Systemy informatyczne : zastosowania i wdrożenia 2003. Cz. 1

SYSTEMY INFORMATYCZNE ZASTOSOWANIA I WDROŻENIA

2003

TOM III

część 1

Pod redakcją

JANUSZA K. GRABARY JERZEGO S. NOWAKA

Wydawnictwa Naukowo-Techniczne Warszawa - Szczyrk 2003

SYSTEMY INFORMATYCZNE ZASTOSOWANIA I WDROŻENIA

2003

TOM III

część 1

Pod redakcją

JANUSZA K. GRABARY JERZEGO S. NOWAKA

Wydawnictwa Naukowo-Techniczne Warszawa - Szczyrk 2003

Recenzenci:

Prof. WSM dr hab. Marek Greniewski Prof. P.Cz. dr hab. inż. Sławomir Iskierka Prof. dr hab. Aleksander Katkow

Prof. P.Wr. dr hab. Zygmunt Mazur Prof. P.Cz. dr hab. Henryk Piech Prof. P.Cz. dr hab. Janusz Szopa Prof. U.Sz. dr hab. Zdzisław Szyjewski

Wydanie publikacji dofinansowane przez Komitet Badań Naukowych i Zarząd Główny Polskiego Towarzystwa Informatycznego

ISBN 83-204-2869-6 Całość ISBN 83-204-2872-6 Tom 3

Indeks autorów opracował mgr inż. Jarosław Łapeta Redakcja techniczna - mgr inż. Tomasz Lis

Druk wykonano w Zakładzie Graficznym Politechniki Śląskiej w Gliwicach

zam. 184/03 nakł. 400

Polskie Towarzystwo Informatyczne organizuje corocznie konferen­

cję w Szczyrku poświęconą sprawom rozwoju informatyki. W 2001 r. mo­

tywem przewodnim był temat efektywności zastosowań systemów informa­

tycznych, wynikający ze współpracy z Instytutem Ekonometrii i Informaty­

ki Politechniki Częstochowskiej. Duże zainteresowanie tą tematyką w aspekcie obserwowanych trudności w szybkich wdrożeniach aplikacji in­

formatycznych spowodowało, że w 2002 r. postanowiono przygotować dla uczestników XIV Górskiej Szkoły PTI - Szczyrk 2002 opracowanie stano­

wiące reprezentatywny przegląd doświadczeń z zakresu oceny efektywności zastosowań informatyki, wzbogacone o problematykę tzw. business intelli-

skiej Szkoły PTI postanowiono przygotować tom specjalny, obejmujący problemy informatyki w epoce globalizacji z racji wejścia Polski do Unii Europejskiej. Autorzy artykułów poświęconych globalizacji gospodarki nie ukrywają problemów związanych z przygotowaniem polskich systemów informacyjnych państwa w przededniu wejścia Polski do Unii. Zaproszenia wystosowano do przedstawicieli placówek naukowych, przedsiębiorstw i instytucji oraz firm informatycznych.

Nad doborem artykułów czuwała Rada Programowa konferencji w składzie:

Prof. dr hab. Jerzy Kisielnicki - Przewodniczący Mgr inż. Jerzy S. Nowak - Sekretarz Rady Prof. dr hab. Witold Chmielarz

Dr inż. Juliusz Czarnowski Dr Jarosław Deminet

Prof. dr hab. Dariusz Dziuba Mgr inż. Piotr W. Fuglewicz Prof. dr hab. Jan Goliński Prof. dr hab. Jerzy Gołuchowski Mgr Michał Górski

Dr inż. Janusz K. Grabara Prof. dr hab. Marek Greniewski Dr inż. Wacław Iszkowski Prof. dr hab. Piotr Jędrzej o wicz Prof. dr hab. Mirosława Lasek Prof. dr hab. Andrzej Marciniak Prof. dr hab. Zygmunt Mazur Dr inż. Marek Miłosz

Prof. dr hab. Mieczysław Muraszkiewicz Dr inż. Krzysztof Nałęcki

III

Prof. dr hab. Wojciech Olejniczak Prof. dr hab. Józef Oleński

Dr Bogdan Pilawski

Prof. dr hab. Elżbieta Skrzypek Dr Jerzy T. Skrzypek

Dr inż. Jacek Stochlak Prof. dr hab. Janusz Szopa Prof. dr hab. Zdzisław Szyjewski Prof. dr hab. Ryszard Tadeusiewicz Dr inż. Marek Valenta

Powstałe w ten sposób opracowanie zawiera artykuły poświęcone problematyce i wzajemnym relacjom informatyki i globalizacji gospodarki, szacowania efektywności zastosowań systemów informatycznych (tu pod­

kreślamy kwestie szacowania zmian wartości pieniądza w czasie w odnie­

sieniu do inwestycji), strategii informatyzacji przedsiębiorstw, metodyce wdrożeń, kierowania projektem informatycznym. Zwrócono uwagę na pro­

blematykę outsourcingu, TCO (Total Cost o f Ownership), zastosowania norm ISO 9000 w informatyce, strategicznej karty wyników (Balanced Sco- reCard) itp. Szereg autorów przedstawiło oryginalne relacje z wdrożeń sys­

temów informatycznych oraz możliwości i warunki adaptacji systemów klasy MRPII/ERP do wymagań przedsiębiorstwa. O systemach MRPII/ERP wypowiadają się zarówno przedstawiciele nauki jak i praktycy, przy czym redaktorzy z ubolewaniem stwierdzają fakt obawy wielu informatyków przed publikacją doświadczeń z tego zakresu, a dotyczących ich firm. Pozy­

tywnie należy odnotować szereg artykułów poświęconych nowemu zjawi­

sku na polskim rynku informatycznym, a mianowicie rozwiązaniom busi­

ness intelligence i zarządzaniu wiedzą, w tym e-kształceniu (e-learning).

Dział ten zyskuje coraz większa liczbę autorów, nie tylko ze środowiska naukowego. W br. postanowiono zwrócić uwagę na wpływ rozwiązań za­

bezpieczeń w systemach informatycznych na kwestie efektywności zasto­

sowań - po raz pierwszy zamieszczamy opracowania na temat podpisu elek­

tronicznego przygotowane przez ośrodki UNIZETO i Sigillum z PWPW.

Szereg artykułów ma charakter przeglądowy i przez to czytelnik uzyskuje możliwość dostępu do aktualnych ocen tych zjawisk w krajowej literaturze informatycznej.

Zdaniem redaktorów tomu należy zwrócić szczególną uwagę na ar­

tykuł pod przewrotnym tytułem „Grafika w informatyce”, zawierający wy­

bór rysunków absolwenta Politechniki Krakowskiej (o czym mało kto wie),

IV

Pana Andrzeja Mleczki, który precyzyjnie pokazuje zadziwiające zjawiska w nauce i informatyce.

Obfitość nadesłanych artykułów spowodowała, że redaktorzy posta­

nowili przygotować trzy pozycje książkowe - pierwsza - „Informatyka i gospodarka globalna - problemy i metody”, druga pod tytułem „Efektyw­

ność zastosowań systemów informatycznych - 2003” i trzecia nosząca tytuł

„Systemy informatyczne - zastosowania i wdrożenia 2003”. Wszystkie opracowania należy traktować łącznie. Redaktorzy wyrażają przekonanie, że opracowania wydane w latach 2001 - 2003 r. sumptem Polskiego Towa­

rzystwa Informatycznego stanowią jeden z najbardziej obszernych przeglą­

dów problematyki zastosowań systemów informatycznych w kraju i zapra­

szają czytelników do nadsyłania propozycji artykułów do wydania w 2004 r.

Przygotowanie wydawnictwa wymagało znacznego wysiłku organi­

zacyjnego i dlatego redaktorzy opracowania składają podziękowania za po­

moc w pracy Paniom Halinie Czarnowskiej i Annie Gembalczyk z Oddziału Górnośląskiego Polskiego Towarzystwa Informatycznego, a także Wydaw­

nictwom Naukowo-Technicznym za znakomitą współpracę.

Redaktorzy

V

Spis treści

STR.

