Digital Mammo DB (DiMaDB) / medsip.gr

Digital Mammo DB (DiMaDB) / medsip.gr Τελική Αναφορά Έργου Ολοκλήρωση Μελέτης Τελ. Ενημ.: 07 Δεκεμβρίου 2010 Τίτλος Έργου: «Δημιουργία πρωτότυπης βάσης ψηφιακών μαστογραφικών εικόνων υψηλής ποιότητας και διαδικτυακής πύλης για την δημόσια διάθεσής της στην ερευνητική κοινότητα». Περίληψη: Στόχος της παρούσας μελέτης είναι η δημιουργία μιας πρωτότυπης βάσης ψηφιακών μαστογραφικών εικόνων υψηλής ποιότητας, καθώς και η ανάπτυξη μιας πρότυπης διαδικτυακής πύλης μέσω της οποίας θα είναι δημόσια διαθέσιμη. Σκοπός είναι η κάλυψη του κενού που παρατηρείται σήμερα στο ζήτημα του διαθέσιμου πρωτογενούς υλικού, τόσο ως προς την ποιότητα και την εξειδίκευση (υπάρχουσες δημόσιες βάσεις μαστογραφικών εικόνων), όσο και ως προς την μη δυνατότητα πρόσβασης σε «κλειστές» βάσεις ιατρικών συστημάτων αρχειοθέτησης. Κάθε εικόνα συνοδεύεται από πλήρη κλινική αξιολόγηση με επισημασμένα παθολογικά ευρήματα (αποτιτανώσεις, νεοπλασματικές μάζες, ασυμμετρίες, κτλ). Η νέα βάση μπορεί να χρησιμοποιηθεί ως πρωτογενές υλικό από ερευνητές που δραστηριοποιούνται στο πεδίο της ανάλυσης μαστογραφιών και της αυτόματης διάγνωσης, για την ανάπτυξη αλγορίθμων που σχετίζονται με συστήματα ACD/CAD. Η διαδικτυακή πύλη 1 και η βάση ψηφιακών μαστογραφικών εικόνων αποτελούν την πρώτη ίσως προσπάθεια στη χώρα μας δημιουργίας παρόμοιου, δημόσια προσβάσιμου ερευνητικού υλικού στον συγκεκριμένο τομέα. Γνωστικό Πεδίο 2.1 Computer Science and Informatics 2.1.4 Graphics and image processing 2.1.8 Intelligent systems 2.1.11 Multimedia 3.1 Diagnostic Tools, Therapies and Public Health 3.1.1 Medical engineering and technology 3.1.2 Diagnostic tools (e.g. genetic, imaging) 3.1.9 Health services, health care research Η παρούσα αναφορά παρουσιάζει συνοπτικά την υλοποίηση των επιμέρους φάσεων του Έργου στο σύνολο του χρόνου ανάπτυξης και την ολοκλήρωσή του, σύμφωνα με την αντίστοιχη Σύμβαση 2. Το κείμενο της αναφοράς είναι οργανωμένο σε πέντε ενότητες. Στην ενότητα 1 παρουσιάζεται μια εισαγωγή στο γενικότερο πεδίο των ψηφιακών μαστογραφικών εικόνων και πως χρησιμοποιούνται στο πλαίσιο των εφαρμογών CAD/ACD. Στην ενότητα 2 παρουσιάζονται οι στόχοι της παρούσας Μελέτης, ενώ στην ενότητα 1 η οργάνωση και η λίστα των εργασιών στα πλαίσια του Έργου, σύμφωνα με την αρχική Πρόταση 3. Στην ενότητα 4 περιγράφεται αναλυτικά η υλοποίηση των επιμέρους φάσεων του Έργου, κυρίως σε ότι αφορά την κατασκευή της βάσης ψηφιακών μαστογραφικών εικόνων και του σχετικού ιστοτόπου για τη διάθεση όλου του προς δημοσίευση υλικού. Τέλος, στην ενότητα 5 παρουσιάζεται ο τελικός οικονομικός απολογισμός, σύμφωνα με τα στοιχεία του αρχικού προϋπολογισμού του Έργου. 1 Πληροφορίες για τη βάση εικόνων και για τους τρόπους πρόσβασης σε αυτή: http://www.medsip.gr 2 Σύμβαση έργου μεταξύ του «Κοινωφελούς Ιδρύματος Ιωάννη Σ. Λάτση» και της ομάδας ανάπτυξης (βλ. 3.3), 18/3/2010, Κηφισιά Παραδοτέα: παρ. 1α, 3α, 3β. 3 Πρόταση έργου για τη δημιουργία, από την ομάδα ανάπτυξης, δημόσια προσβάσιμης βάσης ψηφιακών μαστογραφικών εικόνων, 19/9/2009, Αθήνα. Σελ. 1 από 17

1. Εισαγωγή Οι τεχνολογίες που βασίζονται στην επεξεργασία πληροφορίας και στην επιστήμη της Πληροφορικής γενικότερα, έχουν προσφέρει σημαντική ώθηση τις τελευταίες δεκαετίες στην βελτίωση των πρακτικών και εν γένει της γνώσης σε πολλές άλλες επιστήμες, συμπεριλαμβανομένης της Ιατρικής. Οι νέες μεθοδολογίες επεξεργασίας και ανάλυσης εικόνας για ιατρικούς σκοπούς αποτελούν τη βάση για τη σχεδίαση και υλοποίηση αποτελεσματικών συστημάτων Computer Aided Diagnosis (CAD) και Automated Computer Diagnosis (ACD) τις τελευταίες δεκαετίες. H χρήση παρόμοιων «συμβουλευτικών» συστημάτων μπορεί να γίνει με δύο τρόπους: χρησιμοποιώντας τα αποτελέσματα του συστήματος είτε πριν είτε μετά την απόφαση του ιατρού [1-4]. Προκειμένου τα συστήματα αυτόματης (ACD) ή υποβοηθούμενης (CAD) διάγνωσης μέσω Η/Υ να προσφέρουν επίπεδα ευαισθησίας (sensitivity) και ακρίβειας (specificity) συγκρίσιμα με αυτά ενός μέσου ιατρού, είναι απαραίτητο να διατυπωθεί ένα πλήρες, σαφές και αποτελεσματικό πλαίσιο μελέτης για τις παραμέτρους και τα δεδομένα που σχετίζονται με το πρόβλημα καθεαυτό. Ο καρκίνος του μαστού στις γυναίκες αποτελεί σήμερα την πιο συνήθη μορφή καρκίνου και στις ανεπτυγμένες χώρες την δεύτερη αιτία θανάτου. Η προληπτική μαστογραφία σάρωσης (screening mammography), η οποία εφαρμόζεται για τον έγκαιρο εντοπισμό καρκίνου του μαστού σε πρώιμα στάδια, αυξάνει τις πιθανότητες πλήρους ίασης και τον μέσο χρόνο επιβίωσης των γυναικών μετά την αντιμετώπισή του. Η εφαρμογή του τακτικού μαστογραφικού ελέγχου, με ή χωρίς την χρήση συστημάτων ACD/CAD, έχει επιτύχει την μείωση της θνησιμότητας από καρκίνο του μαστού τα τελευταία χρόνια σε ποσοστό 30%-50% [5-6]. Η κλινική εκτίμηση και η διάγνωση στις μαστογραφικές εικόνες αποτελεί εν γένει μια δύσκολη και πολύπλοκη γνωστική διαδικασία, η οποία απαιτεί αυξημένη εμπειρία και πολυετή εκπαίδευση στο συγκεκριμένο ιατρικό πεδίο. Η εξέταση μέσω μαστογραφίας σάρωσης για τον εντοπισμό και τον χαρακτηρισμό των πιθανών ανωμαλιών είναι μια οπτική κυρίως διαδικασία «ανάγνωσης» της εικόνας, η οποία συνδυάζει πολλά και διαφορετικά στοιχεία ακτινολογίας (x-ray imaging). Τα στοιχεία αυτά ερμηνεύουν τον τρόπο παρουσίασης των διαφόρων χαρακτηριστικών του μαστικού ιστού στην ακτινολογική εικόνα, καθώς επίσης και άλλα δεδομένα που σχετίζονται με το ιατρικό ιστορικό του κάθε ασθενούς. Ειδικά κλινικά ευρήματα, όπως για παράδειγμα τα μορφολογικά χαρακτηριστικά και οι λεπτομέρειες της δομής του ιστού (υφή texture) που απεικονίζεται, αποτελούν πρωταρχικούς παράγοντες για τον χαρακτηρισμό της παθολογίας και της σοβαρότητας (severity) κάθε περίπτωσης, δηλαδή αν πρόκειται για νεοπλασματική μάζα καλοήθους (benign) ή κακοήθους (malignant) παθολογίας [7-9]. Η σύγχρονη τεχνολογία Η/Υ μπορεί να χρησιμοποιηθεί για την υλοποίηση συστημάτων αυτόματης επεξεργασίας εικόνας και ανάλυσης διαφόρων στοιχείων των ευρημάτων αυτών, λειτουργώντας ουσιαστικά ως βοηθητικό διαγνωστικό εργαλείο για τον εξειδικευμένο ιατρό [10-18]. Για την ανάπτυξη, εξέλιξη και κλινική εφαρμογή των συστημάτων ACD/CAD, απαιτείται η εφαρμογή εξειδικευμένων αλγορίθμων Ανάλυσης Εικόνας και Μηχανικής Μάθησης σε ειδικά κατασκευασμένες βάσεις ψηφιακών μαστογραφικών εικόνων [19-20]. Η ανάκτηση και επεξεργασία της μαστογραφικής εικόνας σε ψηφιακή μορφή επιτρέπει την εφαρμογή εξειδικευμένων μεθόδων αυτόματης ανάλυσης, η οποία περιλαμβάνει τόσο τον εντοπισμό όσο και τον χαρακτηρισμό (εκτίμηση παθολογίας) των αντιστοίχων ευρημάτων, όπως νεοπλασματικές μάζες, αποτιτανώσεις και μικροαποτιτανώσεις, αρχιτεκτονικές αλλοιώσεις και ασυμμετρίες, κτλ [21-26, 33-35]. Για την εφαρμογή κάθε τέτοιας μεθόδου είναι απαραίτητη η ύπαρξη μαστογραφικών εικόνων υψηλής ποιότητας σε ψηφιακή μορφή, κάτι που δεν είναι πάντοτε εφικτό. Τα σύγχρονα συστήματα αρχειοθέτησης ιατρικών εικόνων (Picture Archiving and Communication Systems PACS [27-29]) που χρησιμοποιούνται σήμερα στην κλινική πρακτική συχνά ενσωματώνουν «κλειστά» πρότυπα και πρωτόκολλα, ενώ πολλές φορές επιτρέπουν την εισαγωγή ελλιπούς ή λανθασμένης περιγραφής (annotation), κάνοντάς τα Σελ. 2 από 17

