterme ) odaklanmışlardı ve bunu yapmakta bile zorlanıyorlardı ( ülkemizdeki durum? ).  Bu sorunlar ikinci nesil PACS uygulamaları sayesinde büyük oranda ortadan kaldırıldılar. İkinci nesilin avantajı sadece temel PACS mantığında değil aynı zamanda medikal bilgiye yardımcı olacak şekilde teknik detaylar barındırmaları, görüntü işlemeden faydalanmaları ve bunları daha uygun bütçelendirmelerinden kaynaklanmaktadır. Bir PACS uygulaması ne olursa olsun sadece görüntü yakalayıp gösterebilen bir altyapı ile yetiniyorsa ilkel sayılır, PACS uygulaması açık mimariyi desteklemeli ve medikal görüntülere yorum yapılabilmesine olanak sağlamalıdır. Sadece depolama ve görüntüleme yapılabilmesi PACS sürecine katkıdan çok sisteme inancı kaybettireceği için zarar verir.

1.3. PACS İş Akışı sonuçları

Temel iş akışında faydalar sağlanmasına rağmen, PACS yapısının oluşturulacağı bölümde temel değişiklikler ve iş akışının yeniden tasarlanması gerçekleşmezse filmlerin ortadan kalkması görece olarak daha az üretkenlikle sonuçlanacaktır. Bu HIS ( Hospital Information System ), RIS ( Radiology Information System ) gibi bilişim sistemleri ile bir çok medikal görüntüleme sistemi arasında yüksek seviyede entegrasyon gerektirmektedir. Tarihi açıdan PACS yapısı hastane içerisindeki RIS ve HIS veritabanından farklı bir hasta veritabanı kullanır. Bu yüzden PACS firmaları dünya çapında satış pazarlama imkanı bulabilirken HIS ve RIS firmaları genelde lokal kaldılar. PACS doğası gereği RIS tarafında planlanmış çalışmalar hakkında bilgi sahibi olamıyordu dolayısıyla verimli cihaz / hasta eşleşmesi ve medikal görüntülerin sadece radyoloji bölümü değil tüm hastaneye dağılımı gerçekleşemiyordu. Başlangıçta radyoloji bölümünde elde edilen tab edilmiş filmlerin dijital ortama aktarılması bir başarı olarak görünmüştü, tabi bu dijital görüntülerin dolaşımının başarılması fazla düşünülmüyordu. Bu fazda bir çok radyolog iş akışı ve medikal görüntüleri yorumlama avantajlarından yeterince faydalanamıyordu. Radyologlar için iş akışındaki gelişme medikal görüntülerin dijital ortama aktarılmasıyla başlar ama kesinlikle CT gibi dilim görüntülerinin yığıtlarının daha önceki yığıtlarla kıyaslanmasını sağlayan otomatik asılı protokoller ( Adaptive Hanging Protocols ) kullanımıyla veya aynı görüntü yapısına ait farklı yüzeysel kesitleri görebilecekleri MPR gibi görüntü işleme teknikleriyle faydalanma gerçek anlamda başarılabilir. Bu evrim daha karmaşık ve gelişmiş görüntü işleme tekniklerinin kullanıldığı 2 boyutlu hacimsel görüntü dilimlerinin 3 boyutlu geri çatımlarla sonuçlandığı MIP ve SSD gibi yapılarla radyologların tam desteklenmesine izin vermeye başladı. Aslında burada düşünülmesi gereken konu çok nettir, medikal görüntülerin filmde değil ekranda görülüyor olmaları hastane açısından film tab etmeye harcanan paranın ortadan kalkması, depolama alanı, doğayı kirletmeme gibi konularda avantaj sağlarken radyologlar açısından çok büyük gelişme sağlamaz. Madem medikal görüntüler dijital ortama aktarıldı o zaman radyologlar neden görüntü işlemenin nimetlerinden faydalanmasınlar? İşte bu noktada eski nesil PACS sistemleri ve yeni nesil PACS sistemleri arasında yukarıda bahsettiğim farklılıklar ortaya çıkıyor. PACS dışında RIS yapısında da yeni nesil uyumluluklar önemlidir. Nasıl yeni nesil PACS sistemleri görüntü işleme yapısı ile radyologları rahatlatmaya çalışıyorlarsa HL7 uyumluluğuyla da cihaz/hasta planlamalarının aktarımında RIS ile uyumlu çalışmakla mükelleftirler. RIS ise bu bilgileri HIS ile yine HL7 üzerinden organize edebilir durumda olmalıdır. Sağlık.net uyumluluğu sayesinde hemen hemen bütün HIS üreticilerimiz belli bir seviyede HL7 kabiliyetine sahipler, umarım HIS üreticileri sadece kendi sistemleriyle konuşabilecek PACS benzeri şeyler yapmaya çalışmak yerine öncelikle kendi sistemleri ile farklı RIS ve PACS yapılarının konuşabileceği altyapıları sunarlar aksi takdirde Türkiye yine bir başka yeni konuda çöplük haline dönme tehlikesiyle karşı karşıya. Tabi burda sorumluluk sadece üreticilere ve alıcılara yüklenmemeli. Tıp Bilişimi Derneği‘nde bu konuda çalışmalar başladığını biliyoruz bu konuda çalışan grup ivedilikle desteklenmeli ve genişletilmeli ve Sağlık bakanlığı ile birlikte özellikle Açık Mimari konusunda yoğun bir standart oluşturulmalıdır. Hastanelerimizin kesinlikle böyle pahalı teknolojilerde kapalı mimarilerle ve eski teknolojileri sunan yapılarla karşılaşmaktan korumalıyız ve sistemin profesyonelce yapılmasını sağlamalıyız. Eski patronlarımdan birisi DICOM standardını Siemens, GE, Philips gibi tröstlerin küçük şirketleri baltalamak için ortaya çıkarttıkları, hatta tüm standartların tröstleri koruduğu yönündeki fikirlerini hala hatırladıkça tüylerim diken diken oluyor. Özellikle medikal görüntüleme alanında standartların ne kadar önemli oldukları ve tam tersine kaliteli küçüklerin de büyümesine nasıl imkan verdikleri hakkında ileride bir yazı yazmayı planlıyorum o vakte kadar konumuza geri dönmekte fayda var. Bütün yazdıklarımın ışığında PACS’in aslında sadece hastanede kurumsal anlamda iş akışını değiştirmekle kalmadığı aynı zamanda klinik anlamda tanı koymaya ve karar vermeye çok büyük yardımları olduğunu söyleyebiliriz.