RO ZDZIAŁ 1 - IN F O R M A T Y K A -W IZ J E I PRO BLEM Y 1. Ryszard TA D EU SIEW IC Z, M arek R. O G IELA

NOW E M OŻLIW OŚCI KLASYFIK ACJI O R A Z IN TELIG EN TN EG O W Y SZUK IW A NIA INFORM ACJI W M ULTIM ED IA LN Y CH

BAZACH DANYCH O PA R TE NA KONCEPCJI

A U TO M A TY C ZN EG O ROZUM IEN IA O B R A Z Ó W ... 5 2. Dariusz T. DZIUBA

A LTER N A TY W N E SYSTEM Y KOM UNIKACJI I OBROTU

G IEŁD O W EG O W ROZW OJU E -F IN A N C E ...37 3. Helena DUD YCZ, Maciej PO NDEL

KON CEPCJA ORAZ BUDOW A HURTOW NI DANYCH - BAZA

DLA TECH N O LO G II O L A P ...61 4. Henryk PIECH , A leksandra PTAK

KON CEPCJA SIECIO W EG O SYSTEM U BADANIA OPINII

PUBLICZNEJ OPISANA Z W Y KORZYSTANIEM JĘZYKA U M L 73 5. Anna E. BO BK O W SK A

EFEKTYW NOŚĆ M ETOD M ODELO W ANIA SYSTEM ÓW

Z PERSPEK TY W Y PSYCHOLOGII PO Z N A W C Z E J...83 6. A gnieszka NOGA

INFORM ACJA I SYSTEM Y IN FO RM A CY JN E Z PUNKTU

W IDZENIA S E M IO T Y K I... 95 7. Maciej K UJAW SKI

WEB SERV ICES - JAK TO W Y K O RZY STA Ć W B IZN ESIE ... 103 8. Anna N O W A K O W SK A

PERSPEK TY W Y ROZW OJU BANKOW OŚCI INTERN ETOW EJ

W P O L S C E ... 111 9. Jan M. REY

ZA M Ó W IEN IA PUBLICZNE: JAK KUPOW AĆ ZIN TEG R O W A N Y

SYSTEM Z A R Z Ą D Z A N IA ?... 121 10. T om asz K UL ISIE W IC Z

C ZEGO O B Y W A TELE I M IKROFIRM Y O C ZEK U JĄ OD SPRAW NYCH I PRZY JAZNYCH SYSTEM ÓW

IN FO R M A TY CZN Y CH A D M IN ISTRA CJI P U B L IC Z N E J... 143 RO Z D Z IA Ł 2 - M ET O D Y K I - STR ATEG IE - NO RM Y

11. Rafał M. G ĘŚLICK I

M ETO D Y K A W D RAŻANIA ZM IAN W A DM INISTRACJI

S A M O R Z Ą D O W E J... 157 12. M ieczysław JA G O D Z IŃ SK I

W Y BR A N E ASPEK TY M ETODO LOGII W DROŻENIA

IFS A P P L IC A T IO N S ... 173

13. K rzysztof JA SIO R O W SK I, Rem igiusz JASIO RO W SK I

W DROŻENIE ZIN TEG RO W A N EG O SYSTEM U MRP II/ERP „M OVEX W FAMEG S.A. Z UW ZGLĘDNIENIEM W SPOM AGANIA

SYSTEM U ZARZĄDZANIA JA K O ŚCIĄ (SZJ) ZGOD NEGO

Z NORM AM I ISO 9000 ...

14. Artur KASPRZYK

METODYKA SELECT PERSPECTIVE™ JAKO PRZYKŁAD K OM PONENTOW EG O PODEJŚCIA DO BUDOW Y SYSTEM ÓW IN FO R M A TY C ZN Y C H ... 1 15. K azim ierz KRUPA

SELECTED INSTRUM ENTS FOR IM PR O V EM EN T OF BUSINESS PR O C ESS ... 2 16. Joanna K URZO K —DERDA

KRYTERIA DOBORU SYSTEM U IN FO R M A TY CZN EG O U ŁA TW IA JĄ CEG O ZA R ZĄ D ZA N IE M AŁYM I ŚREDNIM

P R Z E D S I Ę B I O R S T W E M... 219 17. Bogusław LASOCKI

KAM IENIE M ILOW E INFORM ATY ZACJI M Ś P -O B E C N A

PRA KTYKA I P E R S P E K T Y W Y ... 231 18. M ichał M A ŁAC ZEK

M ETODYKI BUDOW Y W ITRYN INTERN ETOW YCH Z U W ZG LĘD N IEN IEM PSYCHOLOGII KANAŁÓW

K O M U N IK A C Y JN Y C H ...243 19. Andrzej N IEM IEC

IN FO R M A TY C ZN E W SPO M A G A N IE AUDYTU W EW N ĘTR ZN EG O W ZIN TEG R O W A N Y C H SYSTEM A CH Z A R Z Ą D Z A N IA ... 257 20. Anna ŚM IG IE L SK A

CRM - W TR O SC E O K L IE N T A ... 273 R O ZD Z IA Ł 3 - O R G A N IZ A C JA IN FO RM ATY K I

21. W łodzim ierz D Ą B R O W SK I, M arek Z A W ADZK I

W SPO M A G A N IE PRO CESÓ W BIZNESOW YCH W NARZĘD ZIA CH LOTUS N O T E S ... 285 22. Piotr HELT

K ON CEPCJA W SPÓ ŁD ZIA ŁA N IA SY STEM Ó W

IN FO R M A TY CZN Y CH W SPÓ ŁCE D Y S T R Y B U C Y JN E J... 301 23. K rzysztof JA SIO R O W SK I, Rem igiusz JA SIO R O W SK I

ZA STO SO W A N IA INFORM ATYKI W FAM EG S.A. W RADOM SKU W LATACH 1965 - 2003 ... 313 24. Dorota K UBIAK

O R G A N IZA CJA INFORM ATYKI W GRUPIE K Ę T Y ... 3 3 5

25. T om asz LIS, Jarosław LAPETA

SYSTEM Y BAZ DANYCH W ZARZĄDZANIU

P R Z E D S IĘ B IO R S T W E M ... -,A,

2

26. Artur MALINOWSKI

O RG A N IZA C JA FIRM Y OD INTRAN ETU DO E K S T R A N E T U 351 27. K rzysztof NAŁĘCKI

ŚLĄSKA A K A D EM IC K A SIEĆ K O M PU TER O W A HISTORIA

B UDOW Y, STRU KTURA, EK S P L O A T A C JA ...369 28. Anna NOWAKOWSKA, Agnieszka ULFIK

SYSTEM IN FO R M A TY CZN Y ZA R ZĄ D ZA N IA W FIRM IE

T R A N S P O R T O W E J... 385 29. Dariusz REKOSZ

IN FO R M A TY K W B IZ N E S IE ...391 30. Stefan SENCZYNA

M O D ELE PRO CESO W E I EFEK TY W N O ŚĆ TEC H N O LO G II

IN FO R M A C Y JN EJ W P R Z E D SIĘ B IO R ST W A C H ...403 31. Ewa SZKIC - CZECH

K O N CEPCJA IN FO R M A TY ZA C JI PRZED SIĘBIO R STW A JAKO W A RU N EK EFEK TY W N O ŚCI PROCESU IN TEG R A CJI SYSTEM U IN FO R M A CY JN EG O ORG A N IZA CJI G O SPO D A R C ZEJ PO PRZEZ

TEC H N O L O G IĘ IN F O R M A T Y C Z N Ą ...417 INDEKS AU TO RÓ W...427

3

ROZDZIAŁ 1

INFORMATYKA - WIZJE I PROBLEMY

N O W E M O Ż L IW O Ś C I K L A S Y F IK A C JI O R A Z IN T E L IG E N T N E G O W Y S Z U K IW A N IA IN F O R M A C J I W M U L T IM E D IA L N Y C H B A Z A C H D A N Y C H O P A R T E N A K O N C E P C JI A U T O M A T Y C Z N E G O R O Z U M IE N IA O B R A Z Ó W

Ryszard T A D E U SIEW IC Z, M arek R. O G IELA

W stęp

K orzystanie z obrazów cyfrow ych, reprezentujących zarów no rzeczywiste obiekty, ja k i tw orzonych sztucznie przez rozliczne techniki grafiki kom puterowej - to dzisiaj ju ż zadanie czysto rutynowe. Z pom ocą cyfrow ych aparatów fotograficznych, kam er video, skanerów oraz specjalistycznych urządzeń obrazujących (na przykład m edycznych, patrz rys. 1) m ożna dziś łatw o i szybko uzyskać obrazy cyfrow e, przeto coraz więcej takich obrazów grom adzi się także w różnych bazach danych, przesyła obok lub zam iast kom unikatów głosowych czy tekstow ych, a także prezentuje się w Internecie.

Rys. 1. Aparatura medyczna jest obecnie częstym źródłem obrazów cyfrowych K orzystając z faktu, że obraz w cyfrowej reprezentacji m oże być rozw ażany jak o po prostu dyskretna funkcja dwóch zm iennych (rys. 2) umiemy dziś w ykonyw ać na obrazach rozm aite czynności. Czynności te sprow adzają się typow o do trzech obszarów działania (rys. 3):

> przetw arzania obrazów

> analizy obrazów

> rozpoznaw ania obrazów

We w spółczesnej inform atyce m etody kom puterow ej analizy i przetw arzania obrazów stały się ju ż technikam i w ykorzystyw anym i rutynow o, dla których firm y produkujące oprogram ow anie graficzne oferują ju ż całą gamę gotow ych rozwiązań. R ów nież do celów najtrudniejszego z w ym ienionych

5

elementów, automatycznego rozpoznaw ania obrazów, m ożna ju ż znaleźć cały szereg gotowych i wygodnych w użyciu rozwiązań. Są one zwykle dedykow ane do konkretnych zastosowań - na przykład szeroko znane je st oprogram ow anie do automatycznego rozpoznawania znaków alfanum erycznych, pozw alające na pełną cyfryzację (do poziomu kodów ASCII lub plików w form acie jednego z popularnych edytorów) skanowanych obrazów papierowych książek i dokumentów, są dostępne narzędzia GIS do konwersji na postać w ektorow ą rastrowo digitalizowanych map, istnieją urządzenia do identyfikacji osób za pomocą obrazu odcisku palca, kształtu dłoni w zględnie (co jedn ak je st znacznie trudniejsze) widoku twarzy - oraz wiele innych, na przykład przeznaczonych do wykorzystania w robotyce albo dostosowanych do zastosow ań wojskowych.

