DE102009010607B4

DE102009010607B4 - Verfahren zur Unterdrückung von undeutlich machenden Merkmalen in einem Bild

Info

Publication number: DE102009010607B4
Application number: DE200910010607
Authority: DE
Inventors: Nicolas J. Merlet
Original assignee: Siemens Computer Aided Diagnosis Ltd
Current assignee: Siemens Computer Aided Diagnosis Ltd
Priority date: 2008-02-27
Filing date: 2009-02-25
Publication date: 2015-04-30
Anticipated expiration: 2029-02-26
Also published as: DE102009010607A1; US8233692B2; CN101546427A; CN101546427B; US20090214099A1

Abstract

Verfahren zum Entfernen von undeutlich machenden Merkmalen relativer standardmäßiger Größe und Form aus einem Bild, das die undeutlich machenden Merkmale, Merkmale, die von Interesse sind, und einen Hintergrund enthält, enthaltend die Schritte des Anwendens einer geometrischen Transformation zum Erzeugen eines transformierten Bilds mit den undeutlich machenden Merkmalen, die zu einer Achse des Bilds ausgerichtet sind; Anwenden eines Dämpfungsalgorithmus auf das transformierte Bild, um Merkmale zu unterdrücken, die eine Dimension in Richtung der Achse aufweisen, die der Dimension der undeutlich machenden Merkmale in ähnlicher Ausrichtung entspricht, und Anwenden einer umgekehrten geometrischen Transformation zum Erzeugen eines modifizierten Bilds mit gedämpften undeutlich machenden Merkmalen.