έτσι ακατάλληλα για την άμεση εκμετάλλευσή τους στην ανάπτυξη συστημάτων ACD/CAD. Ταυτόχρονα, οι υπάρχουσες βάσεις μαστογραφικών εικόνων που είναι δημόσια διαθέσιμες (MIAS, DDSM [30-31]) είναι κατά κανόνα βασισμένες σε ψηφιοποιημένες (scanned) αναλογικές μαστογραφίες τύπου φιλμ, μέτριας ή χαμηλής ανάλυσης (spatial resolution) και με σημαντικά επίπεδα θορύβου, σε σύγκριση με τις εικόνες των σύγχρονων ψηφιακών μαστογράφων, ενώ επιπλέον είναι κατασκευασμένες εξ αρχής ως «γενικής χρήσης» και όχι έχοντας ως βασικό σκοπό την υποστήριξη ανάπτυξης και δοκιμής αλγορίθμων που υποστηρίζουν συστήματα ACD/CAD. 2. Διατύπωση Στόχων Έργου Στόχος της παρούσας μελέτης είναι η δημιουργία μιας τέτοιας βάσης ψηφιακών μαστογραφικών εικόνων υψηλής ποιότητας, η οποία είναι δημόσια διαθέσιμη και θα μπορεί να χρησιμοποιηθεί από ερευνητές που δραστηριοποιούνται στο πεδίο της ανάλυσης μαστογραφιών και της αυτόματης διάγνωσης. Συνδυάζοντας τα πλεονεκτήματα των σύγχρονων ψηφιακών μαστογράφων με την μέχρι τώρα εμπειρία και τα επισημασμένα μειονεκτήματα των διαθέσιμων δημόσια διαθέσιμων βάσεων μαστογραφικών εικόνων, η νέα βάση εικόνων θα περιλαμβάνει ένα εκτενές και πλήρως τεκμηριωμένο (annotated) σύνολο ψηφιακών μαστογραφιών. Η νέα βάση μπορεί να χρησιμοποιηθεί ως πρωτογενές υλικό για την ανάπτυξη αλγορίθμων που σχετίζονται με συστήματα ACD/CAD, όπως ο αυτόματος εντοπισμός πιθανά παθολογικών ευρημάτων (μάζες, αποτιτανώσεις, ασυμμετρίες, κτλ), η αυτόματη διάγνωση βάσει των ήδη εντοπισμένων ευρημάτων, η αυτόματη κατηγοριοποίηση και ανάκτηση εικόνων με βάση το περιεχόμενο (Content Based Image Retrieval CBIR [35]), η ανάπτυξη «έξυπνων» διαδραστικών διεπαφών χρήστη για παρόμοιες εφαρμογές, κτλ. Στα πλαίσια του έργου, το πρωτογενές υλικό από ψηφιακούς μαστογράφους έχει μετατραπεί σε κατάλληλα προσαρμοσμένα ανοικτά πρότυπα αποθήκευσης και πρόσβασης (DiCOM, PNG, κ.ά.), ενώ παράλληλα έχει γίνει ιατρική εκτίμηση και αξιολόγηση κάθε εικόνας, τόσο σε κλινικό επίπεδο (παθολογία) όσο και σε τεχνικό επίπεδο (ποιότητα). Επιπλέον, ο εντοπισμός κάθε παθολογικού ευρήματος συνοδεύεται από αναλυτική περιγραφή της αντίστοιχης περιοχής της εικόνας, ώστε η μετέπειτα επεξεργασία και ανάλυση από αλγορίθμους να είναι σαφής και αντικειμενική (groundtruth evaluation). Όλες οι συνοδευτικές αυτές πληροφορίες (annotation) έχουν εκπονηθεί από εξειδικευμένο ιατρικό προσωπικό (medical assessment) και έχουν ενσωματωθεί με ενιαίο τρόπο σε κάθε φάκελο εξέτασης (examination case), έτσι ώστε να αποτελούν αναπόσπαστο μέρος της βάσης 4 και να είναι εύκολα προσβάσιμες. Επιπλέον, στα πλαίσια του έργου έχει δημιουργηθεί ειδική διαδικτυακή πύλη 5 (web portal), μέσω της οποίας είναι δημόσια προσβάσιμα και διαθέσιμα προς αποθήκευση (download), τόσο το σύνολο της βάσης εικόνων, όσο και όλες οι τεχνικές πληροφορίες που είναι απαραίτητες για την ανάπτυξη λογισμικού διασύνδεσης με αυτή (αναλυτική τεκμηρίωση 6, βιβλιοθήκες/δείγματα κώδικα, κτλ). Στην τελική τους μορφή, η διαδικτυακή πύλη και η βάση ψηφιακών μαστογραφικών εικόνων αποτελούν την πρώτη ίσως προσπάθεια στη χώρα μας δημιουργίας παρόμοιου, δημόσια προσβάσιμου 7 ερευνητικού υλικού στο συγκεκριμένο αντικείμενο, καθώς σήμερα παρατηρείται σημαντική έλλειψη στον τομέα αυτό. 4 Σύμβαση έργου μεταξύ του «Κοινωφελούς Ιδρύματος Ιωάννη Σ. Λάτση» και της ομάδας ανάπτυξης (βλ. 3.3), 18/3/2010, Κηφισιά Παραδοτέα: παρ. 1α(iii), 3β(iii) [βάση εικόνων]. 5 Σύμβαση έργου μεταξύ του «Κοινωφελούς Ιδρύματος Ιωάννη Σ. Λάτση» και της ομάδας ανάπτυξης (βλ. 3.3), 18/3/2010, Κηφισιά Παραδοτέα: παρ. 1α(ii), 1α(iv) [website/διάθεση]. 6 Σύμβαση έργου μεταξύ του «Κοινωφελούς Ιδρύματος Ιωάννη Σ. Λάτση» και της ομάδας ανάπτυξης (βλ. 3.3), 18/3/2010, Κηφισιά Παραδοτέα: παρ. 1α(i), 3α(i), 3β(i), 3β(ii), 3β(iv) [τεκμηρίωση/αναφορές]. 7 Πληροφορίες για τη βάση εικόνων και για τους τρόπους πρόσβασης σε αυτή: http://www.medsip.gr Σελ. 3 από 17