Rys. 2. Dzięki możliwości traktowania obrazu jako dyskretnej funkcji dwóch zmiennych możliwe jest łatwe przetwarzanie obrazów za pomocą komputerów.

6

Rys. 3. Klasyczna sekwencja technik i form komputerowej obróbki obrazów

N ie oznacza to jed n ak bynajm niej, że problem atyka com puter vision przestała być atrakcyjnym obszarem badań naukow ych. Przeciw nie, w yjątkow o w ysoka użyteczność autom atycznej percepcji w izualnej w w ielu dziedzinach stw arza w ielkie zapotrzebow anie na tw orzenie w ciąż nowych system ów tego typu, zaś obserw ow ana niedoskonałość m ożliw ości, jak ie oferują naw et najlepsze system y typu com puter vision w konfrontacji ze spraw nością i głębokością analizow ania bardzo złożonych scen przez system w zrokow y człow ieka, pow oduje, że w ciąż bardzo w iele zagadnień trzeba uznać za naukow o otwarte.

Jed n ą z takich otw artych naukow o kwestii je s t problem analizy semantycznej treści obrazu, który pojaw ia się m iędzy innymi w przypadku, kiedy zm ierzam y do w yszukiw ania w dużych m ultim edialnych bazach danych (albo w Internecie) obrazów niosących inform ację na ten sam tem at. Zagadnienie odnalezienia inform acji, która ma pew ien określony sens, natom iast nie w iadom o z góry, ja k ą m oże mieć form ę, nie je s t proste naw et w przypadku przeszukiw ania inform acji tekstow ych. Jest to zadanie trudne i frustrujące, gdyż naw et w prow adzone specjalnie dla tego zastosow ania koncepcje sieci sem antycznych, w raz z takim i pojęciam i ja k ontologie (których jed n ak nie należy m ylić z analogicznie nazyw anym działem filozofii), tezaurusy, indeksy, katalogi relacji a także w iele innych narzędzi w yszukujących i konw ertujących formę dokum entu na jeg o praw dopodobną treść - dram atycznie zaw odzą w napraw dę skom plikow anych przypadkach. Tym bardziej kłopotliw e je s t w ydobycie m erytorycznego sensu z obrazu, w którym dom inacja form y nad treścią je s t jeszcze silniejsza, a m ożliw ości w nikania w sem antyczny przekaz są jeszcze bardziej ograniczone.

7

Tezą tego referatu je st stwierdzenie, że jednym z zagadnień naukowych pilnie wym agającym rozwiązania, je st problem stw orzenia autom atycznego odpowiednika procesu rozum ienia obrazu [4], [7], [11], zastępującego w bardziej złożonych sytuacjach dobrze ju ż rozpracow any proces rozpoznaw ania obrazu, powszechnie opisywany w literaturze (rys. 4)

Z a « lo * o w a rtl«

Rys.4. Klasyczny sposób ujmowania zadań wchodzących w zakres computer vision (rysunek z książki: W. Malina, S. Ablameyko, W. Pawlak: Podstawy cyfrowego

przetwarzania obrazów, EXIT, Warszawa 2002)

2. Na czym polega zadanie automatycznego rozum ienia obrazu?

Zagadnienie automatycznego rozumienia obrazu je st w tej pracy traktowane jako zagadnienie w najwyższym stopniu poważne, jed n ak żeby zilustrować jego istotę posłużymy się (na początek) pewnym żartem. W yobraźm y sobie, że chcemy znaleźć (na zasadzie analogii) w Internecie lub w dużej bazie danych obrazy zawierające tę samą treść, co dwa przykładow e obrazy na rysunku 5.

8

Rys. 5. Obrazy stanowiące przykłady wyszukiwanej klasy

Podejście prym itywne, oparte na zasadzie klasycznej analizy obrazów , ich segm entacji, w ydzielania i rozpoznaw ania obiektów może nas w najlepszym przypadku doprow adzić do konstatacji, że chodzi o obrazy spełniające następujący warunek: na każdym z nich w idoczna je st kobieta oraz jak iś środek lokom ocji (rys.

6 i 7). N a jednym z obrazów dodatkow o w idoczny je st m ężczyzna, jed nak fakt, że nie pojaw ia się on na obu obrazach elim inuje go z dalszych rozważań.

Rys. 6. Klasyczna analiza obrazu ukierunkowana na wydobycie obiektów, analizę ich cech i rozpoznanie ich przynależności do z góry zadanych klas

W rezultacie pytanie o w yszukanie następnego obrazu zaw ierającego tę sam ą treść doprow adzi nas do w yszukania z bazy danych wszystkich obrazów zaw ierających kobiety i pojazdy, na przykład słynnego we w czesnym PRL-u

9

obrazu traktorzystki (rys. 8) albo (z późnego PRL-u) fotografii fizylierki M arusi z czołgiem „R udy” w tle.

O bject num ber 2:

H P *

c inH

'ora

ID U H n n M tT H M E L KHrt^EblT Rys. 8. Obrazy wybrane z bazy danych na podstawie kryteriów formalnych

Rys. 7. Dodatkowy obraz niosące tę samą treść, co obraz z rysunku 6

M H B t - M D O D W A U l B SiCZEStIWA S DCJALI SltCZKA Wt£S PHLSKĄ

10

W tym przypadku nie pom oże na przykład „douczanie” algorytm u przy pom ocy kolejnego obrazu (rys. 9), gdyż łatw o zauważyć, że nie w zbogaci on kryteriów selekcji.

Object __

numb

fŚfsĘjM

fe a tu re & \p Recognition

= man Object number 2:

features: ...

Recognition

= vehicle

Object number 4:

features: ...

Recognition

— Object number 1

Rys. 9. Dodatkowy obraz, niosący tę samą anegdotę co wcześniej prezentowane Tym czasem zrozum ienie rzeczyw istego sensu obrazów przedstaw ionych rysunkach 6, 7 i 9 pozw ala w skazać (jako obraz z tej samej serii tem atycznej) fotografię podaną na rysunku 10, chociaż zarówno obiekty znajdujące się na obrazie (brak pojazdu!), ja k i generalna jeg o kom pozycja są tu zupełnie inne, niż na przytoczonych wyżej fotografiach.

Rys. 10. Kolejny obraz, którego rozumienie (po wniknięciu w semantyczną treść) może być podobne, jak obrazów z rysunków 6, 7 i 9 - pomimo całkowicie odmiennej formy

11

Zabaw a z obrazkami od 5 do 10 m iała oczyw iście charakter żartu (przepraszam y za wprow adzenie takiego niekonw encjonalnego elem entu do publikacji naukow ej...), żart ten miał jedn ak konkretny cel, którym było zw rócenie uwagi Czytelników na fakt, że korzystając z obrazów jak o ze środka przekazu (coraz bardziej popularnego obecnie, podobno zm ierzam y w ręcz do cywilizacji obrazkow ej) m usimy coraz w iększą uwagę zw racać na ich m erytoryczną zaw artość, ignorując formę.

Zafascynowani łatwością, z ja k ą w spółczesne system y inform atyczne operują obrazem cyfrowym (który dzięki zdigitalizow anym kam erom m ożna łatwo w prow adzić do kom putera, a potem prostym i w obsłudze program am i przechow yw ać, przesyłać, przetwarzać, drukow ać itd.) zbyt szybko nabieram y przekonania, że umiemy posługiw ać się inform acją obrazow ą równie skutecznie jak liczbami albo tekstem. Tym czasem je s t to pogląd błędny. N a obecnym etapie rozwoju informatyki potrafim y bez trudu opanow ać kom puterow o form ę obrazu, natom iast całkow icie niedostępna dla sfery autom atyzacji pozostaje nadal jego treść. W szystkie procesy praktycznego w ykorzystyw ania inform acji wizyjnej - m iędzy innymi w system ach autom atyki - a także pozornie prostsze procesy w yszukiw ania informacji obrazowej na zadany tem at w dużych m ultim edialnych bazach danych uw idaczniają jednak z całą brutalnością fakt, że w przypadku obrazu (inaczej niż w przypadku liczby czy tekstu) form a inform acji m oże mieć w istocie bardzo luźny zw iązek z jej treścią. W szczególności często tak się zdarza, iż obrazy zupełnie różne pod względem graficznym n iosą tę sam ą treść - i to w łaśnie m iał ilustrować przytoczony wyżej żart. Ale skoro je st tak, że form a obrazu nie jest tożsam a z jeg o treścią, to potrzebujem y pilnie narzędzi, które pozw olą „w yłuskać”

treść (sem antyczny sens) obrazu uw ikłaną w jeg o skom plikow anej formie. W łaśnie autom atyczne rozum ienie obrazu, które autorzy tej pracy postulują w niej a także w innych swoich publikacjach, polega na autom atycznym w ydobyciu pew nego istotnego sensu, który jest zaw arty w obrazie, ale w form ie uwikłanej. Uwikłanie istotnej m erytorycznie treści w skom plikow anej (inform atycznie) form ie obrazu oznacza, że treść ta nie je st tak po prostu na tym obrazie w idoczna, tylko w ym aga pewnego wysiłku myślowego, by ten treść wydobyć i w łaściw ie zrozum ieć.