Description

Gebiet der Erfindung
Die vorliegende Erfindung betrifft ein Verfahren, ein Computerprogramm und einen Computer zum Unterdrücken von undeutlich machenden Merkmalen in einem Bild, um das Betrachten von Merkmalen, die von Interesse sind, zu ermöglichen. Eine bestimmte Anwendung liegt in der Unterdrückung von Rippenschatten in Röntgenradiogrammen des Thoraxhohlraums für Lungenuntersuchungszwecke, wodurch die Detektion von Läsionen gefördert und verbessert wird.
Hintergrund der Erfindung
Das Bruströntgen ist die am häufigsten durchgeführte diagnostische Röntgenuntersuchung. Bei der Bruströntgenbildgebung werden das Herz, die Lunge, die Luftröhre, Blutgefäße und die Knochen der Wirbelsäule und des Brustkorbs in einem schmerzlosen medizinischen Test abgebildet, der dabei hilft medizinische Gegebenheiten zu diagnostizieren.
Das Bruströntgen ist typischerweise der erste Bildgebungstest, der verwendet wird zur Unterstützung der Diagnose von Ursachen von Symptomen wie beispielsweise Atemnot, Fieber, schwerer oder anhaltender Husten, Brustschmerz oder Verwundung. Dessen Anwendung hilft bei der Diagnose und Überwachung einer Behandlung von medizinischen Gegebenheiten, wie beispielsweise bei Pneumonie, Lungenkrebs, Emphysem, Herzfehler oder andere Herzprobleme. Es kann auch verwendet werden, um Frakturen in Rippen zu finden.
Pneumonie zeigt sich in Radiogrammen in Form von Flecken und unregelmäßig weißeren Bereichen, aufgrund einer höheren Röntgenabsorption von Fluid in den Lungen. Wenn die Bronchien, die normalerweise nicht sichtbar sind, gesehen werden können, kann eine Diagnose von bronchialer Pneumonie diagnostiziert werden. Verschiebungen oder Schatten in Regionen, die dem Hilus entsprechen (die zentralen Mediastinaloberflächen der Lungen, wo die Lungenwurzeln eintreten) können ein Emphysem oder ein Lungenabszess angeben. Eine offensichtliche Aufweitung der Räume zwischen Rippen deutet auf ein Emphysem hin. Die Bruströntgenuntersuchung kann bei der Diagnose anderer Lungenkrankheiten helfen.
Lungenkrebs zeigt sich normalerweise als eine Art von Abnormalität in dem Brustradiogramm. Hilus betreffende Massen (Vergrößerungen an demjenigen Teil der Lungen, wo Gefäße und Nerven eintreten) sind die üblicheren Symptome von Lungenkrebs, die in Bruströntgenaufnahmen gezeigt sein können. Ein anderes bekanntes Symptom ist die Indikation von abnormalen Massen und Fluidaufbau auf der Außenfläche der Lungen oder umgebenden Bereichen. Eine interstitielle Lungenerkrankung, was ein Begriff ist, der eine große Kategorie von Fehlsteuerungen betrifft, von denen sich viele auf die Freilegung von Substanzen beziehen, wie beispielsweise Asbestfasern, können auf einer Bruströntgenaufnahme als faserähnliche Ablagerungen detektiert werden, oft in den unteren Bereichen der Lunge.
Ein Grund für das Durchführen von Bruströntgen liegt darin nach Knötchen oder Läsionen zu suchen, die typischerweise kugelförmige Regionen von Verdichtungen des Lungengewebes sind, die oft bösartig und für Krebs kennzeichnend sind. Die Lungen selbst liegen innerhalb des Rippenkäfigs. Da Knochen Röntgenstrahlen stärker absorbieren als Weichgewebe, erscheinen Rippenschatten als weiße Streifen in dem Röntgenradiogramm. Da die Rippen sich um den Körper kringeln erscheinen die Rippenschatten, wenn sie auf dem Röntgenradiogramm erscheinen, als sich kreuzend. Die Kreuzungspunkte und die Regionen zwischen den Kreuzungspunkten erscheinen als ein Muster von fast parallelogrammähnlichen Formen. Dieses Muster kann die Schatten verdecken, die durch Knötchen geworfen werden, die zu den Kreuzungspunkten, zu den Räumen dazwischen und/oder zu einer einzelnen Rippe zwischen den Kreuzungspunkten ausgerichtet sein können, und die zwei oder drei dieser Regionen überlappen können. Folglich können Schatten, die durch Rippen geworfen werden, Knötchen verdecken und verbergen.
Zusätzlich zu dem Rippenkäfig haben die Blutgefäße innerhalb der Lunge eine höhere Dichte als das mit Luft gefüllte spongiöse Lungengewebe und absorbieren mehr Röntgenstrahlen, wodurch sie veranlasst werden einen Schatten zu werfen, also schwächer auf dem Radiogramm erscheint. Ein Blutgefäß, das ausgerichtet ist zu der Richtung der Fotografie kann einen Kreisschatten werfen und als ein Knötchen missverstanden werden.
Die absolute Absorption variiert mit der Belichtungszeit, der Stärke der Röntgenquelle und der Größe und Form des Patienten. Details werden aufgelöst durch das Identifizieren von Kontrastdiskontinuitäten zwischen Regionen, und CAD (computerunterstützte diagnostische) Programme sind entwickelt worden zur Unterstützung des Prozesses.
Während der Röntgenbestrahlung sollen Patienten stillhalten und ihren Atem anhalten, wodurch die Lungen aufgeblasen bleiben. In der Praxis können sich jedoch die Patienten unachtsam bewegen oder ein- oder ausatmen während der Aussetzung mit Röntgenstrahlen, wodurch die resultieren radiographischen Bilder unscharf werden. Darüber hinaus, da die Röntgenstrahlung selbst bösartige Tumore verursachen kann, sind Radiologen vorsichtig bezüglich einer wiederholten Aussetzung des Patienten mit Röntgenstrahlen, insbesondere bei schwangeren Frauen, Jugendlichen, älteren Menschen und/oder Kranken. Manchmal kann es unmöglich sein die Tests zu wiederholen, sobald ein Problem bestimmt ist, da die Patienten nicht länger verfügbar sein können.