3. Γενικό Πλάνο & Χρονοπρογραμματισμός Έργου 3.1 Κύριες φάσεις ανάπτυξης Έργου 1. Οργάνωση υλικού, επιλογή μεθόδων, καθορισμός προτύπων και πρωτοκόλλων. 2. Κατασκευή βάσης εικόνων, τεκμηρίωση εικόνων (annotation), αποθήκευση. 3. Ανάπτυξη διαδικτυακής πύλης για τη διάθεση της βάσης εικόνων. 3.2 Περιγραφή του τελικού προϊόντος και παραδοτέων της μελέτης 1. Ολοκληρωμένη βάση ψηφιακών μαστογραφικών εικόνων με ενσωματωμένη πληροφορία περιγραφής παθολογίας και εντοπισμένων ευρημάτων. 2. Διαδικτυακή πύλη παρουσίασης, τεκμηρίωσης και διάθεσης της βάσης. 3.3 Κατάλογος κύριων εργασιών 1. Μελέτη προβλήματος και κατασκευή υποδομής (Ιαν.-Μαρ.2010) [3 μήνες] 1.1 Βιβλιογραφία, πηγές, διαθέσιμο υλικό 1.2 Επιλογή μεθόδων, καθορισμός προτύπων/πρωτοκόλλων 1.3 Αξιολόγηση αποτελεσμάτων 2. Βάση ψηφιακών μαστογραφικών εικόνων (Απρ.-Σεπτ.2010) [5 μήνες] 2.1 Καθορισμός τεχνικών προδιαγραφών 2.2 Σχεδίαση βάσης, πρωτοκόλλων, διασυνδέσεων, πολιτικών ασφάλειας 2.3 Υλοποίηση βάσης, εισαγωγή δεδομένων 2.4 Κλινική αξιολόγηση εικόνων, δημιουργία & ενσωμάτωση τεκμηρίωσης 2.5 Αξιολόγηση αποτελεσμάτων 3. Ανάπτυξη διαδικτυακής πύλης (Οκτ.-Δεκ.2010) [4 μήνες] 3.1 Ανάλυση απαιτήσεων & τεχνικών προδιαγραφών 3.2 Ανάλυση & σχεδίαση συστήματος (λογισμικού/πρωτοκόλλων/ασφάλειας) 3.3 Υλοποίηση συστήματος 3.4 Πιλοτική λειτουργία συστήματος 3.5 Αξιολόγηση αποτελεσμάτων 4. Διαχειριστικές εργασίες (συνολικά) (Ιαν.-Δεκ.2010) [12 μήνες] 5.1 Σχεδίαση, διαχείριση & επίβλεψη Έργου 5.2 Διάχυση αποτελεσμάτων (publications, conferences, etc) 5.3 Εργασίες υποδομής, συντήρησης, τεκμηρίωσης, κτλ. Κύριοι συμμετέχοντες: Μιχάλης Μαυροφοράκης: (Tasks: 1.x, 2.x, 4.x) Χάρης Γεωργίου: (Tasks: 1.x, 2.x, 3.x) Νίκος Δημητρόπουλος: (Tasks: 1.x, 2.5, 3.5) Παντελής Μπουμπούλης: (Tasks: 1.x, 2.x, 3.x) Σελ. 4 από 17

4. Υλοποίηση Έργου Παρακάτω παρουσιάζεται συνοπτικά η εξέλιξη του Έργου και οι επιμέρους εργασίες που πραγματοποιήθηκαν. Επίσης, περιγράφονται ενδεικτικά κάποιες τεχνικές λεπτομέρειες της υλοποίησης των επιμέρους σταδίων, ώστε να σχηματιστεί καλύτερη εικόνα για το περιεχόμενο των εργασιών που έχουν ολοκληρωθεί. 4.1 Φάσεις ανάπτυξης Έργου 1. (Οργάνωση υλικού, καθορισμός προτύπων, κτλ): Έχει ολοκληρωθεί επιτυχώς (100%) 2. (Κατασκευή βάσης εικόνων, annotation, κτλ): Έχει ολοκληρωθεί επιτυχώς (100%) 3. (Ανάπτυξη διαδικτυακής πύλης, κτλ): Έχει ολοκληρωθεί επιτυχώς (100%) 4. (Διαχειριστικές εργασίες, κτλ): Έχει ολοκληρωθεί επιτυχώς (100%) Σημειώνεται ότι παρόλο που οι εργασίες 2 (βάση εικόνων) και 3 (website) έχουν ολοκληρωθεί σύμφωνα με τα απαιτούμενα της παρούσας μελέτης, εντούτοις θα συνεχίσουν να εμπλουτίζονται με περισσότερες εικόνες και νέο υλικό για τουλάχιστον ένα ακόμη έτος. Σκοπός είναι η βελτίωση της ποιότητα και της έκτασης του πρωτογενούς υλικού, καθώς και ως μέρος των σχετικών ερευνητικών εργασιών/δημοσιεύσεων που πρόκειται να ακολουθήσουν (βλ. 4.5). 4.2 Μελέτη προβλήματος και κατασκευή υποδομής 4.2.1 Βιβλιογραφία, πηγές, διαθέσιμο υλικό Στο πλαίσιο της πρώτης φάσης, πραγματοποιήθηκε εκτεταμένη διερεύνηση και ανασκόπηση της σχετικής βιβλιογραφίας, καθώς και επιλογή υλικού που ήδη έχει μελετηθεί και δημοσιευτεί [21, 36, 37] από τα μέλη της ομάδας, στον τομέα της ανάλυσης και αυτόματης διάγνωσης σε μαστογραφική εικόνα. Ως κύριοι άξονες περιγραφής των κλινικών και παθολογικών χαρακτηριστικών στη μαστογραφία, χρησιμοποιήθηκαν κυρίως διεθνή πρότυπα και διαδικασίες [8] για την καταγραφή των σχετικών κλινικών δεδομένων. Ειδικότερα, εφαρμόστηκε το διεθνές πρότυπο BI-RADS [38] για το χαρακτηρισμό κάθε περίπτωσης (case) και το πρότυπο DICOM [39] ως βάση για την ψηφιακή αποθήκευση και διαχείριση των εικόνων (βλ. 4.3). 4.2.2 Επιλογή μεθόδων, καθορισμός προτύπων/πρωτοκόλλων Για την λήψη των μαστογραφικών εικόνων επιλέχθηκε ο ψηφιακός μαστογράφος της εταιρείας General Electric GE Senographe Essential που αποτελεί ένα κορυφαίο ψηφιακό μαστογραφικό σύστημα πλήρους πεδίου, με το μέγιστο διαθέσιμο ενεργό πεδίο για υψηλής ταχύτητας, ανάλυσης, ποιότητας και απόδοσης μαστογραφικές εικόνες. Οι μαστογραφικές εικόνες μεταφέρονται από τον ψηφιακό μαστογράφο στον διαγνωστικό σταθμό, όπου γίνεται η διάγνωση και η προσωρινή αποθήκευσή τους. Ο διαγνωστικός σταθμός που χρησιμοποιείται είναι ο GE Seno Advantage v. 2.1 και υποστηρίζει το πρωτόκολλο DICOM 3.0 (για επικοινωνία με εξωτερικά συστήματα), που έχει επιλεγεί από την ερευνητική ομάδα για την αρχική αποθήκευση των μαστογραφικών εικόνων. Η εσωτερική αποθήκευση των εικόνων γίνεται με την χρήση «κλειστού» πρωτοκόλλου, που έχει σχεδιάσει και υλοποιήσει ειδικά για τον σκοπό αυτό ο κατασκευαστής (GE). Ο διαγνωστικός σταθμός περιλαμβάνει σαν βασικό εξοπλισμό έναν Η/Υ HP xw8400 workstation και, εκτός από την οθόνη διαχείρισης, δύο οθόνες διάγνωσης υψηλής ευκρίνειας και ανάλυσης. Επίσης, προστέθηκε και ψηφιοποιητής (Wacom Bamboo) για την ακριβή περιγραφή των μη φυσιολογικών ευρημάτων. Ο διαγνωστικός σταθμός Σελ. 5 από 17