Radyoloji bölümlerindeki iş akışlarıyla ilgili evrim ise akademik alanda aşağıdaki gibi sıralanmıştır:

1.Birinci sırada geleneksel filmli radyoloji sistemleri düşünülebilir, tab edilmiş filmler ve onlara eklenen elle yazılan raporlar bu kısmın klasik özelliğidir;

2.İkinci sırada geleneksel radyoloji yapısı ile rapor bazında rapor adaptasyonu var, radyologlar yine tab edilmiş filmlerini ışık kutularında yorumlarken bağımsız RIS yapıları ve barkodlama gibi yöntemlerle raporlarını bilgisayar ortamına girerler;

3.Üçüncü seviyede ise radyologlar gerçek anlamda dijital raporlama ve doğrulama yapma fırsatı bulmuşlardır, PACS ve benzeri yapılar sayesinde yüksek çözünürlüklü dörtlü ekranlar veya ikili projeksiyonlar sayesinde başarılı sonuçlar söz konusudur;

4.Dördüncü ve son seviyede ise artık tele tıp uygulamaları sayesinde uydu ve internet teknolojileri kullanılarak dijital danışmanlık ve eğitim başarılabilir durumdadır. Teleradyoloji tanıların konulmasında ve tıp eğitimi konusunda devasa destek vermektedir.

Özetle ilk adımlarda ana odak noktası altyapı oluşturmakken sonradan verimli PACS iş akışının süreç entegrasyonuna katkısı ve hastane işleyişine uyumunu sağlamaya odaklanıldı. Verimli PACS iş akışı ve onun tıp bilişimi altyapısına katkısı ile kalite kontrol ve kontrol prosedürüne katkısı her ne kadar ülkemizde göz ardı edilse de ilerlemenin bu yönde olması yadsınamaz.

Yazı serimizin bu kısmı da sona eriyor, üçüncü kısım için çalışmalarıma devam edip PACS eğilimleri ile ilgili kısımları sonlandırıp PMM – PACS Maturity Model’ini  de açıkladıktan sonra bu modelin derecelendirilmesi için gereken sorulara odaklanacağız. Bu yazı dizisinin güzel bir tıp bilişimi makalesine dönüşeceğine olan inancım devamlı artıyor. Hem yazıyı okuyan hiç tanımadığım ilgililerden aldığım geri dönüşler hem de söz verdiğimiz için yaşadığım araştırma stresi umarım yakında sonlanacak :)

Bir sonraki yazımda :

PACS Entegrasyonu, PACS Optimizasyonu ve PACS İnnovasyonu

Kurumsal PACS ve Elektronik Hasta Kaydı – Electronic Patient Record ( EPR )

ve

PMM – PACS Maturity Model konuları ele alınacak son olarak da PMM – PACS Maturity Model yapısı için hastanelere bir soru çizelgesi sunabilmeyi umuyorum…