Lungenkrebs kann sich selbst manifestieren als ein oder als mehrere bösartige Knötchen, die typischerweise fast sphärisch sind, und können sich als fast kreisförmige weißere Regionen auf dem Lungengewebe zeigen. Die Größe eines Knötchens kann kleiner, ähnlich zu oder größer sein als der Rippenkreuzungspunkt, und folglich ist eine Isolierung und Identifizierung von Knötchen nicht leicht.
Es ist natürlich zwingend alle auflösbaren Knötchen zu detektieren. Um unnötige Besorgnis zu vermeiden und Kosten von unnötigen Biopsien zu reduzieren, ist es wünschenswert falsche positive Ergebnisse zu minimieren.
Der erfahren Röntgentechniker kann manuelle Knötchen oder Läsionen herausnehmen, aber um die Geschwindigkeit der Diagnoseprozedur zu erhöhen werden zunehmend CAD (computerunterstützte Diagnose) Techniken verwendet.
Ein Ansatz, der verwendet wird, ist die Segmentierung, bei der die Grenzen von Merkmalen, wie beispielsweise der Lungenlappen selbst und Rippen identifiziert werden. Dies ist nicht immer möglich und in der Tat nicht immer notwendig.
Was benötigt wird ist das Identifizieren von Kandidatenregionen, die von Interesse sind, und dann ein Entscheiden, ob sie Knötchen sind oder falsche positive Ergebnisse. Sobald ein Knötchen identifiziert ist, ist es notwendig zu bestimmen, ob es gutartig oder bösartig ist. Dies kann eine Biopsie erfordern, jedoch kann manchmal eine Bestimmung erfolgen, indem das Knötchen über eine Zeitperiode hinweg überwacht wird.
„Falsche negative Ergebnisse”, bei denen tatsächlich die Knötchen oder Tumore nicht als solche identifiziert werden oder als „Rauschen” oder als irgendein Artefakt des Systems verworfen werden, sind nicht akzeptierbar, da eine späte Diagnose zu Komplikationen führen kann und derartige Fehler fatal sein können. Das Auftreten von „falschen positiven Ergebnissen”, bei denen andere Merkmale, wie beispielsweise kreuzende Rippenschatten fälschlicherweise als zu einem Tumor gehörend identifiziert werden, sind weniger problematisch, aber immer noch kostspielig und können unnötige Ängste bei den Patienten hervorrufen, so dass sie ebenfalls minimiert werden sollten. Trotz der Wichtigkeit ist in der Praxis die Eliminierung falscher positiver Ergebnisse bei einer Vermeidung falscher negativer Ergebnisse schwierig, da Tumore ähnliche Dimensionen haben können, wie die Breite von Rippen oder wie der Durchmesser von Blutgefäßen innerhalb der Lunge, und Röntgenbilder haben typischerweise schlechten Kontrast. Wenn die Lungenregion der Röntgenbilder abgetastet wird, um nach Regionen mit variierendem Kontrast oder Rändern zu suchen, ergibt sich eine große Anzahl von Kandidatenregionen, die Rippenkreuzungen und dergleichen sind.
WO 2000/28466 A1 betrifft ein Computerverfahren und ein System zur Unterstützung von Radiologen bei der Erkennung von Abnormalitäten.
ACHARYA, M. et al: A novel method of partitioning regions in lungs and their usage in feature extraction for reducing false positives. In: Medical Imaging 2008, 19.–21.02.2008, Proc. SPIE 6915, 2008, 69150Z-1 bis 69150Z-7 betrifft ein Verfahren zum Partitionieren von Regionen in Lungen und deren Verwendung bei der Merkmalsextraktion, um falsche positive Ergebnisse zu reduzieren.
Es besteht Bedarf für ein Identifizieren und Eliminieren von Rippenschatten aus Bruströntgenbildern und Mammographiebildern. Speziell ist die Rippensegmentierung ein Ansatz, der in der Vergangenheit versucht wurde, und der gewissen Erfolg brachte, jedoch gibt es oft eine Ungenauigkeit beim Definieren der Rippen, und sei verstanden, dass die Segmentierung von Rippen als Vorläufer zu deren Unterdrückung ein rechenintensiver Vorgang ist, der große Rechenleistung verbraucht zum Definieren und zum Beseitigen von Merkmalen, die verworfen werden sollen, so dass dies ein nicht effizienter Ansatz ist. Zusätzlich hat die Rippenunterdrückung basierend auf einer Segmentierung, die den variierenden Kontrast (Grauwerte) in der Umgebung der Rippen verwendet, oft eine Verzerrung des Lungengewebes zur Folge, was Artefakte mit sich bringen kann, also Rauschen aufgrund der Verarbeitung. Derartige Verzerrungen können auch Elemente, die von Interesse sind, verdecken. Folglich sind andere Verfahren zur Rippenunterdrückung erforderlich und Ausführungsbeispiele der vorliegenden Erfindung sind auf dieses Bedürfnis gerichtet.
Zusammenfassung der Erfindung
In einem ersten Aspekt sind Ausführungsbeispiele der vorliegenden Erfindung gerichtet auf das Bereitstellen eines Verfahrens zum Entfernen von undeutlich machenden Merkmalen mit einer relativen standardmäßigen Größe und Form, aus einem Bild, das die undeutlich machenden Merkmale, Merkmale, die von Interesse sind, und einen Hintergrund enthält, enthaltend:

(b) Auswählen von kartesischen Achsen;
(c) Anwenden einer geometrischen Transformation, um transformierte Bilder mit den undeutlich machenden Merkmalen, die im Wesentlichen zu einer der Achsen des Bilds ausgerichtet sind, zu erzeugen,
(d) Anwenden eines Dämpfungsalgorithmus auf das transformierte Bild, um Merkmale zu unterdrücken, die eine Dimension in Richtung einer der Achsen eines Bereichs aufweisen, entsprechend zu der Dimension der störenden Merkmale in gleicher Richtung, und
(e) Anwenden einer umgekehrten geometrischen Transformation, um ein modifiziertes Bild mit gedämpften (schwächeren) störenden Merkmalen zu erzeugen.

Typischerweise enthält das Verfahren einen vorläufigen Schritt (a) des Segmentierens einer Region, die von Interesse ist.
In einem bevorzugten Ausführungsbeispiel ist das Bild ein medizinisches Bild eines Thoraxhohlraums, und die undeutlich machenden Merkmale sind Rippendarstellungen und die Merkmale von Interesse und der Hintergrund sind Lungengewebe und bösartige Tumore, wobei Schritt (c) die Schritte des Anwendens einer geometrischen Transformation aufweist, um die Rippendarstellungen zu einer horizontalen Achse des medizinischen Bilds auszurichten; der Schritt (d) ein Anwenden eines Dämpfungsalgorithmus aufweist, um die Rippendarstellungen zu unterdrücken, und der Schritt (e) ein Anwenden einer umgekehrten geometrischen Transformation aufweist, wodurch ein modifiziertes Bild erzeugt wird, bei dem die Rippendarstellungen unterdrück sind.
In typischen Anwendungen ist das Bild ein Röntgenradiogramm.
Typischerweise enthält das Verfahren einen vorläufigen Schritt (a) des Segmentierens einer Kontur der Lunge.
Optional enthält der Schritt (c) des Anwenden der geometrischen Transformation einen Schritt (c1) des Anwendens einer Grobtransformation.
Optional enthält der Schritt (c) ferner einen nachfolgenden Schritt (c2) des Anwendens einer Feintransformation.
In spezifischen Ausführungsbeispielen enthält der Schritt (c1) die folgenden Nebenschritte:

c(i) Auswählen eines Abschnitts einer ersten Spalte eines Basisbilds I₀ zwischen zwei Konturpunkten;
c(ii) Einpassen einer Polynomnäherung auf einen Abstand versus einem Grauwert entlang der Spalte;
c(iii) Erzeugen eines Differenzprofils durch Ausdrucken der Differenz zwischen dem Wert des Grauskalaprofils und dem Wert der Polynomnäherung, auf das Grauskalaprofil für jedes Pixel entlang des Abschnitts der Spalte;
c(iv) Glätten des Differenzprofils unter Verwendung einer Glättungsfunktion,
c(v) Wiederholen der Schritte c(i) bis c(iv), um ein geglättetes Differenzprofil für eine zweite Spalte des Basisbilds I₀ zu erzeugen;
c(vi) Korrelieren der geglätteten Differenzprofile der ersten und zweiten Spalte durch Anwenden einer Affintransformation auf das geglättete Differenzprofil der zweiten Spalte;
c(vii) Wiederholen der Schritte c(i) bis c(iv), um ein geglättetes Differenzprofil für die nächste Spalte des Basisbilds I₀ zu erzeugen;
c(viii) Korrelieren der geglätteten Differenzprofile der nächsten und der vorherigen Spalte durch Anwenden einer Affintransformation auf das geglättete Differenzprofil der nächsten Spalte, um die Korrelationsdifferenz zwischen dem vorher transformierten geglätteten Differenzprofil und dem nächsten transformierten geglätteten Differenzprofil zu minimieren, und
c(ix) Wiederholen bis eine Extremität der Lunge erreicht ist.

Typischerweise ist der Abschnitt der Spalte in dem Nebenschritt c(i) die Distanz zwischen Konturpunkten minus einer Sicherheitstoleranz.
Brauchbarerweise ist die Sicherheitstoleranz vertikal um 5% von jedem Konturpunkt versetzt.
Optional enthält das Verfahren eine Begrenzung, die ausgewählt ist aus der folgenden Liste:

(I) die Polynomnäherung des c(iii) ist ein Polynom 5. Ordnung;
(II) die Glättungsfunktion des Schritts c(iv) ist eine sigmoide Transformation;
(III) die Affintransformation des Schritts c(vi) enthält das Anwenden einer linearen Transformation vom Typ x' → ax + b, wobei a einen Streckengrad und b einen Offset definieren, wodurch die Korrelatinsdifferenz zwischen dem ersten geglätteten Differenzprofil und dem transformierten zweiten geglätteten Differenzprofil minimiert wird;
(IV) die erste Spalte ist eine Median x Koordinate einer Lunge und eine Korrelation wird durchgeführt separat in Richtung linker und rechter Seite der Lunge;
(V) Speichern von kumulativen affintransformierten Koeffizienten für jede Spalte zur Verwendung bei der umgekehrten geometrischen Transformation zum Umwandeln des geglätteten transformierten Bilds I₅ in ein gewünschtes Endbild I_f, und
(VI) Erreichen eines Endpunkts (Extremität) einer Lunge ist definiert als Punkt, bei dem die Spaltenlänge 100 Pixel nicht überschreitet.

Typischerweise enthält der Schritt (d) des Unterdrückens von Rippendarstellungen die folgenden Unterschritte:

d(i) Identifizieren von kurzen horizontalen Elementen, die horizontale Dimensionen aufweisen, die zu kurz sind, um Rippen zu entsprechen, und
d(ii) nicht Berücksichtigen der kurzen horizontalen Elemente, um verdächtige Rippendarstellungen zu identifizieren durch Eliminierung.