χρησιμοποιεί το Linux (v. 2.6.15-2.5) ειδικά διαμορφωμένο (και κλειστό) από την GE (GEHC/CTT Linux 5.2.10) και το ειδικά κατασκευασμένο από την GE λογισμικό ADW v.4.4 για την διαχείριση των ψηφιακών εξετάσεων (μέσω του οποίου γίνεται και η επεξεργασία των μαστογραφικών εικόνων, η επισήμανση των προβλημάτων, η προσωρινή αποθήκευση των στοιχείων των εξετάσεων σε σύστημα διαχείρισης Βάσεων Δεδομένων PostgreSQL v. 7.4.6, η εκτύπωση των μαστογραφιών σε ειδικό εκτυπωτή ακτινογραφιών κλπ). Διερευνήθηκε η δυνατότητα χρήσης εξωτερικού σταθμού εργασίας για την προβολή, διαχείριση, επεξεργασία και επισήμανση των μαστογραφικών εικόνων με χρήση ανάλογου με το GE Seno Advantage υλικο-τεχνικού εξοπλισμού (δηλ. υψηλών προδιαγραφών οθόνη και κάρτα γραφικών κλπ) και με χρήση έτοιμων προϊόντων επισήμανσης (εξετάστηκε για τον σκοπό αυτό -μεταξύ άλλων- ο DICOM Editor της εταιρείας SanteSoft, που διαθέτει τα επιθυμητά χαρακτηριστικά). Η λύση αυτή θα απαιτούσε πολύ υψηλό κόστος και χρόνο υλοποίησης. Αντί αυτής, αναζητήθηκαν τρόποι αξιοποίησης των εγγενών χαρακτηριστικών και δυνατοτήτων του διαγνωστικού σταθμού GE Seno Advantage και τελικά επιτεύχθηκε η διασύνδεσή του με εξωτερικό σύστημα που κατασκευάστηκε για τον σκοπό του Έργου. Το στάδιο αυτό (ένα από τα δυσκολότερα του Έργου), περιλάμβανε την σε βάθος κατανόηση της λειτουργίας του διαγνωστικού σταθμού GE Seno Advantage και των λειτουργιών του, τον τρόπο εσωτερικής αποθήκευσης των δεδομένων (μαστογραφικών εικόνων, τεχνικών χαρακτηριστικών των εξετάσεων, στοιχείων επισήμανσης και περιγραφής ανωμαλιών κλπ), τον τρόπο επικοινωνίας του με εξωτερικούς σταθμούς μέσω του πρωτοκόλλου DICOM κλπ. 4.2.3 Αξιολόγηση αποτελεσμάτων Συμπερασματικά, η πρώτη φάση του Έργου ολοκληρώθηκε με απόλυτη επιτυχία, παρά τις δυσκολίες που έπρεπε να αντιμετωπιστούν, πολλές από τις οποίες προϋπέθεταν την διερεύνηση και εναλλακτικών λύσεων. Για παράδειγμα, η δυνατότητα επικοινωνίας και άντλησης των μαστογραφικών εικόνων και των τεχνικών τους χαρακτηριστικών από τον ψηφιακό μαστογράφο και εν συνεχεία από τον διαγνωστικό σταθμό δεν ήταν γνωστή και δεδομένη, επειδή τα πρωτόκολλα επικοινωνίας τους είναι ιδιοκατασκευή (proprietary software) του κατασκευαστή GE και δεν αποτελούν γνωστά πρότυπα. 4.3 Βάση ψηφιακών μαστογραφικών εικόνων 4.3.1 Καθορισμός τεχνικών προδιαγραφών Η αρχική αποθήκευση των μαστογραφικών εικόνων γίνεται με βάση το ανοικτό πρωτόκολλο αποθήκευσης και μετάδοσης ιατρικών ψηφιακών εικόνων DICOM v. 3.0. Η ανάλυση των εικόνων είναι 50μm και βάθος χρώματος (διαβαθμίσεις του γκρι) 12bit. Τα χαρακτηριστικά αυτά στο σύνολό τους, σε συνδυασμό με την σημαντική διαφορά στην ποιότητα των εικόνων, είναι σαφώς καλύτερα από τα αντίστοιχα των δύο πιο διαδεδομένων δημόσια διαθέσιμων βάσεων μαστογραφικών εικόνων σήμερα (MIAS [30], DDSM [31]), με πρόσθετα βασικά πλεονεκτήματα ότι στην παρούσα Μελέτη α) πρόκειται για αμιγώς ψηφιακές (όχι ψηφιοποιημένες) μαστογραφίες υψηλής ποιότητας, δηλαδή απαλλαγμένες από το σημαντικό επίπεδο θορύβου της διαδικασίας της ψηφιοποίησης, και β) οι μαστογραφίες έχουν ληφθεί με Αυτόματη Βελτιστοποίηση και Έλεγχο των Παραμέτρων έκθεσης (Automatic Optimization of Parameters και Automatic Exposure Control) και χαρακτηρίζονται από υψηλό DQE, κλπ. Η επισήμανση των ευρημάτων/βλαβών γίνεται από τους εξειδικευμένους ιατρούς ακτινολόγους στον διαγνωστικό σταθμό με χρήση ψηφιοποιητή (π.χ., καταγράφεται το περίγραμμα των όγκων, η περιοχή των αποτιτανώσεων κλπ) και χαρακτηρίζονται τα ευρήματα με βάση το διεθνές, σύγχρονο πρωτόκολλο BI-RADS [38]. Σελ. 6 από 17

4.3.2 Σχεδίαση βάσης, πρωτοκόλλων, διασυνδέσεων, πολιτικών ασφάλειας Αναπτύχθηκε εφαρμογή για την αποθήκευση των χαρακτηριστικών των διαγνώσεων και των ευρημάτων που θα συνοδεύουν τη βάση δεδομένων, η οποία κατασκευάστηκε στο πλαίσιο του Έργου (βλ. 4.3.3). Δημιουργήθηκε και ελέγχθηκε η διαδικασία (σε όλα της τα βήματα) της διάγνωσης, επισήμανσης, αποθήκευσης και μεταφοράς των μαστογραφικών εικόνων και των σχετικών τεχνικών δεδομένων των εξετάσεων μεταξύ του διαγνωστικού σταθμού και του κατασκευασθέντος (στο πλαίσιο του Έργου) εξυπηρετητή αρχειοθέτησης (PACS 8 ). Τέλος, άρχισε η διαδικασία παραγωγής επισημασμένων μαστογραφικών εικόνων από την ομάδα εξειδικευμένων ιατρών ακτινολόγων, οι οποίες θα αποτελέσουν (μετά από επεξεργασία) το αντικείμενο της μελέτης. Παράλληλα δημιουργήθηκε σύστημα αρχειοθέτησης PACS, βασισμένο σε ΕΛΛΑΚ 9 /FOSS 10, για την υποστήριξη των διαδικασιών καταγραφής, μεταφοράς, διαχείρισης και ασφαλούς αποθήκευσης των ψηφιακών εικόνων, όχι μόνο κατά τη διάρκεια ανάπτυξης του Έργου αλλά και μετά από τη λήξη του. Κατόπιν διερεύνησης των σχετικών εφαρμογών που είναι διαθέσιμα, επιλέχθηκε η υλοποίηση σε σύστημα Debian Linux (v. 5.0.4). Για την αρχειοθέτηση των ιατρικών εικόνων και δεδομένων χρησιμοποιήθηκε το σύστημα διαχείρισης Βάσεων Δεδομένων (RDBMS) PostgreSQL (v. 8.3.9) σε συνδυασμό με τον Java EE-based Application Server JBoss (v. 4.2.3.GA) και το σύστημα PACS dcm4chee (v. 2.14.8), που επικοινωνεί με τον διαγνωστικό σταθμό μέσω πρωτοκόλλου DICOM. Για να επιτευχθεί η διαλειτουργικότητα και επικοινωνία των εφαρμογών και των συστημάτων απαιτήθηκε διαμόρφωση και παραμετροποίηση (σε σημαντικό βαθμό) των επιμέρους συστατικών και πολλές δοκιμές. Οι μαστογραφικές εικόνες (τυπικά 4 ανά εξέταση, δυο κεφαλο-ουριαίες και δυο πλάγιες μεσο-πλευρικές) λαμβάνονται, εξετάζονται, επισημαίνονται και αποθηκεύονται αρχικά σε ανάλυση 50 μm και βάθος χρώματος (διαβαθμίσεις του γκρι) 12bit. Μια τυπική μαστογραφία μικρού μεγέθους είναι εικόνα περίπου 4.5 Mpixels. Η δημιουργία προγραμμάτων συστήματος και διαδικασιών αυτοματοποίησης των επί μέρους βημάτων προς το παρόν εκτελούνται με χειροκίνητη παρέμβαση των διαχειριστών των συστημάτων (αναμένεται να αυτοματοποιηθεί πλήρως σταδιακά). Συνεχίζεται η επέκταση της βάσης δεδομένων μαστογραφικών εικόνων με επιπρόσθετα περιστατικά και η τελική επεξεργασία των μαστογραφικών εικόνων (π.χ. συμπίεση, μετατροπή ανάλυσης κλπ). 4.3.3 Υλοποίηση βάσης, εισαγωγή δεδομένων (annotdb) Στόχος της εφαρμογής Annotation DB Mammo -ή annotdb για συντομία-, που αναπτύχθηκε στο πλαίσιο του Έργου, είναι να προσφέρει έναν εύκολο και εξαγώγιμο (data-exportable) τρόπο ηλεκτρονικής τεκμηρίωσης της διαδικασίας καταγραφής των κλινικών χαρακτηριστικών σε μια μαστογραφία, σύμφωνα με το πρότυπο BI-RADS. Η εφαρμογή annotdb μπορεί να χρησιμοποιηθεί ως αυτόνομη εφαρμογή, παράλληλα με οποιοδήποτε άλλο λογισμικό ή διαδικασία διαχείρισης εικόνων μαστού (μαστογραφία ή υπέρηχος), καθώς αποτελεί βοηθητικό εργαλείο στην καταγραφή των χαρακτηριστικών, τα οποία στη συνέχεια πρόκειται να αξιολογηθούν με αυτόματο ή μη- αυτόματο τρόπο, παράλληλα με τις αντίστοιχες εικόνες. Στην περίπτωση του συγκεκριμένου Έργου, η εξαγωγή (export) των δεδομένων θα επιτρέψει την άμεση συσχέτιση και την επεξεργασία των κλινικών αυτών δεδομένων ως συνοδευτική τεκμηρίωση (annotation) των μαστογραφικών εικόνων στη βάση. 8 PACS: Picture Archiving & Communication System 9 ΕΛ/ΛΑΚ: Ελεύθερο Λογισμικό & Λογισμικό Ανοικτού Κώδικα (http://www.ellak.gr) 10 FOSS: Free and Open-Source Software (http://www.freeopensourcesoftware.org) Σελ. 7 από 17