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Kerem Caliskan

Abstract

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Giriş:

Sağlık ve tıp bilişimi son yıllarda yoğun bir evrimden ve yenilenme sürecinden geçiyor. İşlemci teknolojileri ve donanımdaki gelişmelere paralel gerçekleşen yazılımsal rahatlıklar en çok sağlık ve askeri sektörde etkisini göstermektedir. Düne kadar imkansız olarak düşünülen bir çok görüntü işleme yapısı bu sayede gerçekleşmeye başlamıştır ve artık her yerde konuşulan ana konu aynı anda bir çok sensörden gelen görüntünün birleştirilmesi ile cerraha / pilota daha fazla anlamlandırma katmak olmuştur. Tabi ironik olan insan öldürme amaçlı geliştirilen bir yapının aynı zamanda hayat kurtarmada işe yaraması veya tam tersi durumların gerçekleşmesidir. Tıp bilişiminde bu gelişmelerden en fazla yararlanan taraflardan bazıları picture archiving and communication systems ( PACS ), computer aided diagnosis ( CAD ), karar destek sistemleri ve elektronik hasta kaydı ( EPR ) gibi konular olmaktadır. Alan hala gelişmeye devam ediyor ama artık bazıları PACS’in o kadar da uç teknoloji olmadığından bahsetmeye başladılar. Bu sizin PACS’i nasıl kullanacağınızla çok yakından alakalı ve bu konuyla ilgili görüşlerim yavaş yavaş yazıya dökülecek. Ama özetleyecek olursak klinisyen tarafında başlangıç aşamasında oturmuş ve ucuzlayabilecek yapı görünse de alınacak çok yol ve atılacak çok adım görünüyor. Hastaneler kendilerine en uygun PACS sistemine geçmek için çalışmalar yaparken daha karlı ve verimli olabilmek için bazı modellere ihtiyaç duyacaklardır yoksa PACS sisteminden sağlanacak fayda yeterince gözlenemeyebilir. Bu model düne kadar çok net değildi ama tıp bilişimi alanında artık bu ihtiyaç belirlenip çalışmalara yoğunluk verildi.
1990′li yıllarda Carnegie Mellon üniversitesi liderliğinde Software Engineering Institute ( SEI ) tarafından tüm yazılım firmalarının artık kanıksamaya ve alışmaya başladıkları ( tabi yazılımdan anlayan firmalardan bahsediyorum, “Yazılım olayı çok karlıymış satalım bizim manavı, tutalım 2 oda 1 salon, koyalım iki çocuk verelim bilgisayarları yazsınlar işte HBYS, PACS artık allah ne verdiyse!” bu kapsamın dışındadır ) CMM – Capability Maturity Model ortaya çıktı. CMM yazılım firmalarına süreçlerine nasıl hakim olabileceklerini anlatmaya çalışan bir altyapı oluşturdu, tabi Amerikan ordusu ihale ettiği onca yazılım projesi başarısızlığa uğrayıp da bu süreç yönetim standardizasyon işini ihale etmeseydi ne olurdu bilinmez. CMM in son hali artık CMMI ( Capability Maturity Model Integration ) haline geldi, bizim de şirketteki hedefimiz personel sayımız ve biten proje sayımızla orantılı olarak CMMI Seviye 3 olabilmek üzerine kurulu, başarılı olabilmek için bitmiş bazı projeler ve bunlardan öğrenme sürecine geçiş önem kazanıyor. CMM ve bir çok detayını ileride kendi iç sürecimize göre veya önceki deneyimlerimize dayanarak bir gün yazarız fakat burada ana amacımız PMM yani PACS Maturity Model’ in köklerini tanımlayabilmektir. PMM CMM’in başarısından sonra ondan türetilen organizasyonal bir PACS öğrenme ve yenilenme sürecidir diyebiliriz.
Kısacası kaliteli medikal görüntüleme hizmeti verebilmek için PACS alımına gidip, ben kurdum artık gerisi gelir demek büyük yanılgı olacaktır. Yazının yazıldığı an itibarı ile yıl sonunda yapılacak Tıp Bilişimi kongresinde dahi PACS almamak taraftarı olanlarla tarafında olanların kozlarını paylaşabileceği kürsülerin planlandığı duyumunu alıyoruz :) Kaliteye bakışı, kurumsal kimliği ve hatalarından öğrenebilme yeteneğini ortaya koyabilecek güçte olanlar bu yazı dizisinden sanırım bir şeyler çıkartabileceklerdir ama bir bilişim sistemini alıp tüm sorunların çözülmesini bekleyen bir çokları yanılacaktır. Sizin kendi iç işleyişiniz bilişim sistemiyle uyumlu olmadığı sürece faydalanma eğriniz çok yavaş olacaktır.