Optional weist das Verfahren ferner den Schritt d(iii) des Identifizieren von verdächtigen rippen als Rippen durch Untersuchung vertikaler Dimensionen in transformierten Bildern auf.
Optional enthält das Verfahren ferner die Unterschritte des Entfernens verdächtiger Rippen aus dem zweiten transformierten Bild I₂ durch Darstellen der Grauskala jeder Spalte zum Bilden eines unregelmäßig konvex geformten Profils, und Umhüllen des unregelmäßig konvex geformten Profils unter Verwendung einer Konvexitätstransformation.
Optional enthält der Schritt d(i) des Identifizierens von kurzen horizontalen Elementen: Ausdrucken einer Grauskala versus einer Versetzung für jede Reihe, um ein unregelmäßig konvex geformtes Profil zu erzeugen;
Anwenden einer Konvexitätseinpassung um das unregelmäßig konvex geformte Profil mit einer Hülle zu umhüllen, und Erzeugen eines zweiten transformierten Bilds I₂ durch Ersetzen der Grauskalaprofile jeder Reihe von I₁ mit der zugehörigen genäherten Hüllen-Einhüllenden.
Optional weist der Schritt des Anwendens der Konvexitätseinpassung die folgenden Schritte auf:

(A) die Koordinaten jedes Punktprofils seien (x, g), wobei x der Horizontalpixelzahl und g dem Grauskalawert davon entsprechen;
(B) Nehmen eines ersten Punkts der Hülle am Punkt (x₁, g₁);
(C) Auswählen eines zweiten Punkts (x₂, g₂) innerhalb des nächsten Bereichs von Pixeln, wo [(g_ig – g₁)/(x_i – x₁)] am kleinsten ist, und
(D) Wiederholen der Schritte A und B für alle nachfolgenden Punkte.