Οι εσωτερικοί πίνακες και οι λίστες επιλογών στην εφαρμογή αντιστοιχούν στο πρότυπο BI-RADS (για μαστογραφία και υπέρηχο), καθώς και σχετικές μελέτες και δημοσιευμένες εργασίες (βλ. 2.2.1) μελών της ομάδας του Έργου. Πρώιμες μορφές αυτού του πρότυπου τεκμηρίωσης έχουν χρησιμοποιηθεί (σε μη ηλεκτρονική μορφή) με επιτυχία σε προηγούμενες μελέτες και ερευνητικές προσπάθειες 11. Το γραφικό περιβάλλον της εφαρμογής annotdb έχει αναπτυχθεί σε περιβάλλον Microsoft Access 2003/2007 και προς το παρόν καλύπτει μόνο τις ανάγκες τεκμηρίωσης μαστογραφικών εικόνων (όχι υπέρηχων), πάντα σύμφωνα με τις απαιτήσεις του Έργου. Η βασική διεπαφή (GUI form) έχει σχεδιαστεί σε συνεργασία με τον ιατρό της ερευνητικής ομάδας και τους συνεργάτες του, έτσι ώστε να ικανοποιεί τις απαραίτητες προδιαγραφές ποιότητας και ευχρηστίας σε περιβάλλον υψηλού φόρτου εργασίας, μείωση του χρόνου εισαγωγής δεδομένων και ελαχιστοποίηση των σφαλμάτων. Εικόνα 1: Το βασικό περιβάλλον εργασίας (GUI form) της εφαρμογής annotdb. Οι πίνακες δεδομένων είναι εξαγώγιμοι (data-exportable) και μπορούν να χρησιμοποιηθούν σε μορφή συμβατή με άλλα περιβάλλοντα RDBMS (π.χ. OpenOffice Base, Oracle, MySQL, κτλ). Επίσης, τα δεδομένα μπορούν να εξαχθούν σε μορφή μορφοποιημένου απλού (formatted plain text), όπως για παράδειγμα tab- ή commadelimited, για χρήση από οποιαδήποτε άλλη εφαρμογή (π.χ. Microsoft Excel, OpenOffice Sheet, Matlab, κτλ, για περαιτέρω επεξεργασία). 11 I-ImaS: Intelligent Imaging Sensors for Industry, Health and Security (FP6-505593-1). Σελ. 8 από 17

Η εφαρμογή annotdb είναι ήδη διαθέσιμη on-line 12 και ελεύθερη για χρήση, ενώ παράλληλα γίνεται συνεχής αξιολόγηση από συνεργάτες και συναδέλφους για την περαιτέρω βελτίωσή της. 4.3.4 Κλινική αξιολόγηση εικόνων, δημιουργία & ενσωμάτωση τεκμηρίωσης Η κλινική αξιολόγηση και συνοδευτική τεκμηρίωση των μαστογραφικών εικόνων αποτέλεσε μια από τις σημαντικότερες και πιο χρονοβόρες διαδικασίες κατά τη διάρκεια του Έργου. Λόγω της εξαιρετικής σημασίας της και την ανάγκη για αξιόπιστα αποτελέσματα, η έναρξη της συγκεκριμένης εργασίας καθυστέρησε περίπου δύο εβδομάδες, σε σχέση με τον αρχικό χρονοπρογραμματισμό. Η καθυστέρηση αυτό προέκυψε ως απαραίτητη επέκταση της σχετικής προεργασίας, μέχρι να καθοριστούν όλες οι λεπτομέρειες της διαδικασίας και του περιεχομένου της τεκμηρίωσης (annotation), καθώς επίσης και να λυθούν κάποια δύσκολα τεχνικά ζητήματα που συνδέονταν με την πρόσβαση στο «κλειστό» σύστημα του διαγνωστικού σταθμού (βλ. 4.2.2-4.2.3). Η διαδικασία της αξιολόγησης των μαστογραφικών εικόνων από διαγνώστες ακτινολόγους εξελίχθηκε κανονικά ολοκληρώθηκε στα μέσα Νοεμβρίου, αντί για τέλος Αυγούστου όπως είχε προγραμματιστεί στο χρονοδιάγραμμα του Έργου. Ο λόγος του πρόσθετου ατού χρόνου οφείλεται κυρίως στις τεχνικές δυσκολίες που έπρεπε να αντιμετωπιστούν στο εσωτερικό σύστημα διαχείρισης των ψηφιακών μαστογραφικών εικόνων και στην εγκατάσταση του PACS dedicated server (βλ. (βλ. 4.2.2-4.2.3). Εικόνα 2: Παράδειγμα τμήματος ψηφιακής μαστογραφίας από τη βάση εικόνων που κατασκευάστηκε στα πλαίσια του Έργου. Η εικόνα αποτελεί μεγέθυνση και εστίαση σε εντοπισμένο εύρημα (αποτιτανώσεις), ενώ διακρίνονται οι ενσωματωμένες (DICOM) επισημάνσεις του διαγνώστη ακτινολόγου. 12 http://tinyurl.com/xgannotdb Σελ. 9 από 17

DiMaDB : Summary of annotated data Breast Left/Right 273 (n/a) 74 Left Breast 68 Right Breast Architectural Type 384 (n/a) 17 Special case: Intramammary lymph node 14 Special case: Focal asymmetry Breast Pathology 360 (n/a) 18 Benign: Fibroadenoma 12 Benign: Cysts 5 Benign: Sclerosing adenosis 1 Benign: Mammary duct ecstasia 3 Benign: Fat necrosis 6 Other 2 Malignant: Ductal Carcinoma In Situ (DCIS) 8 Malignant: Invasive Ductal Cancer Calcification Distribution 398 (n/a) 2 Distribution: Other 7 Distribution: Grouped or clustered 1 Distribution: Linear 1 Distribution: Segmental 3 Distribution: Regional 3 Distribution: Diffuse or scattered Calcification Information 361 (n/a) 2 Typically benign: Rodlike 16 Typically benign: Coarse or popcorn-like 8 Typically benign: Rim or eggshell 4 Typically benign: Vascular 2 Typically benign: Punctate (< 0.5 mm) 13 Typically benign: Round (>= 0.5 mm) 1 Typically benign: Milk of calcium 2 Typically benign: Lucent center 1 Typically benign: Suture 1 Typically benign: Dystrophic 2 Intermediate: Amorphus or indistinct 2 Probably malignant: Pleomorphic Number of Calcifications 361 (n/a) 1 Calcification number: Other 10 Calcification number: < 5 6 Calcification number: 5 10 6 Calcification number: > 10 Finding Location 273 (n/a) 93 Upper outer quadrant (UOQ) 23 Upper inner quadrant (UIQ) 7 Lower outer quadrant (LOQ) 17 Lower inner quadrant (LIQ) 2 Areolar area (AA) Type of Mammogram 2 (n/a) 1 Need additional imaging evaluation 269 Negative (no abnormality seen) 111 Benign finding(s) 22 Equivocal but probably benign finding(s) 7 Suspicious of malignancy abnormality 3 Highly suggestive of malignancy Mass Density 330 (n/a) 7 High 58 Equal 15 Low 5 Fat containing Mass Boundary 330 (n/a) 62 Circumscribed 17 Microlobulated 4 Indistinct or ill-defined 2 Spiculated Mass Shape 330 (n/a) 47 Round 24 Oval 9 Lobular 5 Irregular Πίνακας 1: Περίληψη των περιεχομένων της βάσης εικόνων Σελ. 10 από 17