3. Próba dokładniejszego sform ułow ania zadania autom atycznego rozum ienia obrazu

Dla uporządkowania dalszych rozważań spróbujem y teraz w skazać, czym się charakteryzują klasyczne składniki techniki com puter vision:

'r- Przetw arzanie obrazu pozw ala odpow iedzieć na pytanie: ja k uczynić zaw artość obrazu lepiej widoczną?

y Analiza obrazu pozw ala odpow iedzieć na pytanie: jak ie w łaściw ości ma to, co w idać na obrazie?

~y R ozpoznaw anie obrazu pozw ala odpow iedzieć na pytanie: ja k m ożna sklasyfikow ać to, co widać na obrazie?

12

W tym kontekście m ożem y napisać, że:

> A utom atyczne rozum ienie obrazu pozw ala odpow iedzieć na pytania:

• Co wynika z tego, że na obrazie widać to co widać?

• Jakie znaczenie ma fakt, że w idoczne obiekty m ają określone w łaściw ości?

• Jakie skutki ma to, że m ogą być one zaliczone do pew nych wybranych klas?

Dokładne przem yślenie m otywacji, które powodują, że chcem y zadać (w kontekście autom atycznego rozum ienia obrazów ) w łaśnie przytoczone wyżej pytania pozw ala ustalić, czym je s t ta nowa technika, a także jak ie są jej główne cechy.

4. Podstaw y psychologiczne rozum ienia obrazów

Przedstaw iana w tej pracy koncepcja stosow ania w autom atyce metod rozum ienia obrazów , zam iast metod ich prostego rozpoznaw ania, je s t oparta na pewnym m odelu sposobu realizacji zaawansow anej percepcji wzrokowej złożonych scen przez m ózg człow ieka. Jest rzeczą znaną od wielu lat, że system w z ro k o w y ‘człow ieka znacznie skuteczniej przetw arza i interpretuje te inform acje, dla których posiada ju ż w cześniejsze dośw iadczenia percepcyjne i posiada pew ną wiedzą o rozpoznaw anych obiektach. Spróbujm y szybko odpow iedzieć, kim je st człow iek na fotografiach pokazanych na rysunku 11 ?

Rys. 11. Kim jest człowiek na tych fotografiach?

13

Być może niektórzy Czytelnicy zdołali rozpoznać osobę na fotografii (gratuluję spostrzegawczości!) chociaż dla większości to zadanie okazuje się trudne, gdyż przywykliśm y zdjęcia tego człow ieka oglądać przy innych działaniach i w innej pozycji (rys. 12). Prawda, że przy analizie rysunku 12 w ystarczył jed en rzut oka, podczas gdy nad rysunkiem 11 trzeba się było trochę zastanow ić?

Zasygnalizow ana prawidłow ość nie dotyczy tylko sytuacji zadania (obiektywnie trudnego!) zw iązanego z rozpoznawaniem . R ów nież prosta - na pozór - analiza porów naw cza obrazów okazuje się trudna, gdy usiłujem y odw ołać się do obrazu w takiej postaci, z ja k ą wcześniej nas m ózg nie m iał do czynienia.

W hite H o use p h o to bv Eric D rap er

Rys. 12. Rozpoznanie osoby z rysunku 11 w typowej sytuacji nie jest trudne...

M ożna się o tym przekonać próbując szybko (J e d n y m rzutem oka”) ocenić, czym różnią się dwie reprodukcje bardzo znanego obrazu pokazane na rysunku 13.

Rys. 13. Czy można szybko wskazać różnice między tymi obrazami?

14

Zadanie okazuje się trudne, gdyż nikt z C zytelników zapew ne nie ma zbyt wielu dośw iadczeń w oglądaniu tego słynnego obrazu „do góry nogam i” , podczas gdy w norm alnym położeniu, dla którego nasz mózg ma gotowe wzorce percepcyjne - w ykrycie różnic okazuje się banalnie proste (rysunek 14).

Rys. 14. Przypadku normalnej percepcji wykrycie różnic jest banalnie proste W ynika to z faktu, że kluczem do percepcji wzrokowej człow ieka są tak zw ane je d n o stk i gnostyczne, form ujące się w mózgu człow ieka w miarę zdobyw ania przez niego określonych kom petencji percepcyjnych. Pojawienie się określonego bodźca (obrazu) aktyw izuje zawsze pew ną liczbę jednostek gnostycznych, z których każda generuje swoje oczekiw ania co do cech obrazu, jak ie pow inny dać się w ykryć - przy założeniu, że m ożliw a je s t jeg o określona

interpretacja, w iążąca się z jeg o określonym rozumieniem.

G eneracja oczekiw ań przez jednostki gnostyczne pozw ala spraw dzić tylko niektóre cechy złożonego obrazu, bez konieczności w ydobyw ania i analizow ania w szystkich jeg o w łaściw ości - pracochłonnego i utrudniającego (na skutek nadm iaru inform acji) późniejszą interpretację obrazu. O czyw iście każdy obraz ma swoje unikatow e cechy indyw idualne, dlatego nigdy nie je s t tak, by cechy oczekiw ane („postulow ane” przez jednostki gnostyczne) i cechy w ykryte w rzeczyw istym obrazie odpow iadały sobie z całą dokładnością. U kład cech obrazu ma ponadto zróżnicow aną moc dystynktyw ną, zaś poszczególne cechy m ogą się w zajem nie w arunkow ać lub w ykluczać w bardzo skom plikow any sposób,

15

niem ożliwe je st więc na tym etapie stosowanie prostego podejścia statystycznego (np. polegającego na ustalaniu decyzji na podstawie liczby zgodnych i niezgodnych cech).

Pomiędzy strum ieniem oczekiwań, generowanych przez określone hipotetyczne znaczenia obrazu a strum ieniem danych, jak ie udaje się uzyskać na drodze analizy aktualnie rozważanego obrazu musi dochodzić do swoistej interferencji, w wyniku, której pewne koincydencje (oczekiw ań i cech odnajdywanych w obrazie) zyskują na znaczeniu, natom iast inne (zarówno zgodne jak i niezgodne) - na znaczeniu tracą. W spom niana interferencja doprow adza więc do tak zwanego rezonansu kognitywnego, który potw ierdza je d n ą z m ożliw ych hipotez (w przypadku obrazu, którego zawartość można zrozum ieć), lub pozw ala stwierdzić, że występuje nie dająca się usunąć niezgodność obrazu aktualnie postrzeganego i wszystkich hipotez gnostycznych m ających zrozum iałą interpretację - co oznacza niepow odzenie próby autom atycznego zrozum ienia obrazu i wynik odpowiedniej procedury odpowiada.

Rys. 15. Wybrane obrazy medyczne będące podstawą do stworzenia przez autorów artykułu techniki automatycznego rozumienia obrazów

Podejście polegające na próbie autom atycznego rozum ienia obrazów je s t uniwersalne i może być zastosow ane do bardzo rożnych obrazów . Jednak w pracach autorów tego referatu konieczność sięgnięcia do autom atycznego rozum ienia obrazów wyłoniła się w związku z faktem , że od wielu lat skupili oni uwagę na obrazach medycznych. TR U D N Y C H obrazach m edycznych (rys. 15).

16

Dlatego dalsze rozw ażania w tym referacie będą prow adzone w oparciu o przykłady w łaśnie zaczerpnięte z zagadnień analizy, rozpoznaw ania i klasyfikacji w ybranych obrazów medycznych.

5. D laczego potrzebne jest autom atyczne rozum ienie obrazów m edycznych?

Stw orzenie autom atycznej m etody poprawnej interpretacji skom plikow anych obrazów m edycznych je st utrudnione na skutek w ystępow ania w tym zadaniu dwóch typów problemów:

> M orfologia zobrazow yw anych narządów je st odm ienna u każdego pacjenta, trudno więc podać jakikolw iek „w zorzec” obrazu narządu praw idłow ego D eform acje w noszone do w idoku narządu przez proces chorobow y m ogą mieć różną formę naw et przy identycznym typie choroby

Dla zilustrow ania tych tw ierdzeń porów najm y dwa przykładow e obrazy ERCP przew odu trzustkow ego z chronicznym stanem zapalnym (rys. 16)

Rys. 16. Taka sama choroba a całkiem odmienne obrazy!

Rys. 17. Na obydwu powyższych obrazach widać znamiona raka trzustki

O glądając rysunek 6 m ożna łatw o stw ierdzić, że niepodobna w skazać w zorca obrazu, który m ożna by było rozpoznać jak o sygnał tej choroby! Podobne

17

zjawisko odnotowujem y analizując obrazy ERCP znam ionujące raka trzustki (rys.

17). Skoro (wobec braku m ożliwości zdefiniow ania w zorców ) nie m ożna zadania rozwiązać m etodą autom atycznego rozpoznaw ania obrazów - trzeba odw ołać się do techniki autom atycznego ich rozumienia. Autom atyczne rozum ienie obrazu polega na takiej jego analizie, by pow stał inteligentny opis całego obrazu oraz poszczególnych widocznych na nim struktur biologicznych, pozw alający na jeg o autom atyczną sem antyczną interpretację.