Typischerweise ist der Bereich gleich 200 Pixel.
Gemäß einem zweiten Aspekt sind Ausführungsbeispiele der Erfindung auf ein Computerprogramm gerichtet zur computerunterstützten Diagnose von Lungenerkrankungen durch Analyse eines medizinischen Bilds ein Thoraxhohlraums, das Rippendarstellungen aufweist, die Lungengewebe und bösartige Tumore verdecken, durch Anwenden einer geometrischen Transformation zum Ausrichten der Rippendarstellungen, die in dem medizinischen Bild gezeigt sind, zu einer horizontalen Achse; Anwenden eines Dämpfungsalgorithmus zum Unterdrücken der Rippendarstellung, und Anwenden einer geometrischen Rücktransformation, wodurch ein modifiziertes Bild erzeugt wird, bei dem die Rippendarstellungen unterdrückt sind.
Gemäß einem dritten Aspekt sind Ausführungsbeispiele der Erfindung gerichtet auf einen Computer mit einem Prozessor, einem Dateneingabemittel, mindestens einem Datenspeicher, einem Zufallszugriffspeicher (RAM), einer Benutzerschnittstelle, die benutzerauswählbare Tasten aufweist, und einer visuelle Anzeigeneinheit, wobei der Computer konfiguriert ist zum Empfangen eines medizinischen Bilds mit kartesischen Achsen eines Körperabschnitts mit Knochen und/oder Knorpeldarstellungen, die Organe und/oder Weichgewebe verdecken, wobei das Bildverarbeiten die folgenden Schritte aufweist; (b) Anwenden einer geometrischen Transformation, um die Knochendarstellungen zu einer Achse des medizinischen Bilds auszurichten; (c) Anwenden eines Dämpfungsalgorithmus, um die Knochendarstellungen und/oder Knorpeldarstellungen zu unterdrücken, und Schritt (d) Anwenden einer umgekehrten geometrischen Transformation, wodurch ein modifiziertes Bild des Körperabschnitts erzeugt wird, bei dem die Knochendarstellungen und/oder Knorpeldarstellungen unterdrückt sind.
Typischerweise wird das medizinische Bild aus der Liste ausgewählt, die aufweist: Röntgenbilder von Gliedmaßen, Röntgenbilder von Organen, Anterior-Posterior Röntgenbilder, Posterior-Anterior Röntgenbilder, linkslaterale Röntgenbilder, rechtslaterale Röntgenbilder, Dekubitusansichts-Röntgenbilder, Lordotseansichts-Röntgenbilder, expiratorische Röntgenbilder, Schrägansichts-Röntgenbilder, NMR Bilder und Ultraschallbilder.
Definitionen
Schatten – der hier verwendete Begriff Schatten betrifft eine hellere Region, wie sie in einem regulär betrachteten Radiogramm erscheint, verursacht durch erhöhte Röntgenabsorption.
Der Einfachheit halber betrifft der Begriff Lungen, wie er hier verwendet wird, das Paar von linker Lunge und rechter Lunge zusammengenommen, wohingegen der Begriff Lunge entweder die rechte Lunge oder die linke Lunge betrifft.
Der Begriff Läsion und Knötchen werden austauschbar verwendet, um verdächtige Eindickungen innerhalb der Lunge zu betreffen, die gutartig oder bösartig sein können.
Der Begriff Kandidat oder verdächtig, wie er hier verwendet wird, betrifft eine verdächtige Läsion oder ein Knötchen.
Die Begriffe Unterdrückung und Dämpfung und Variationen davon werden austauschbar verwendet, sofern nicht vom Kontext klar ist, dass dies nicht der Fall ist.
Kurzbeschreibung der Figuren
Für ein besseres Verständnis der Erfindung und zum Zeigen, wie diese umgesetzt wird, wird jetzt beispielhaft auf die beigefügten Figuren Bezug genommen, wobei betont wird, dass die gezeigten Einzelheiten lediglich Beispiele sind, und den Zwecken haben die Diskussion der bevorzugten Ausführungsbeispiele der vorliegenden Erfindung zu verdeutlichen, um die Prinzipien und konzeptionellen Aspekte der Erfindung zu verstehen.
1 zeigt ein Flussdiagramm, das die Schritte eines detaillierten Verfahrens zum Unterdrücken von Rippenschatten in einem Bruströntgenradiogramm verdeutlicht, gemäß einem bevorzugten Ausführungsbeispiel der Erfindung;
2 zeigt ein typisches Anterior-Posterior Bruströntgenradiogramm einer Frau;
3 zeigt das Röntgenradiogramm gemäß 2 mit segmentierten Lungen;
4 zeigt das Röntgenradiogramm von 3, transformiert zum Zeigen der horizontalen Rippenschatten;
5 zeigt das Bild von 4 mit entfernten Rippenschatten;
6 zeigt das Röntgenradiogramm von 1 mit entfernten Rippenschatten, also beide Lungen nach der Rücktransformation;
7 zeigt eine Versetzung versus einem Intensitätsprofil für die Lunge, das externe Konturen der Lunge (vertikal gestrichelte Linie), effektive Konturen mit 5% Sicherheitstoleranzen (vertikal durchgezogene Linie) und ein Polynom 5. Ordnung, das zu den Daten passt, zeigt;
8 zeigt den Effekt des Anwendens von Sigmoid auf die eingepassten Daten, wodurch Extremwerte geglättet werden;
9 ist ein horizontales Profil entlang einer Reihe von Pixeln über einer Lunge, die eine Hüllenform zeigt, die darauf angepasst ist;
10 ist ein vertikales Profil entlang einer Reihe von Pixeln über eine Lunge, die eine Hüllenform, die darauf angepasst ist, zeigt;