Στον Πίνακα 1 παρουσιάζονται συνοπτικά τα κυριότερα συνολικά στατιστικά της βάσης εικόνων, όπως αποτυπώνονται στα συνοδευτικά δεδομένα (annotation data). Οι τεχνικές προδιαγραφές των ψηφιακών εικόνων και το πρωτόκολλο εξέτασης/καταγραφής αναφέρονται αναλυτικά στα 4.3.1-4.3.2, ενώ η διαδικασία καταχώρησης των συνοδευτικών δεδομένων (annotation data) μέσω του προγράμματος annotdb περιγράφεται στο 4.3.3. Όπως γίνεται φανερό, η βάση αποτελεί ένα αντιπροσωπευτικό δείγμα από μαστογραφικές εξετάσεις σάρωσης (screening mammograms) διαφόρων τύπων και κατηγοριών. Οι καταχωρήσεις που σημειώνονται ως (n/a) αντιστοιχούν είτε φυσιολογικές (normal) περιπτώσεις, είτε σε περιπτώσεις που τα δεδομένα είναι ήδη ενσωματωμένα στο κάθε case (DICOM header). Εκτός ελαχίστων εξαιρέσεων, όλα τα δεδομένα έχουν καταχωρηθεί επακριβώς, δηλαδή ελάχιστα έχουν καταχωρηθεί σε επιλογές Other. Συνολικά η βάση εικόνων περιλαμβάνει 415 περιγραφές εξετάσεων. Από τα παραπάνω συνοπτικά στοιχεία, το πιο σημαντικό είναι ίσως το ποσοστό των (σαφών) μη φυσιολογικών περιπτώσεων, το οποίο είναι 111 (26,7%), έναντι 269 (64,8%) φυσιολογικών εικόνων (μη παθολογικών εικόνων ή εικόνων χωρίς κλινικά ευρήματα), συν 35 (8,5%) ασαφών ή πιθανά μη φυσιολογικών περιπτώσεων. Τα ποσοστά αυτό θεωρούνται γενικά ικανοποιητικά και ανταποκρίνονται στα συνήθη στατιστικά εμφάνισης μη φυσιολογικών ή πιθανά μη φυσιολογικών περιπτώσεων σε τυπικές μαστογραφίες σάρωσης. Σε ότι αφορά τα ευρήματα, υπάρχουν 31 περιπτώσεις αρχιτεκτονικών αλλοιώσεων, 55 περιπτώσεις μαζών (ιστολογικά επιβεβαιωμένης καλοήθειας/κακοήθειας), 54 περιπτώσεις αποτιτανώσεων (καλοήθων/κακοήθων), καθώς και αρκετά ικανοποιητική στατιστική διανομή στις διαθέσιμες κατηγορίες πυκνότητας (mass density), σαφήνειας των ορίων (mass boundary) και του σχήματος της μάζας (mass shape), πάντα σύμφωνα με το πρότυπο BI-RADS. Δεδομένων των παραπάνω στατιστικών, η βάση εικόνων που κατασκευάστηκε στα πλαίσια της παρούσας μελέτης είναι σίγουρα συγκρίσιμη με αυτή της βάσης MIAS [30], η οποία περιλαμβάνει 322 εικόνες διαφόρων κατηγοριών και παθολογίας, ενώ η ποιότητα των ψηφιακών εικόνων είναι σαφώς καλύτερη από τις εικόνες της βάσης DDSM [31], οι οποίες είναι ανάλογης ανάλυσης και βάθους αποχρώσεων, αλλά λόγω ψηφιοποίησης από φιλμ μέσω σάρωσης περιέχουν μεγαλύτερα επίπεδα θορύβου (βλ. 4.3.1). 4.3.5 Αξιολόγηση αποτελεσμάτων Συμπερασματικά, η δεύτερη φάση του Έργου ολοκληρώθηκε με απόλυτη επιτυχία, παρά τις μικρές καθυστερήσεις στη βασική διαδικασία (αξιολόγηση εικόνων). Με την ολοκλήρωση της φάσης αυτής, είναι πλέον διαθέσιμη σε ψηφιακή μορφή ολόκληρη η βάση μαστογραφικών εικόνων και η συνοδευτική τεκμηρίωση (annotation). Όπως αναφέρθηκε και παραπάνω, η βάση εικόνων καθώς και ο σχετικός ιστότοπος (medsip.gr) θα συνεχίσουν να εμπλουτίζονται με περισσότερες εικόνες και νέο υλικό για τουλάχιστον ένα ακόμη έτος, για τη βελτίωση της ποιότητα και της έκτασης του πρωτογενούς υλικού. 4.4 Ανάπτυξη διαδικτυακής πύλης 4.4.1 Γενική επισκόπηση Η σχεδίαση και ανάπτυξη της διαδικτυακής πύλης (medsip.gr), που φιλοξενεί όλο το προς δημοσίευση υλικό, αποτελεί την τρίτη φάση του Έργου και έχει ολοκληρωθεί σύμφωνα με το χρονοδιάγραμμα του Έργου. Η υλοποίηση αποτελείται τις εξής επιμέρους εργασίες: Ανάλυση απαιτήσεων & τεχνικών προδιαγραφών Ανάλυση & σχεδίαση συστήματος (λογισμικού/πρωτοκόλλων/ασφάλειας) Υλοποίηση συστήματος Πιλοτική λειτουργία συστήματος Αξιολόγηση αποτελεσμάτων Σελ. 11 από 17

Στο αρχικό χρονοδιάγραμμα είχε προβλεφθεί η πιθανότητα η φάση αυτή να ξεκινήσει πριν την ολοκλήρωση της δεύτερης φάσης, εφόσον υπήρχε διαθεσιμότητα χρόνου και πρότυπου (προς δημοσίευση) υλικού. Παρόλα αυτά, η πιλοτική λειτουργία του (ολοκληρωμένου) ιστοτόπου προϋποθέτει προηγουμένως την ολοκλήρωση, σε επίπεδο κλινικής αξιολόγησης και τεχνικών προδιαγραφών, της κατασκευής του τελικού πακέτου της βάσης μαστογραφικών εικόνων, έτοιμο προς δημοσίευση-διάθεση μέσω του ιστοτόπου. Ως εκ τούτου, υπήρχε ήδη διαθέσιμος «αδρανής» χρόνος περίπου τριών εβδομάδων, από την ολοκλήρωση των τεχνικών ελέγχων (testing) του ιστοτόπου μέχρι πιλοτική του λειτουργία με την πλήρη βάση εικόνων διαθέσιμη (βλ. Παράρτημα: Αναλυτικό χρονοδιάγραμμα). Με βάση τα παραπάνω, αποφασίστηκε η ανάπτυξη του ιστοτόπου να μετακινηθεί αργότερα, ώστε ο χρόνος αυτός να αξιοποιηθεί στο μέγιστο για την αποσαφήνιση τεχνικών λεπτομερειών και κάποιων προδιαγραφών που προς το παρόν δεν είναι απόλυτα καθορισμένες (π.χ. απαραίτητος on-line αποθηκευτικός χώρος). Το μοντέλο ανάπτυξης που επιλέχθηκε να εφαρμοστεί είναι βασισμένο στο AUP 13 και η αντιμετώπιση των μεταγενέστερων τροποποιήσεων και επεκτάσεων των αρχικών προδιαγραφών έγινε με τον αποτελεσματικότερο τρόπο, με τη συνεχή τροποποίηση και εξέλιξη του λογισμικού του ιστοτόπου μέχρι το τέλος του Έργου. 4.4.2 Τεχνικές λεπτομέρειες Αρχικά πραγματοποιήθηκε η προκαταρκτική ανάλυση και μελέτη περίπτωσης (case study) της ανάπτυξης του ιστοχώρου ως ξεχωριστό υποέργο, βάσει των προδιαγραφών και των απαιτήσεων για τη διάθεση της βάσης εικόνων και του σχετικού συνοδευτικού υλικού. Σε ότι αφορά τη φιλοξενία του ιστοτόπου, αρχικά επιλέχθηκαν δύο υποψήφιοι παροχείς υπηρεσιών φιλοξενίας, με βάση κριτήρια ποιότητας, αξιοπιστίας και των τεχνικών χαρακτηριστικών των προσφερόμενων υπηρεσιών. Συγκεκριμένα, οι δύο υποψήφιοι παροχείς ήταν οι εταιρίες onscreen 14 και DnHost 15, οι οποίες προσφέρουν πακέτα φιλοξενίας με χωρητικότητα ως και 3 GB ή παραπάνω (κατόπιν συμφωνίας). Τελικά επιλέχθηκε η εταιρία onscreen. Επίσης, έγινε κατοχύρωση ενός κύριου ονόματος medsip.gr (primary domain name) και ενός δεύτερου ονόματος medsip.eu (secondary parked/sub-domain). Για την καλύτερη εξυπηρέτηση και δημοσιοποίηση των αποτελεσμάτων του έργου, η κατοχύρωση των παραπάνω έχει γίνει για δύο έτη (1+1) αντί για ένα που είχε αρχικά προγραμματιστεί, ενώ παράλληλα έχει προβλεφθεί διαθέσιμο υπόλοιπο εκ του αρχικού προϋπολογισμού, ώστε οι αντίστοιχες συνδρομές να ανανεωθούν για τουλάχιστον δύο ακόμα έτη (βλ. Οικονομικός Απολογισμός: 5.χ). Η πλατφόρμα που επιλέχθηκε να χρησιμοποιηθεί για την υλοποίηση είναι τύπου CMS, προσέγγιση απόλυτα συμβατή με τις μεθοδολογίες τύπου AUP για τη συνεχή εξέλιξη και βελτίωση του περιεχομένου με γρήγορο και αξιόπιστο τρόπο. Συγκεκριμένα, επιλέχθηκαν αρχικά είτε η πλατφόρμα Joomla 16 v. 1.5.x είτε η πλατφόρμα Wordpress 17,18 v. 3.0.x CMS. Τελικά επιλέχθηκε η λύση της πλατφόρμας Wordpress για τεχνικούς κυρίως λόγους (μεταφερσιμότητα, συντηρησιμότητα). Συμπληρωματικά, έχει γίνει αγορά προτύπου εμφάνισης (layout template) για την αντίστοιχη πλατφόρμα, έτσι ώστε το εικαστικό και λειτουργικό αποτέλεσμα να είναι το βέλτιστο δυνατό και τα αποτελέσματα του Έργου να προωθηθούν με τον καλύτερο τρόπο. 13 AUP: Agile Unified Process (http://en.wikipedia.org/wiki/agile_unified_process) 14 http://www.onscreen.gr 15 http://www.dnhost.gr 16 http://joomla.org 17 http://wordpress.org 18 Σημείωση: Η πλατφόρμα Wordpress 3.0 χρησιμοποιείται από την ομώνυμη δημοφιλή υπηρεσία free blog hosting, αλλά εν γένει δεν έχει καμία άλλη σχέση με τη συγκεκριμένη υπηρεσία (wordpress.com). Σελ. 12 από 17