6. Zasadnicze cechy autom atycznego rozum ienia obrazów m edycznych

M ożna podać następujący zestaw cech autom atycznego rozum ienia obrazów m edycznych (zgodnego z koncepcją tej pracy):

1. W maksym alnym stopniu naśladow any je st naturalny sposób rozum ow ania lekarza-diagnosty;

2. Dzięki tw orzeniu lingwistycznego opisu m erytorycznej treści obrazu m ożliw e je st uzyskiwanie jeg o semantycznej reprezentacji bez apriorycznego określenia

liczby rozpoznaw anych klas;

3. Tworzony opis lingwistyczny ma charakter strukturalny i pozw ala na prowadzenie analizy znaczenia obrazu, która m oże być dokonyw ana z różnym stopniem szczegółowości dla potrzeb klasyfikacji lub indeksacji.

Rozwijając tę myśl m ożna stwierdzić, że w przypadku rozpoznaw ania obrazu m amy zawsze do czynienia z pew ną liczbą z góry ustalonych w zorców , a proces przetw arzania informacji obrazowej zm ierza do tego, by z obrazu w ydobyć cechy pozw alające na zaliczenie go do jednej z tych z góry zadanych klas. Taki model przetwarzania zakłada jednokierunkow y przepływ sygnałów (rys. 18).

Pobranie obrazu (recepcja)

Rozpoznanie

Obraz Cechy

obrazu

Decyzja

Rys. 18. Klasyczne rozpoznawanie Obiekt

18

W odróżnieniu od tego schematu, w przypadku rozw ażania zadania rozum ienia obrazu, przepływ informacji je st dw ukierunkow y, gdyż strum ień em pirycznych danych, pochodzących od podsystem u rejestrującego i analizującego obraz, interferuje w tym m odelu ze strum ieniem oczekiwań (rys. 19). O czekiw ania m ają charakter postulatów, określających właściw ości badanego obrazu przy założeniu, że m erytoryczna zaw artość tego obrazu odpow iada jednem u z m ożliwych w ariantów jego sem antycznej (znaczeniow ej) interpretacji. Zakłada się przy tym, że system rozum iejący obraz dysponuje zestawem generatorów w spom nianych oczekiwań, zw iązanych z różnymi hipotetycznym i sposobam i m erytorycznej interpretacji zawartości obrazu [4], [7], [11]. Taka struktura systemu rozum ienia obrazu w ogólnym zarysie odpow iada jednem u z psychologicznych m odeli percepcji w zrokow ej, opartem u na koncepcji korzystania z wiedzy o postrzeganych obiektach, co om ówim y niżej.

Pobranie obrazu (reoepga)

Obiekt Analiza

Obraz Cechy obrazu obrazu

Rys. 19. Dwukierunkowy przepływ informacji podczas próby rozumienia obrazów

7. Przygotow anie obrazu do procesu jego autom atycznego rozum ienia

Zanim przedstaw im y zarys proponow anej przez nas m etody autom atycznego rozum ienia obrazu m usim y wskazać, że obrazy, które m ają być zgodnie z tą m etodą poddane syntaktycznej analizie - m uszą być do tego procesu odpow iednio przygotow ane. Preprocessing, czyli przetw arzanie wstępne

19

rozważanych obrazów musi być przeprowadzony w taki sposób, by wydobyć i maksym alnie uwypuklić te elem enty analizow anego obrazu, które są przydatne w procesie jego późniejszego rozumienia, natom iast w yelim inow ać i do m inim um ograniczyć czynniki zm ienności, które rozumieniu obrazu nie sprzyjają. N a rys. 20.

pokazano schem atycznie (na przykładzie obrazu przew odu trzustkow ego) proces wstępnego przetwarzania, jaki typowo musi być w ykonany zanim obraz będzie mógł zostać poddany procedurze analizy zm ierzającej do jeg o autom atycznego zrozumienia.

Rys. 20. Przygotowanie obrazu do procesu automatycznego rozumienia

Szczegóły tego procesu wstępnego przetw arzania obrazu były ju ż kilkakrotnie publikowane w pracach autorów (patrz zw łaszcza [3], [5], [7], [8], [9]), nie będą więc tu ponow nie om awiane. W arto jed yn ie podkreślić, że unikatowymi etapami w stępnego przetw arzania obrazu, ściśle zw iązanym z zadaniem jego autom atycznego rozumienia, są elim inacje fałszyw ych odgałęzień bocznych szkieletu badanego naczynia (rys. 21) oraz realizacja tzw. transform acji prostującej (rys. 22).

W następstwie procesu wstępnego przetw arzania rozw ażanych obrazów pow stają „w yprostow ane” a także zaproksym ow ane z po m ocą odpow iednio dobrane linii łamanej jednow ym iarow e w ykresy (rys. 23), zaw ierające głów nie informacje zmiennej szerokości i profilu linii brzegowej rozw ażanego narządu, przydatne do m erytorycznego rozumienia zawartości tych obrazów.

20

Rys. 21. Rozróżnianie rzeczywistych i pozornych odgałęzień szkieletu badanego naczynia

i

E

l 3

i

Rys. 22. Transformacja prostująca jako jeden z etapów wstępnego przetwarzania obrazu

8. G ram atyka grafow a jako narzędzie rozum ienia obrazu

M usim y teraz skonkretyzow ać przedstaw ione wyżej ogólne koncepcje autom atycznego rozum ienia obrazu, tak żeby m ożna było zw iązać z nimi określone m odele obliczeniow e i dokonać ich praktycznej im plem entacji. Punktem w yjścia będą obrazy w form ie pokazanej na rys. 23. Stanow ią one w rozw ażanej tu klasie obrazów m edycznych w ygodną podstaw ę procesu autom atycznego rozum ienia, trzeba jed n ak podkreślić, że w innych zadaniach m oże być potrzebny inny p reprocessing analizow anego obrazu.

P oszukując obliczalnych form uł, m ogących odpow iadać pojęciom rezonansu kognityw nego, zachodzącego pom iędzy cecham i obrazu, oczekiw anym i na podstaw ie w iedzy, a tym i cecham i, które rzeczyw iście d ają się w ykryć w aktualnym obrazie - odw ołam y się w tej pracy do lingw istyki m atem atycznej.

21

Decyzja ta w pierwszej chwili może się wydawać nieco dziwaczna, gdyż lingwistyka tradycyjnie stosowana je st do zupełnie innych celów - na przykład do tw orzenia języków program owania lub do analizy tekstów. Jednak takie właśnie podejście je s t w pełni uzasadnione, gdy przypom nim y sobie, jaki był powód porzucenia wygodnego m odelu rozpoznaw ania obrazu i poszukiw ania nowego paradygm atu — nazwanego w łaśnie autom atycznym jeg o rozumieniem .

Otóż stwierdziliśm y wyżej, że w przypadku analizy złożonych obrazów (w szczególności medycznych) niem ożliwe je st w skazanie a 'p riori jakichkolw iek wzorców ani podanie z góry dokładnej liczby rozpoznaw anych klas. A utom atyczne

„rozum ienie” obrazów trzeba więc utożsamiać z takim procesem analizy informacji obrazowej, w wyniku którego pow staw ać m oże potencjalnie nieograniczona liczba różnych wniosków. N ie wchodzi więc w rachubę żaden w ybór odpowiedzi z założonego z góry ustalonego zbioru, lecz konieczna je s t generacja odpowiedzi.

G eneracja ta musi podlegać jednak ścisłym regułom (gram atycznym ) i musi być prow adzona w taki sposób, by m ożliw a była potem precyzyjna analiza tych w ygenerowanych odpowiedzi i w nioskow anie na ich podstaw ie (głów nie w celu znajdow ania klas opisów w określonym sensie ekw iw alentnych sem antycznie - na przykład związanych z identyczną diagnozą.

Rys. 23. Tworzenie wyprostowanego i zaproksymowanego profilu analizowanego narządu jako etap poprzedzający próbę automatycznego zrozumienia jego kształtu

22

W yniki rozum ienia obrazu m ożna więc (zgodnie z prezentow aną tu koncepcją) wyrażać w form ie „zdań” zapisyw anych w specjalnym języku, a proces w nioskow ania (na tem at „zrozum ianych” obrazów) w iązać się będzie z analizą syntaktyczną w ygenerow anych zdań, w ykorzystującą specjalnie stw orzoną dla tego celu gram atykę oraz autom atyczny parser, dokonujący koniecznej analizy składniow ej. W większości przypadków m ożna tak zbudow ać słownik, gram atykę i parser, że pojęcia zw iązane z rozum ieniem obrazu i w nioskow aniem opartym na tym rozum ieniu - w naturalny sposób przekładają się na konkretne działania analizatora syntaktycznego, znane z translacji języków formalnych.

9. Analiza leksykalna obrazu

Skoro zdecydow aliśm y, że merytorycznej treści obrazu odpow iadać będzie zdanie pew nego specjalnie utw orzonego języka, to m usimy wskazać, z jakich

„w yrazów ” (elem entów leksykalnych) będziem y budow ać te zdania. N aw iązując do wcześniej w prow adzonych pojęć (por. rys. 19), w prow adzony słow nik rozważanego języ k a utożsam iać m ożna ze zbiorem oczekiwań generow anych przez jed n o stki gnostyczne zw iązane z określonym i elem entam i w iedzy o obrazie.

Oczywiste je st przy tym, że budow any słownik musi być silnie oparty na apriorycznej w iedzy o rozważanej klasie obrazów.