11(i) ist ein groß aufgenommenes Radiogramm einer Läsion, die teilweise von Rippen verdeckt ist, und
11(ii) zeigt das Radiogramm von 11(i) mit Rippen, die unterdrückt sind, wodurch die Läsion leichter zu erkennen ist.
Beschreibung der Ausführungsbeispiele
Brustbilder werden am Häufigsten verwendet zur Diagnose und zur Überwachung von Symptomen einer Krankheit und von Krankheiten, die sich selbst zu erkennen geben durch Verdichtung von Weichgewebe. Die Verdichtung führt zu einem weißeren Bereich, was irreführend als ein Schatten bezeichnet wird, der in dem Röntgenbild bei herkömmlicher Betrachtung erscheint. Die helleren Schatten von Rippen in Posterior-Anterior Röntgenradiogrammbildern der Brust machen die Merkmale des Weichgewebes undeutlich, insbesondere von Knötchen in Lungengewebe, wodurch eine Identifikation schwierig wird. Um folglich das Weichgewebe zu untersuchen, egal ob manuell oder durch ein computerunterstütztes Diagnosesystem (CAD), ist es vorteilhaft die Rippenschatten, die in Röntgenbildern auftreten, zu unterdrücken oder zu dampfen.
Spezielle Ausführungsbeispiele der vorliegenden Erfindung sind gerichtet auf ein Identifizieren von Rippen, die in Röntgenradiogrammen auftreten, um ihre Unterdrückung zu ermöglichen, wodurch Knötchen und andere Unregelmäßigkeiten, die von Interesse sind, detektiert werden können. In den bevorzugten Ausführungsbeispielen sind die Rippen nicht segmentiert, und folglich wird eine rechenintensive und somit kostspielige Untersuchung verhindert, wodurch die Diagnose effektiver gestaltet wird. Anwendungen enthalten das Trainieren von Klassifizieren, verbesserte CAD Systeme und schnellere und genauere Diagnosen.
Im Wesentlichen wendet das Verfahren gemäß der Erfindung eine geometrische Transformation an, um das Röntgenbild gleichzurichten, so dass die Rippenschatten, die diagonal gekrümmte Bänder sind, horizontal und vertikal ausgerichtet sind, parallel und senkrecht zu dem x, y Pixelgitter des digitalen Röntgenbilds. Durch Anwenden von horizontalen und vertikalen morphologischen Operationen, können die Rippenschatten dann gedämpft oder unterdrückt werden. Sobald sie gedämpft sind, wird eine umgekehrte geometrische Transformation verwendet, um das Bild des Thoraxhohlraums in seiner ursprünglichen Form mit unterdrückten Rippenschatten wiederherzustellen. In dieser Weise werden Merkmale, die durch die Rippen verdeckt werden, einfacher identifiziert. Die tatsächlichen Dämpfungsverfahren sind weniger wichtig, verwenden aber typischerweise die Kontinuitätseigenschaften der Rippenschatten.
Es ist ein Merkmal der bevorzugten Ausführungsbeispiele, dass Hauptoperationen für Grauwerte durchgeführt werden, ohne präzise binäre Segmentierung der Rippenschatten. Dies erlaubt eine schnelle Verarbeitung und verbessert den Durchsatz. Typischerweise, da die geometrischen Transformationen, die für die linke Lunge erforderlich sind, und die für die rechte Lunge erforderlich sind, eine Rotation in entgegengesetzte Richtungen benötigen, wird jede Lunge separat mit im Wesentlichen dem gleichen Verfahren verarbeitet.
Bezugnehmend auf 1 enthält ein detaillierter Algorithmus der Methodologie, der gemäß einem Ausführungsbeispiel der vorliegenden Erfindung verwendet wird, die folgenden Schritte: Bereitstellen 110 eines Röntgenradiogramms des Thoraxhohlraums. Für Diskussionszwecke betreffen die Figuren und die zugehörige Beschreibung ein digitales Posterior-Anterior-Radiogramm, in welchem beide Lungen separat gezeigt sind. Es sei erwähnt, dass mit einer entsprechenden Modifikation der folgende Algorithmus angewendet werden kann auf Anterior-Posterior-Ansichten, standardmäßige Linkslateralansichten, oder die weniger übliche Rechtslateralansicht, oder andere Winkel, wie beispielsweise die Dekubitus-, Lordodse-, expiratorische Ansichten und Schrägansichten.
Dieses Basisbild I₀ ist ein digitales Graustufenbild des Thoraxhohlraums und typischerweise ein Dicom-CXR-Bild, kann jedoch irgendein anderes verdrehtes Röntgenbild des Thoraxhohlraums sein, und kann selbst ein digitales Bild sein, das auf einer herkömmlichen kontinuierlichen Röntgenplatte basiert, das erzeugt wird unter Verwendung von haliden Emulsionen, die dann abgetastet und digitalisiert werden oder über eine CCD betrachtet werden. Ein typisches digitales Dicom-CXR Posterior-Anterior-Röntgenradiogramm des Thoraxhohlraums einer Frau ist in 2 gezeigt. Obwohl verschiedene Krebsläsionen angegeben sind, demonstriert das Bild das Problem einer Rippenüberlappungs-Detektion, was die Detektion und Charakterisierung von verdächtigen Läsionen innerhalb des Bilds schwierig macht.