Metodlar:

Neden bu işe giriştim ve nasıl ilerliyorum demekte fayda var.

Ders gazı :

Osman Saka hocamızın verdiği Evaluation Methods in Health Informatics dersi sırasında tıp bilişiminde değerlendirme metodları üzerinde does & donts tadında bir çok şey görme imkanımız oldu. Makalelerde genelde 3-4 isim görmeye alışmış bizim gibi mühendisler açısından veri toplayanların bile dahil edildiği 50-60 isim yazan makaleleri görmek eğlence kaynağı oldu :) Dönem sonunda bizim de bir değerlendirme yapmamız istendiğinde Kamil Arslankoz ( MIN MS ) ve Özer Metin ( MIN PhD ) ile beraber bir takım kurup araştırmalara başladık. Benim şirketimin PACS geliştirmesinden dolayı son derece masumane bir şekilde :) ben bizim sistemin değerlendireceği bir çalışma önerdim, neyse sonra bunun kolay olsa da etik olmayacağına karar verip alternatiflere eğilmeye karar verdik. Kamil hala Havelsan’da çalışan, Özer ise eski bir Havelsan çalışanı durumunda ben ise eski bir Milsoft danışmanıydım. Özer birden PMM fikriyle ortaya çıktığında bu çok hoşumuza gitti çünkü askeri yazılım geliştiren her firmada çalışanların CMM veya CMMI bilgisi teorinin ötesinde pratikte de sağlamdır ve bildiğimiz bir yapının bildiğimiz başka bir sektöre uygulanması ile ilgili çalışma dikkate değer gözüküyordu. karar verildikten sonra başladık çalışmaya.

Literatür taraması :

Yola ilk çıkışımız PACS ve Evaluation anahtar kelimeleriyle Pubmed,Springer ve IEEE gibi yerlerde eşelenme ile sağlam google birlikteliğinden geldi. Özer’in bulduğu “A PACS Maturity model: A systematic meta-analytic review on maturation and evolvability of PACS in the hospital enterprise” makalesinden sonra neye ve nereye bakmamız gerekeceği konusunda rahatladık. Okurken de bazı kısımlarda epey güldük, özellikle Türkiye’de PACS kullanımının tüm hastane ve kliniklerde %40 olduğunu söyleyen Avrupa Birliği ülkeler grafiği bizi epey eğlendirdi. Sanırım soruyu sordukları yetkili tıp sektöründe PACS’in adını duyan ( anlamını bilmese de ) insan oranını vermeyi tercih etti :), keşke o oranlar doğru olsa bugün farklı altyapıları konuşuyor olurduk. Bu yazı dizisinde temeli adı geçen makale ve benim konulara ilişkin genel deneyimim oluşturmaktadır, başarabilirsek sene sonuna ( 2009 ) yayınlamayı planladığımız makale çok daha kapsamlı ve ülke gerçeğine yakın olacaktır diye düşünüyorum.
Literatür taraması sırasında aşağıdaki kurallara ağırlık verdik :
- Tanımlarla ilgilenmeyelim, PACS, DICOM vb bilmeyenleri eğitme amacı gütmüyoruz.
- PACS uygulamasındaki temel taşlar olan görüntü alımı, DICOMization, DICOM Depolama, DICOM Aktarım, DICOM Gösterim ve DICOM Print gibi yapılar yerine bütüne odaklanan makaleleri seçilmeli.
- PACS teknolojisinin artıları ve getirilerinden çok zaten bu yola girmiş olan hastanelerin önüne yol haritası koyabilecek çalışmalara odaklanılmalı.
- Hastanelerde PACS’den faydalanma ihtiyacına yoğunlaşan ve bunu örnekleyen çalışmalar aranmalı.
- Hastanelerde PACS konusunda öğrenme / evrimleşme süreçleri ile olgunluk modelleri ile ilgili çalışmalar bulunmalı.

Bir sonraki yazımızda PACS Olgunluğu ve Evrimleşebilirliği üzerine devam etmeyi planlıyorum. Umarım buradan güzel şeyler çıkacak ortaya, burda yazıp söz verince daha bir kasıp hem çalışmayı yapmaya hem de burda yazının devamını getirmeye mecbur hissediyor insan yoksa bu sayfayı direk silmek gerekecek yakında :)

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

En önce genel bir Medikal Görüntüleme ile ilgili Tıp Bilişimi Sözlüğü ile başlıyorum, istediğim kıvama erişirse ileride şirket sayfasından da bilgilenme amaçlı kullanılmasını sağlayabilirim. PACS, DICOM, HL7, IHE gibi büyük harfli terminolojiler ile anlamlarını burada toplayacağım :)

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.