7, 22, 3, -4, 65, 70, 6, -78, -125, -99, 10, 11, -12, 0, 4, 19, -28, 41, 2, -109, -146, - 40, 15, 40, 13, -80, -147, -66, 12, 23, 16, -18, -145, -151, -72, 8

-28, -23, 15, 1 1 ,3 1 ,-3 1 , 1 1 ,3 ,3 7 , -29, 8 ,6 , 6, -29, -2, 8, 1 0 5 ,4 3 ,-4 0 , -8 1 ,-1 4 , 7 , - 10, 1 1,66, -56, -64, 5, -28

Rys. 24. Opis linii konturu (odpowiednio górnego i dolnego) wyłącznie za pomocą kątów (w stopniach)

Posłużym y się przykładem : Dla analizy pokazyw anych wcześniej obrazów przew odów trzustkow ych istotne znaczenie m ają zm iany kierunku linii brzegow ej.

M ożna tak tw ierdzić, poniew aż w nioskow anie na tem at obecności (lub braku) znam ion określonej patologii je s t w przypadku tych obrazów oparte na wykryw aniu przew ężeń, poszerzeń, cyst i odgałęzień. M niej istotne je s t natom iast dokładne ustalenie lokalizacji tych zmian m orfologicznych i ich precyzyjnych rozm iarów . Sugeruje to użycie jak o elem entów słow nika odpow iednio skategoryzow anych kątów zm ian kierunku linii aproksymującej kontur (por rys. 24),

23

przy całkowitym odrzuceniu informacji zawartych w długościach odpow iednich odcinków.

Jeśli więc kontur narządu zastąpi się łańcuchem wartości kątów m iędzy kolejnymi odcinkami linii go aproksym ującej (rys. 14), to w charakterze słow nika może wystąpić „kątom ierz” opisany symbolami term inalnym i rozważanej gramatyki (rys. 25).

Rys. 25. „Słownik” rozważanej gramatyki grafowej

Z pom ocą tak stworzonego „słow nika” m ożna dla każdego obrazu rozważanej tu klasy utworzyć napis (zdanie), zaw ierający w sobie wyłącznie symbole term inalne (elem enty z podanego słownika) i stanow iący m aksym alnie zw arty opis kształtu widocznego na tym obrazie narządu. W opisie tym , będącym w istocie efektem „zderzenia” cech danego konkretnego obrazu i oczekiw ań wynikających z wiedzy o rozważanej tu klasie obrazów, zaw arte są w szystkie składniki, niezbędne do tego, by ten obraz zrozum ieć, zaś w szystkie czynniki uboczne (na przykład osobnicze) są w m aksym alnym stopniu w yelim inow ane. Co więcej, uzyskany opis obrazu je st m aksym alnie zwarty. Przykład takiego lingwistycznego opisu obrazu pokazany je st na rys. 26.

24

p, s, p, p, i, i, p, ni, nn, nn, s, s, ns, p, p, s, ns, g, p, nn, nn, ns, s, g, s, ni, nn, ni, s, s, s, ns, nn, nn, ni, p

ns, ns, s, s, s, ns, s, p, s, ns, p, p, p, ns, p, p, n, g, ng, ni, ns, p, ns, s, i, ni, ni, p, ns Rys. 26. Lingwistyczny opis struktury obrazu

N a tak skonstruow anym lingw istycznym opisie obrazu m ożna ju ż bezpośrednio w ykonyw ać użyteczne działania. N a przykład dzięki tem u, że w opisie tym abstrahuje się od położenia i rozm iarów zmian kształtu brzegu narządu, a także utożsam ia się (poprzez użycie identycznego sym bolu term inalnego) m ałe różnice kierunku konturu, nie będące w istocie czynnikam i dystynktyw nym i - może on być użyty np. do indeksow ania obrazów w bazie danych. Jednak dla pełnego zrozum ienia obrazu celow e je s t przejście do parsingu tego opisu, do czego jednak niezbędne je st zdefiniow anie gramatyki.

10. G ram atyka do opisu kształtu

W adą om awianej tu metodologii je s t fakt, że każda klasa analizow anych obrazów w ym aga stw orzenia osobnego język a opisu dla popraw nego generow ania oczekiwań dotyczących spodziew anych na nich kształtów. O znacza to konieczność zbudow ania osobnej gramatyki dla każdej klasy zadań (chociaż oczyw iście podobne typy zadań dadzą się rozw iązyw ać przy pom ocy gram atyk m ających w iele wspólnych elem entów ). Te niew ątpliw ie kłopotliw e uw arunkow ania proponowanej tu m etodyki są skutkiem roli, ja k ą przypisaliśm y w niej językow i, który opisuje kształty obiektów uw idocznionych na obrazie. W naszej koncepcji dokonujem y zanurzenia w tym języku takich pojęć, ja k w iedza o obrazie i w ynikający z niej strum ień oczekiw ań (por. rys. 19) a także rezonans kognityw ny i indukcyjne w nioskow anie o naturze obrazu.

O znacza to, że tw órca języka opisującego obrazy oraz gram atyki definiującej zasady korzystania z tego język a - musi bardzo głęboko w niknąć w posiadane zasoby w iedzy o obiektach w idocznych na obrazie, a następnie w iedzę tę (w typow ych przypadkach reprezentow aną pierw otnie w postaci nieform alnych opisów językow ych) musi przekształcić w ciąg form uł definiujących leksykalne, syntaktyczne i sem antyczne uw arunkow ania tw orzonego języka. N a szczęście przynajm niej z punktu w idzenia im plem entacyjnego nie stanowi to dużej kom plikacji, poniew aż znane są (i łatw o dostępne) uniw ersalne translatory sterow ane składnią (na przykład Y A CC), więc po w ym yśleniu (co je st najtrudniejsze) i po form alnym opisaniu gram atyki „pasującej” do określonej klasy obrazów - ca łą dalszą pracę m ożna zautom atyzow ać.

25

Gramatyki grafowe opisujące reguły języka definiującego rozważane tu obrazy m edyczne m uszą być (niestety) dosyć skom plikow ane. Niżej podana zostanie, tytułem przykładu, struktura gramatyki opisującej obrazy przew odów trzustkowych ujawnianych w badaniach prowadzonych m etodą endoskopowej wstecznej cholangio-pankreatografii, natom iast w innych pracach autorów znalezc można także przykłady gramatyk pozw alających także na autom atyczne rozumienie obrazów tętnic w ieńcowych i m oczowodów. Gram atyki te generalnie m ają formę:

G = (VN, VT, SP, STS) gdzie (jak zwykle w lingwistyce m atematycznej):

ł W - j e s t zbiorem symboli nieterminalnych V T —je st zbiorem symboli term inalnych S T - j e s t zbiorem produkcji

S T S - je s t symbolem startowym gramatyki

Dla rozważanej klasy obrazów odpow iednie zbiory m ają postać:

VN = {SYMPTOM, CYST, STENOSIS, DILATATION, BRANCH, HI, LO, P, S, G, I , N, NS, NG, NI, NN}

VT = {p, s, ns, g, ng, i, ni, n, nn}

Kluczowe znaczenie ma oczywiście zbiór produkcji SP, w skład którego w chodzą następujące odwzorowania (po prawej stronie niektórych form uł syntaktycznych zapisano dodatkowo tzw. akcje semantyczne, odw ołujące się do znaczeń, a nie do symboli):

SY M P T O M —> C YST Sym ptom =cyst SY M P T O M —> STENO SIS Sym ptom =stenosis SY M P T O M -> DILA TA TION Sym ptom =dilatation SY M P T O M -> BR A N C H Sym ptom =branch C YST —> H I P L O | H I S L O \ H I N S LO STEN O SIS —> N S S \ N S G \ N S P S \ N S P I STEN O SIS —> N G S' \ N I N S I \ N I S

D ILATATIO N S P NG \ S G N S \ S N S \ G N S

B RAN C H -> I N I 11 N S | S N G \ G N I \ G S N N | S N S N N B RAN C H -> N G N G N I \ I P N I N N \ G P N N \ G S N I N N H I - > I \ G Część wstępująca sym ptom u

LO —> N I | N G Część zstępująca sym ptom u

N —> n | n N wsym:= wsym + wn; hsym:= hsym+ hn N N —> n n \ n n N N wsym: = wsym + wnn; h sym :~ hsym + hnn I —> i | i I wsym:= wsym + w i ; hsym:= hsym + hi N I —> ni | ni N I wsym:= wsym + wni

26

G —> g \ g G wsym: = wsym + w g ; hsym: = hsym + hg N G —> n g \ n g N G wsym: = wsym + w ng

S —> s \ s S wsym: — wsym + ws ; hsym: = hsym + hs N S —> ns | ns N S wsym: = w sym + wns

P —>p wsym: - wsym + wp; hsym: = hsym + hp

Symbolem startowym gramatyki je st oczyw iście symbol nieterm inalny SYM PTOM .