Για την ελαχιστοποίηση του κόστους και τον καλύτερο έλεγχο της προόδου του υποέργου αυτού, αποφασίστηκε η ανάπτυξη του ιστοτόπου να γίνει αποκλειστικά από την ερευνητική ομάδα του Έργου, με αντίστοιχη μεταφορά του ποσού των αμοιβών για την ανάπτυξη του ιστοτόπου (βλ. Οικονομικός Απολογισμός: 5.χ). Εικόνα 3: Δείγμα εμφάνισης άρθρου στον ιστότοπο medsip.gr. 4.5 Διαχειριστικές εργασίες Οι διαχειριστικές εργασίες εξελίχθηκαν από την έναρξη και σε όλη τη διάρκεια του Έργου, σύμφωνα με το αρχικό χρονοδιάγραμμα. Αποτελείται από τις εξής επιμέρους εργασίες: Σχεδίαση, διαχείριση & επίβλεψη Έργου Διάχυση αποτελεσμάτων (publications, conferences, etc) Εργασίες υποδομής, συντήρησης, τεκμηρίωσης, κτλ. Η σχεδίαση, διαχείριση και επίβλεψη της εξέλιξης του Έργου πραγματοποιήθηκε χωρίς κάποια σημαντική δυσκολία. Σε ότι αφορά τη διάχυση αποτελεσμάτων, όπως αναφέρθηκε και στην Αναφορά Προόδου του Έργου 19, οποιαδήποτε περαιτέρω ερευνητική μελέτη βασισμένη στο υλικό της παρούσας προϋποθέτει τη διαθεσιμότητα του τελικού πακέτου της βάσης εικόνων. Ως εκ τούτου, ο προγραμματισμός δημοσιεύσεων έχει γίνει για το έτος 2011. Συγκεκριμένα, έχουν επιλεχθεί τα παρακάτω συνέδρια ως κατάλληλα για την παρουσίαση της Μελέτης σε πρώτη φάση: 37ο Πανελλήνιο Ιατρικό Συνέδριο: 17-21 May 2011, Athens, Greece (deadline: 14-Jan-2011) -- http://www.mednet.gr/app/index.php/happenings/view/8 International Conference on ICT in Health (ICICTH 2011): 14-16 Jul 2011, Samos, Greece (deadline: 30-Apr-2011) -- http://www.ineag.gr/icicth/index.php Τα έξοδα συμμετοχής στα δύο παραπάνω συνέδρια έχουν ήδη προβλεφθεί στο τρέχον υπόλοιπο του τελικού οικονομικού απολογισμού (βλ. Οικονομικός Απολογισμός: 5.χ) 19 Αναφορά Προόδου Έργου (βλ. Σύμβαση Έργου, παρ. 3α), 14/6/2010, Αθήνα. Σελ. 13 από 17

και καλύπτουν κατά το βέλτιστο δυνατό τρόπο την προβολή των αποτελεσμάτων της Μελέτης σε Πανελλαδικό και διεθνές επίπεδο. Παράλληλα, σχεδιάζονται περαιτέρω ερευνητικές εργασίες βασισμένες στο πρωτογενές υλικό της βάσης εικόνων, με το ενδιαφέρον αυτή τη στιγμή να επικεντρώνεται στην επισήμανση άλλων συνεδρίων (conferences/workshops) και κυρίως περιοδικών (journal publications) που είναι κατάλληλα για την παρουσίαση νέων σχετικών εργασιών. 5. Οικονομικός Απολογισμός Παρακάτω παρουσιάζονται συνοπτικά κάποια στοιχεία του οικονομικού απολογισμού του Έργου, κυρίως σε σχέση με προγραμματισμένα και πραγματοποιημένα έξοδα, καθώς και κάποιες τροποποιήσεις του αρχικού προϋπολογισμού. 5.1 Προγραμματισμένες και πραγματοποιημένες δαπάνες Η διαχείριση του προϋπολογισμού ολοκληρώθηκε σύμφωνα με το αρχικό πλάνο με ελάχιστες αποκλίσεις. Έχει ήδη κατατεθεί το 100% του συνολικού ποσού (12.000 ). Για την ανάπτυξη και εγκατάσταση του ιστοτόπου (βλ. Παράρτημα: Κοστολόγηση υποέργου) προβλέφθηκαν ποσά από 470 έως 900 για φιλοξενία, κατοχύρωση ονομάτων (domain names) και πρότυπο εμφάνισης (CMS layout template). Επιπλέον, προβλέφθηκε ποσό 2.250 ως αμοιβές για την ανάπτυξη του ιστοτόπου. Πραγματοποιήθηκαν συνολικά έξοδα: 1.190,07 για αγορά εξοπλισμού (Η/Υ) για το μηχάνημα PACS dedicated server 1.425,71 για αγορά βοηθητικού εξοπλισμού και αναλώσιμων 337,55 για συνδρομές σε διεθνή περιοδικά και οργανισμούς (IEEE, ACM) 303,62 για έξοδα εγκατάστασης και λειτουργίας του ιστοτόπου Όλα τα παραστατικά πληρωμών για τα παραπάνω έξοδα έχουν ήδη παραδοθεί στον Ανάδοχο σε ηλεκτρονική μορφή (scanned). Οι τελικές αμοιβές της Ομάδας, βάσει του αρχικού προϋπολογισμού, είναι: 4.500 για τις βασικές αμοιβές συμμετοχής στην εκπόνηση της Μελέτης 2.250 για τις αμοιβές ανάπτυξης του ιστοτόπου Βάσει του αρχικού προϋπολογισμού, τα ποσά που δεν έχουν ακόμη χρησιμοποιηθεί και που θα είναι διαθέσιμα αμέσως μετά τη λήξη του Έργου είναι τα παρακάτω: 1.349,30 για έξοδα συμμετοχής σε συνέδρια 447,37 για αγορά πρόσθετου εξοπλισμού (Η/Υ) ή/και φιλοξενίας ιστοτόπου Όπως αναφέρθηκε και παραπάνω, το διαθέσιμο ποσό για διάχυση αποτελεσμάτων πρόκειται να αξιοποιηθεί μέσω της συμμετοχής της Ομάδας σε δύο τουλάχιστον συνέδρια (βλ. 4.5), ενώ παράλληλα μελετάται η αξιοποίηση του τελικού υπολοίπου για την αγορά πρόσθετου εξοπλισμού για τον PACS dedicated server (κυρίως πρόσθετο αποθηκευτικό χώρο 1+1 ή 2+2 TB) ή/και επέκταση της συνδρομής φιλοξενίας του ιστοτόπου για δύο ακόμα έτη (2012+). Σημειώνεται ότι ακόμα δεν έχει εκταμιευθεί κανένα ποσό για τις προσωπικές αμοιβές των μελών της ερευνητικής ομάδας, καθώς είναι απαραίτητο να διασφαλιστεί προηγουμένως η ομαλή εξέλιξη των υπολοίπων εξόδων και συνολικά του προϋπολογισμού. 5.2 Τροποποιήσεις στον αρχικό προϋπολογισμό Σχετικά με την ανάπτυξη του ιστοτόπου, σύμφωνα με όσα αναφέρθηκαν ήδη (βλ. 4.4.1, 4.4.2 και Παράρτημα: Κοστολόγηση υποέργου), το αντίστοιχο ποσό αμοιβών (2.250 ) Σελ. 14 από 17