Uzupełniającym elem entem dla parsera redukującego zapisy term inalne do nieterm inalnych je st w omawianej tu gramatyce trcmsducer o schem acie podanym na rys. 27, którego zadaniem je st wykryw anie sekwencji tzw. sinąuadów, pozw alających na rozróżnienie bocznych odgałęzień przewodu trzustkow ego od cyst oraz cyst od innych typów poszerzeń światła przewodu [11],

11. Rozum ienie obrazu z pom ocą jego syntaktycznej analizy

O pisana wyżej (z dużymi skrótam i) m etodyka postępow ania kończy się tym, że zaw artość rozw ażanego obrazu m edycznego zostaje zam ieniona na zdanie (lub kilka zdań) w pewnym specjalnie zbudow anym języku, a następnie specjalnie stw orzona gram atyka pozw ala zredukow ać ten opis do zestaw u przesłanek stanowiących elem enty zrozum ienia tego, co naprawdę ten obraz przedstaw ia i jakie to ma znaczenie. Sekw encja ta pokazana je st na rys. 28, gdzie kolejno zaprezentowano: obraz przed przetw orzeniem , obraz po przetw orzeniu wstępnym , opis obrazu w przyjętym języku oraz efekt zrozum ienia obrazu przedstaw iany lekarzowi [14], [15], [16],

27

Dla realizacji tego ostatniego celu (to znaczy dla w ypracow ania i podania lekarzowi opisu obrazu, będącego gotowym wynikiem jego autom atycznego rozumienia, zaproponowany został w tej pracy specjalny analizator syntaktyczny, pokazany na rys. 19, który nie tylko pozw ala na „w yłuskanie” z obrazu znaczących symptomów, ale także (dzięki istnieniu wbudowanych do produkcji gramatyki akcji sem antycznych) może podać użytkownikowi bliższą charakterystyką sem antycznie przeanalizowanego obrazu w postaci pewnych param etrów liczbowych (na przykład dotyczących szerokości i głębokości zmian morfologicznych wykrytych i opisanych jako sym ptom y badanego obrazu). Dane te m ogą być ju ż bezpośrednio wykorzystane w charakterze podstaw y do podjęcia decyzji diagnostycznej, jednak w naszej koncepcji diagnoza je st zawsze podejm owana wyłącznie przez lekarza, a nie przez komputer!

12. Zastosowanie opisanej m etodyki do rozum ienia różnych obrazów m edycznych

W treści przedstawionego referatu posługiwano się głównie przykładami obrazów ERCP prezentujących wybrane (trudne diagnostycznie) choroby trzustki.

W arto na zakończenie tego referatu w spom nieć, że opisana w nim metodyka znalazła zastosowanie także w analizie innych obrazów m edycznych [14], [15],[16],

Ze względu na podobne metody zastosow ane do wstępnego przetwarzania rozważanych obrazów przedstawimy tu w yłącznie wyniki uzyskane dla obrazów różnych innych naczyń (np. tętnic wieńcowych i m oczow odów), jedn ak ciekawe próby uogólnienia tej metodyki na obrazy o zupełnie innej specyfice także bywały podejm owane [17],[18],[19],

28

C

P/ s, p, p, i, ns, ns, s, s,

, p,

g,

s,

ni, nn, nn, s, s, ns, p, p, s, ns, g, p, nn, nn, ns, s, s, ni, nn, ni, s, s, s, ns, nn, nn, ni, p

is, s, p, s, ns, p, p, p, ns, p, p, n, g, ng, ni, ns, p, ns, s, i, ni, ni, p, ns

Jn

Sym ptom Sym ptom Sym ptom

—

=

=

—

dilatation cyst at the taił granch at the taił cyst at the head

JD

Rys. 28. Najważniejsze etapy rozumienia obrazu

29

Rys. 29. Analizator dostarczający semantycznego opisu, będącego efektem rozumienia obrazu

N a rys. 30a i 30b pokazano dwa przykładowe wyniki uzyskany podczas stosowania opisanej wyżej metodyki do analizy i do próby autom atycznego zrozum ienia zmian m orfologicznych zachodzących w obrębie tętnic w ieńcow ych serca. Udało się przy tym wykazać, że odpow iednio zbudow ana gram atyka grafowa pozwala analizować i opisywać obrazy koronarograficzne w sposób pozwalający na wydobycie z nich istotnych sem antycznych inform acji o naturze procesów i zmian m iażdżycowych lokalizujących się w tym - niezw ykle ważnym medycznie - obszarze organizmu pacjenta [16].

Badania wykazały, że dla autom atycznego rozum ienia rozw ażanych zmian m orfologicznych w obrębie tętnic wieńcowych m ożna użyć języ k a opisyw anego przez gramatykę lewostronnie regularną (klasy LR(1) ) - co znacząco uprościło semantyczny model tego schorzenia [16].

Inny przykład udanego zastosow ania opisane m etodyki pokazano na rysunku 31, przedstawiającym analizę i próbę autom atycznego rozum ienia zm ian w m oczowodach wywołanych kam icą [14], [15].

30

Rys. 30a. Próba automatycznego rozumienia zmian zachodzących w tętnicach wieńcowych - pacjent A

Rys. 30b. Próba automatycznego rozumienia zmian zachodzących w tętnicach wieńcowych - pacjent B

31

Rys. 31. Automatyczne rozumienie obrazu zmian zachodzących w moczowodach

W nieco bardziej złożony sposób analogiczną m etodę analizy udało się zastosować do analizy i opisu zmian chorobowych ujawniających się w zm ianach struktury m iedniczek nerkowych (rys. 22) [17],[18].

W tym ostatnim przypadku m ożliwe je st zbudow anie (poprzez zdefiniowanie odpowiedniej gramatyki form alnej) język a pozw alającego skutecznie odróżniać miedniczki nerkowe o prawidłowym kształcie (rys. 33a) od miedniczek zmienionych chorobowo (rys. 33b) - w raz z próbą zrozum ienia natury procesu chorobowego, który odpowiedzialny je st za rejestrow ane na obrazie zmiany morfologiczne [18],[19].

Przykłady można by mnożyć, ponieważ autorzy prowadzili przez w iele lat [20] badania związane z sem antyczną analizą i autom atycznym rozum ieniem różnych obrazów medycznych - uzyskując dla bardzo różnych problem ów m ożliwość ich charakteryzowania za pom ocą odpow iednich form uł stosownie zbudowanego języka opisu kształtów.

Rys. 32. Próba automatycznego rozumienia kształtu miedniczek nerkowych

Rys. 33 a. Obraz prawidłowej miedniczki nerkowej przygotowany do próba automatycznego rozumienia jej kształtu

Rys. 33 b. Obraz patologicznie zmienionej miedniczki nerkowej przygotowany do próba automatycznego rozumienia jej kształtu

13. Podsum ow anie i uwagi term inologiczne

Przedstaw iona w referacie koncepcja „autom atycznego rozum ienia obrazu”

m oże się w ydaw ać (zw łaszcza w pierwszej c h w ili...) nieco kontrow ersyjna. W szak czynność rozum ienia je st zw iązana z interpretacją określonej sytuacji lub kom unikatu w um yśle człow ieka, więc o jakiej autom atyzacji m oże tu być mowa?!

Jednak po przestudiow aniu przedstaw ionych w referacie inform acji, a zw łaszcza po przeanalizow aniu przykładów C zytelnik uzna - m amy nadzieję - że napraw dę istnieje m ożliw ość dokonania z pom ocą zaproponowanej m etody znacznie głębszej analizy sem antycznej zaw artości obrazu, niż to dotychczas praktykow ano, doprow adzając w efekcie (dla prostych zadań) do realizacji postulatu rozpoznaw ania w idocznych na obrazie obiektów [17],[19].

P ołączenie opisanych w pracy nowych elem entów , takich jak:

33

^ pogłębione i ukierunkowane na cel przetwarzanie wstępne obrazu, w ydzielające jego cechy dystynktywne, związane ze istotą rozw iązyw anego zadania i wolne od czynników losowych

> opisanie zawartości obrazu z wykorzystaniem elem entów specjalnie utworzonego języka

> analiza syntaktyczna leksykalnego opisu obrazu, w ykorzystująca specjalnie stworzone gramatyki, ujawniająca znaczenie widocznych na nim struktur stwarza w sumie nową jakość w dziedzinie techniki przetwarzania obrazów .

M ożna oczywiście kontestować proponow any term in „a utom atyczn e rozum ien ie”, jaki dla tej nowej formy analizy obrazów zaproponow ano w tej pracy, jednak trudno zaprzeczyć, że jak ąś nazwę trzeba jej przypisać, gdyż używanie nadal tradycyjnego term inu rozpoznaw anie obrazów prow adziłoby w tym przypadku do nieporozum ień. Autorzy referatu w yrażają nadzieję, że po okresie wstępnej nieufności i niechęci (która - przypom nijm y to - na pewnym etapie otaczała także takie popularne dzisiaj nazwy, ja k sztuczna inteligencja, sieci neuronowe czy naw et robotyka) termin „autom atyczne rozum ienie”, używ any w odniesieniu do wielu różnych sygnałów [12], [13] zostanie zaakceptow any i będzie sprawnie funkcjonował.

Niezależnie od tego, jak a ostatecznie zostanie zaakceptow ana nazwa dla naszkicowanej wyżej techniki analizy obrazu poprzez jego opis lingw istyczny, można mieć nadzieję, że sama m etodyka się przyjm ie i upowszechni. Ta nowa jakościow o forma analizy okazuje się bowiem przydatna, zaś szczególnie użyteczna jest ona w kontekście analizy obrazów o dużym stopniu złożoności, a także takich, których forma je st w znacznym stopniu nieprzew idyw alna, co m iędzy

innymi opisano obszerniej w pracy [20],

Zachęcam y więc wszystkich Inform atyków do podejm ow ania w łasnych badań w tym ciekawym i mało jeszcze wyeksploatow anym obszarze!

Literatura

1. Breji, M. and Sonka, M. Medical image segm entation: A utom ated design o f border detection criteria from examples, Journal o f Electronic Im aging, Vol 8 No 1, 1999, pp. 54-64.

2. Hall, P., Ngan, M. and Andreae, P. Reconstructing vascular skeletons from X- ray angiograms, in M edical Im aging 1998: Im age P rocessing, Kenneth M.

Hanson, Editor, Proceedings o f SPIE Vol. 3338, , Bellingham , W ashington USA, 1998, pp. 480-491.

3. Kurgan L.A., Cios K.J., Tadeusiewicz R., Ogiela M., G oodenday L.S.:

Knowledge Discovery Approach to Autom ated Cardiac SPECT Diagnosis, Artificial Intelligence in M edicine (Elsevier), nr 23 (2) 2001, pp. 149-189 4. Leś Z., Tadeusiewicz R., Leś M.: Shape Understanding: K now ledge

Generation and Learning, Proceedings o f the Seventh Australian and N ew 34

Zealand Intelligent Inform ation Systems C onference (ANZIIS 2001), IEEE Engineering in M edicine and Biology Society, Perth, W estern Australia, 2001, p p . 189-195

5. M ikrut, Z. et al., A M ethod o f Linear Star-Sections" Applied for Object Separation in ERCP Images, pp. 363-366, Proceedings o f International C onference on Im age Processing, Lausanne, 1996.

6. M u-Chun Su, Yi-Yuan Chen, Kuo-H ua Wang, Chee-Yuen Tew, Hai Huang, 3D arm m ovem ent recognition using syntactic pattern recognition, A rtificial Intelligence in Engineering, V o l.14, N o.2, 2000, pp.l 13-18.

7. Ogiela, M. and Tadeusiew icz, R. Syntactic pattern recognition for X-ray diagnosis o f pancreatic cancer, IE E E Engineering In M edicine A n d Biology M agazine, V o l.19, N o.6, pp. 94-105, 2000.

8. O giela M. R., Tadeusiew icz R.: A dvances in Syntactic Im aging Techniques for Perception o f M edical Images, Im aging Science Journal, vol. 49, nr 2, 2001, p p . 113-120

9. Ogiela, M.R. and Tadeusiew icz, R. N ew Aspects o f Using the Structural G raph-G ram m ar Based Techniques for Recognition o f Selected M edical Im ages, Jo urnal o f D igital Im aging, Vol. 14, N o 2, Suppl 1 (June 2001), p p .2 3 1-232.

10. Sonka M. and Fitzpatrick J. M. (eds.). H andbook o f M edical Im aging: Volum e 2. M edical Image Processing and Analysis, SPIE PRESS Vol. PM 80, 2000, Bellingham , W ashington USA.

11. Tadeusiew icz R., O giela M.: Exam ples o f the Application o f N ew Approach to Structural Analysis o f M edical Images, A rchiw um Inform atyki Teoretycznej i Stosow anej, vol. 13, nr 4, 2001, pp. 311-327

12. W szołek W., Tadeusiew icz R., Izworski A., W szołek T.: Recognition a nd U nderstanding o f The Pathological Speech Using A rtificial Intelligence M ethods, in: Ham za M.H. (ed.): Artificial Intelligence and Applications, IASTED, A C TA Press A naheim -Calgary-Zurich, 2002, pp. 504-508

13. Tadeusiew icz, R., W szołek, W., Izworski, A., W szołek, T. : Understanding o f vocal tract path o lo g y using speech signals analysis. In M anfredi C. and B ruscaglioni P. (eds.): Proceedings o f 2nd International W orkshop on M odels And A nalysis o f Vocal Em issions for Biomedical Applications, University o f Firenze, 2001, Book o f Abstracts pp. 52-53 + full version on C D-ROM (9 pages w ithout sequential num bers)

14. O giela M. R., T adeusiew icz R., Ogiela L.: Intelligent Image Understanding System s, in Bohanec M., Gams M. (eds.) Intelligent System s, Inform ation Society, L ubliana 2002, pp. 35-38

15. O giela M. R., Tadeusiew icz R.: A d vanced Image U nderstanding a nd Pattern A nalysis M ethods in M edical Im aging. In: Younan N. (ed.): Signal and Image Processing, IASTED, A C TA Press A naheim -Calgary-Zurich, 2002, pp. 583- 588

16. O giela M. R., Tadeusiew icz R.: Syntactic reasoning and pattern recognition f o r analysis o f coronary artery images, International Journal o f Artificial

Intelligence in M edicine (Elsevier), vol. 26, nr. 1-2, 2002, pp. 145-159

35

17. Ogiela M., Tadeusiewicz R., O giela L.: Syntactic Pattern A nalysis in Visual Signal Processing and Image. Proceedings o f ICFS 2002 - The International Conference on Fundam entals o f Electronics, C om m unications and C om puter Science, IEEE Industrial Electronics Society and IEEE Circuits & System s Society, Tokyo 2002, p p .13.10-13.14

18. Ogiela M.R., Tadeusiewicz R., Im age Understanding M ethods in B iom edical Inform atics a nd D igital Imaging, Journal o f Biomedical Inform atics, Vol. 34, No. 6, Dec 2001, pp. 377-386

19. Tadeusiewicz R., O giela M. R.: Autom atic Understanding o f M edical Im ages - N ew Achievem ents in Syntactic Analysis o f Selected M edical Im ages, Biocybernetics and Biomedical Engineering, vol. 22, nr 4, 2002, pp. 17-29 20. Tadeusiewicz R., Gorgon M., W iatr K., M ikrut Z.: Reconfigurable Im age

Processing Architectures - Research a nd Current State o f A rt at the A G H Technical University, in: Plaks T.P., Athanas P.M. (eds.): Proceedings o f the International Conference on Engineering o f R econfigurable System s and A lgorithm s E R SA ’02, Las Vegas 2002, pp. 160-166

Praca finansowana w ramach Badań W łasnych AGH, tem at nr 10.10.120.39.

Ryszard Tadeusiewicz, M arek R. Ogiela

Katedra Automatyki, Wydz. EAIiE, A kadem ia G órniczo-H utnicza

36

A L T E R N A T Y W N E S Y S T E M Y K O M U N IK A C JI I O B R O T U G IE Ł D O W E G O W R O Z W O JU E -F IN A N C E

D ariusz T. DZIUBA

Streszczenie: w opracow aniu zaprezentow ano alternatyw ne system y kom unikacji i obrotu giełdow ego, określane mianem ATS (Alternative Trading System s).

Szczególną uwagę zw rócono na jed n o z obiecujących takich rozw iązań - sieci elektronicznej kom unikacji ECN (Electronic Com m unication N etw orks), które rozw ijają nowe formy konkurow ania na rynkach papierów w artościow ych. Ich sw oistą rew olucję obserw ujem y w USA. R ozpatryw ane są: istota i geneza tej innowacji technologicznej, zasady funkcjonow ania, korzyści rynkow e i ograniczenia (bariery rozw oju) oraz struktura rynku z przykładow ym i wdrożeniam i.

W prow adzenie

N ow oczesne technologie inform atyczno-kom unikacyjne stw orzyły obecnie jakościow o inne m ożliw ości dostępu do inform acji, zm ieniając warunki procesów podejm ow ania decyzji ekonom icznych i prowadząc do zjaw iska nazyw anego skróceniem czasu ekonom icznego. Skracanie czasu ekonom icznego um ożliw ia znaczne przyspieszanie procesów ekonom icznych. Decyzje ekonom iczne, przede wszystkim na rynku finansow ym , m ogą być podejm ow ane w bardzo krótkim czasie (ułam kach sekund), law inow o, także autom atycznie (na podstaw ie m odeli realizow anych przez kom putery), bez udziału człow ieka. Szybkość realizacji procesów w skazuje na istotne ograniczenie kosztów. Dotyczy to zw łaszcza rynków elektronicznych.

Skutkiem stosow ania nowych technologii inform acyjnych na rynku je st znaczna redukcja kosztów transakcji. Technologie spow odow ały w ostatnim czasie gw ałtow ną redukcję kosztu i czasu przetw arzania oraz transm isji inform acji, czego dośw iadczam y np. im plem entując rozw iązania e-com m erce. Skutki te doprow adziły do wielu zm ian w funkcjonow aniu różnorodnych przedsiębiorstw (zw łaszcza banków [5], giełd itp. instytucji finansow ych) i całych gospodarek [6], R ów nolegle do w spom nianego rozw oju technologicznego dokonała się nie m niejsza zm iana w obszarze ekonom icznym .1

Rynki finansow e gw ałtow nie się zm ieniają - skutkiem procesów globalizacyjnych, oczekiw ań klientów , zmian regulacyjnych (deregulacja) i oferty ja k ą stw orzyły now e technologie inform acyjne (rysunek 1).

Sfera finansów stała się w dużej mierze elektroniczną - globalnym rynkiem elektronicznym .

1 Informację traktuje się obecnie jako dob ro ekonomiczne i jako jedną z podstawowych kategorii ekonomicznych. Szerzej ten temat rozpatrywałem m.in. w pracy [7],

37