έχει μεταφερθεί στις υπόλοιπες αμοιβές των μελών της ερευνητικής ομάδας, εφόσον η ανάπτυξη έχει πραγματοποιηθεί εσωτερικά, με σκοπό την ελαχιστοποίηση του σχετικού κόστους. Η μεταφορά αυτή έχει ήδη αναφερθεί και εγκριθεί στην ενδιάμεση Αναφορά Προόδου Έργου 20. Δεν προέκυψαν άλλες τροποποιήσεις στον αρχικό προϋπολογισμό, ούτε υπέρβαση του συνολικού ποσού (12.000 ). Το τελικό διαθέσιμο υπόλοιπο, πλην των συνολικών αμοιβών της Ομάδας, είναι: 1.349,30 + 447,37, το οποίο θα αξιοποιηθεί όπως περιγράφηκε παραπάνω (βλ. 5.1). Αναφορές - Επισυναπτόμενα Παράρτημα: Αντίγραφο του αρχικού προϋπολογισμού (Πρότασης) Παράρτημα: Αναλυτικό χρονοδιάγραμμα Ενημέρωση Ιούν/2010 Παράρτημα: Κοστολόγηση υποέργου (ανάπτυξη ιστοτόπου) 20 Αναφορά Προόδου Έργου (βλ. Σύμβαση Έργου, παρ. 3α), 14/6/2010, Αθήνα. Σελ. 15 από 17

Ενδεικτική Βιβλιογραφία [1] Abe H, MacMahon H, Engelmann R, Li Q, Shiraishi J, Katsuragawa S, et al. Computer-aided diagnosis in chest radiology: results of large-scale observer tests performed at the 1996 2001 RSNA Scientific Assemblies. RadioGraphics 2003;23:255 65. [2] Kundel HL, Nodine CF, Carmody D. Visual scanning, pattern recognition and decisionmaking in pulmonary nodule detection. Invest Radiol 1978;13:175 81. [3] Kundel HL, Revesz G, Toto L. Contrast gradient and the detection of lung nodules. Invest Radiol 1979;14:18 22. [4] Carmody DP, Nodine CF, Kundel HL. An analysis of perceptual and cognitive factors in radiographic interpretation. Perception 1980;9:339 44. [5] K. M. Harris, V. G. Vogel, "Breast Cancer Screening", Cancer and Metastasis Reviews, 16 (1997) 231-262. [6] American Cancer Society, Breast Cancer Facts and Figures 2005-2006, American Cancer Society. [7] Bocchi L, Coppini G, et al., Tissue characterization from X-ray images. Med Eng Phys 1997; 19(4): 336-42. [8] Eagan R L, Breast imaging: Diagnosis and morphology of breast diseases. Philadelphia: Saunders, 1988. [9] Bankman, I.N., Handbook of Medical Imaging, Academic Press, 2000. [10] I. Christoyianni, A. Koutras, E. Dermatas, G. Kokkinakis, "Computer-aided diagnosis of the breast cancer in digitized mammograms", Computerized Medical Imaging and Graphics, 26 (2002) 309-319. [11] B. Hemdal, I. Andersson, A. Thilander, et al, "Mammography - Recent technical developments and their clinical potential", Swedish Radiation Protection Authority, SSI raport: 2002-08, 2002. [12] Andersson I. What can we learn from interval carcinomas? Recent Results Cancer Res 1984;90:161 3. [13] Frisell J, Eklund G, Hellstrom L, Somell A. Analysis of interval breast carcinomas in a randomized screening trial in Stockholm. Breast Cancer Res Treat 1987;9:219 25. [14] Harvey JA, Fajardo LL, Innis CA. Previous mammograms in patients with impalpable breast carcinoma: retrospective versus blinded interpretation. Am J Roentgenol 1993;161:1167 72. [15] Holland T, Mrvunac M, Hendriks JHCL, Bekker BV. So-called interval cancers of the breast. Pathologic and radiographic analysis. Cancer 1982;49:2527 33. [16] Ma L, Fishell E, Wright B, Hanna W, Allen S, Boyd NF. A controlled study of the factors associated with failure to detect breast cancer by mammography. J Natl Cancer Inst 1992;84:781 5. [17] Martin JE, Moskowitz M, Milbrath JR. Breast cancers missed by mammography. Am J Roentgenol 1979;132:737 9. [18] Vyborny CJ, Doi T, O'Shaughnessy KF, et al. Breast cancer: Importance of spiculation in computer-aided detection. Radiology. 2000;215:703-707. [19] V.N. Vapnik, Statistical Learning Theory, Wiley, NY, 1998 [20] S. Theodoridis and K. Koutroumbas, Pattern Recognition, 4th edition. Academic Press, 2009. [21] "Significance Analysis of Qualitative Mammographic Features Using Linear Classifiers, Neural Networks and Support Vector Machines", M. Mavroforakis, H. Georgiou, N. Dimitropoulos, D. Cavouras, S. Theodoridis, European Journal of Radiology, 54 (2005) 80-89. (doi:10.1016/j.ejrad.2004.12.015) [22] Mavroforakis M, Georgiou H, Cavouras D, Dimitropoulos N, Theodoridis S, Mammographic Mass Classification Using Textural Features and Descriptive Diagnostic Data, 14th International Conference on Digital Signal Processing (DSP-2002), July 1-3, 2002, Santorini, Greece. [23] Georgiou H, Mavroforakis M, Cavouras D, Dimitropoulos N, Theodoridis S, Multiscaled Mammographic Mass Shape Analysis and Classification Using Neural Networks, 14th Σελ. 16 από 17

International Conference on Digital Signal Processing (DSP-2002), July 1-3, 2002, Santorini, Greece. [24] Georgiou H, Cavouras D, Dimitropoulos N, Theodoridis S, Mammographic mass shape characterization using neural networks, 2nd European Symp. on Biom.Eng. and Med. Phys., Patras, Greece, 2000, BME-13. [25] M. Mavroforakis, H. Georgiou, N. Dimitropoulos, D. Cavouras, S. Theodoridis, Mammographic masses characterization based on localized texture and dataset fractal analysis using linear, neural and support vector machine classifiers, Artificial Intelligence in Medicine, 37 (2) (2006) 145-162. [26] H. Georgiou, M. Mavroforakis, N. Dimitropoulos, D. Cavouras, S. Theodoridis, "Multi-scaled Morphological Features for the Characterization of Mammographic Masses Using Statistical Classification Schemes", Artificial Intelligence in Medicine, 41 (1) (2007) pp.39-55. [27] Huang HK. PACS and imaging informatics: basic principles and applications. John Wiley & Sons, Inc.; 2004. [28] Duerinckx AJ, Pisa EJ. Filmless Picture Archiving and Communication System (PACS) in Diagnostic Radiology. Proc SPIE 1982;318;9-18. Reprinted in IEEE Computer Society Proceedings of PACS'82, order No 388. [29] Samuel J. Dwyer III. A personalized view of the history of PACS in the USA. In: Proceedings of the SPIE, "Medical Imaging 2000: PACS Design and Evaluation: Engineering and Clinical Issues", edited by G. James Blaine and Eliot L. Siegel. 2000;3980:2-9. [30] J Suckling, et al. "The Mammographic Image Analysis Society Digital Mammogram Database" (MIAS), Exerpta Medica. International Congress Series, 1069 (1994) pp 375-378. [31] K. Bowyer, D. Kopans, W.P. Kegelmeyer, R. Moore, M. Sallam, K. Chang and K. Woods. The Digital Database for Screening Mammography. In: Proceedings of the Third International Workshop on Digital Mammography, Chicago, June 1996. [32] R. Datta, J. Li, J.Z. Wang, Content-Based Image Retrieval - Approaches and Trends of the New Age. MIR 05, November 11-12, Singapore, 2005. [33] Kunio Doi, Computer-aided diagnosis in medical imaging: Historical review, current status and future potential, Comp. Med. Imag. Graph., 31 (2007) 198 211 [34] R.M. Nishikawa, "Current status and future directions of computer-aided diagnosis in mammography", Comp. Med. Im. Graph., 31 (2007) 224-235. [35] R. Datta, J. Li, J.Z. Wang, Content-Based Image Retrieval - Approaches and Trends of the New Age. MIR 05, November 11-12, Singapore, 2005. [36] Michael E. Mavroforakis, Geometric Approach to Statistical Learning Theory through Support Vector Machines (SVM) with Applications to Medical Diagnosis (PhD thesis), Dept. of Informatics & Telecomm., National & Kapodistrian Univ. of Athens, Athens, Greece, Aug. 2008. [37] Harris V. Georgiou, Algorithms for Image Analysis and Combination of Pattern Classifiers with Application to Medical Diagnosis (PhD thesis), Dept. of Informatics & Telecomm., National & Kapodistrian Univ. of Athens, Athens, Greece, Feb. 2009. [38] American College of Radiology (ACR), Breast Imaging Reporting and Data System Atlas (BI- RADS Atlas). Reston, Va: (c) American College of Radiology; 2003. [39] http://dicom.nema.org Σελ. 17 από 17