Die Lungenabgrenzung wird dann bestimmt 120, typischerweise unter Verwendung eines Konturextraktionsverfahrens. 3 zeigt eine Reproduktion eines typischen digitalen Posterior-Anterior Röntgenradiogramms des Thoraxhohlraums einer Frau, wie in 2 gezeigt, mit segmentierten Lungen. Eine Rektifizierungsprozedur wird jetzt angewendet, um diagonale Linien, die in dem Bild gezeigt sind, zu horizontalen Reihen von Pixeln in dem Bild auszurichten. Optional und dies kann vorzugsweise in einem Zweistufenprozess erreicht werden, indem eine grobe Rektifizierungsprozedur 130 angewendet wird, wodurch ein transformiertes Bild erzeugt wird, gefolgt durch Anwenden einer feinen (genauen) Rektifizierungsprozedur 140, falls dies erforderlich ist. Das modifizierte Bild, das von der Rektifizierung (erstes transformiertes Bild I₁) herresultiert, ist horizontal ausgerichtet. Es enthält den Hintergrund, Rippen und Knötchen. Das transformierte Bild der linken Lunge von 3 ist in 4 gezeigt.
Da Rippenschatten lange und kontinuierliche Strukturen sind, ist es relativ einfach, kurze horizontale Objekte zu identifizieren und zu entfernen oder zu ignorieren, einschließlich Läsionen, und der nächste Schritt ist das Entfernen 150 dieser Objekte, wodurch ein zweites transformiertes Bild I₂ erzeugt wird, das rektifiziert ist, enthaltend Rippen und Hintergrund, aber keine Knötchen.
Als nächstes werden vertikal kurze Objekte (die als Rippen angenommen werden), die kleiner als eine Schwellenwertgröße sind, aus diesem Bild entfernt 160. Dies erzeugt ein drittes transformiertes Bild I₃, das rektifiziert ist und nur den Hintergrund enthält. Durch Vergleichen des Bilds ohne Rippen I₂, das von Schritt 150 herresultiert, mit dem Bild I₃ von Schritt 160, und Vergleichen von Grauwerten, wird ein Bild, das nur Rippen enthält (I₂ – I₃) erzeugt 170. Jetzt, durch Entfernen 180 des Bilds (I₂ – I₃ = I₄) der Rippen, nur von dem Bild I₁, das von der groben 130 und feinen Rektifizierung 140 herresultiert, wird ein rektifiziertes Bild (I₁ – I₄ = I₅), das Hintergrund, kleine Objekte, etc. zeigt, aber keine Rippen, erzeugt (5). Dann durch Anwenden 190 einer umgekehrten geometrischen Transformation, die eine inverse Funktion der Rektifizierungssfunktion ist, die für die Rektifizierung 130 verwendet wird, wird ein modifiziertes digitales Bild I_f, das äquivalent zu dem Startbild ist, also ein nicht rektifiziertes Bild I_f des ursprünglichen digitalen Posterior-Anterior Röntgenradiogramm I₀, enthaltend Hintergrund und Knötchen, erzeugt, bei dem die Rippen unterdrückt sind (siehe 6).
Segmentierung der Lungen
Mögliche Verfahren zum Segmentieren der Lunge enthalten ein Schauen nach Lungenkonturpixeln, indem ein Zeilen-pro-Zeilen (Reihe-pro-Reihe) Ansatz verwendet wird. In einem derartigen Verfahren wird zuerst ein Konturpixel gesucht, indem eine horizontale Zeile über dem mittleren Bereich des Bilds abgetastet wird, beginnend von dem Hintergrundbereich in Richtung Lunge. Von diesem ersten Konturpixel ausgehend wird iterativ ein ähnlicher Prozess durchgeführt, um die Lungenkontur für benachbarte Bildzeilen zu konstruieren. Dies erfolgt unabhängig für den oberen und unteren Teil der Lunge. In Richtung obere und untere Grenze der Lunge, um die Ballonform der Lunge zu berücksichtigen, kann die Abtastrichtung von horizontalen Zeilen (also Reihen) zu vertikalen (also Spalten) geändert werden. Während des Abtasten einer Reihe oder Spalte wird ein Konturpixel identifiziert, indem notiert wird, wo ein ausreichender Gradient von Grauwerten kontinuierlich entlang einer minimalen Distanz beobachtet wird. Ein anderes Verfahren zum Segmentieren von Gewebe in einem digitalen Bild enthält die folgenden Schritte: Bereitstellen eines digitalen Bilds; Glätten des Bilds und Reduzieren von dessen Auflösung; Bestimmen eines Konturpunkts auf dem Bild; Bilden eines oberen Konturbereichs und unteren Konturbereichs getrennt beginnend bei dem Konturpunkt und Skalieren und Glätten von Punkten auf den Konturbereichen für die Auflösung des Originalbilds.
Ein anderes Verfahren baut auf einer globalen Randdetektionsprozedur auf, die auf einer lokalen und globalen Oberflächenanalyse basiert. Ein noch anderes Verfahren verwendet eine statistische Analyse von Grauwerten in einem sich bewegenden Fenster von Pixeln, wodurch eine Auswahl von Punkten auf einer vorläufigen Grenze der Lungen ermöglicht wird. Andere Verfahren enthalten aktive Konturen oder Schlangen, Wellenausbreitungsverfahren, das Deriche-Gradientverfahren und Canno-Verfahren. Es sei erwähnt, dass irgendeines oder alle diese Verfahren oder andere bekannte Verfahren kombiniert werden können. Darüber hinaus kann der erfahrene Praktiker die Lunge mit dem Auge segmentieren, indem manuell eine Kontur von Hand dort herum gezeichnet wird.
Rektifizierung
Der Schritt der Rektifizierung des Bilds kann durch das folgende Verfahren erreicht werden:

(I) Ein Abschnitt einer ersten Spalte des Basisbilds I₀ wird ausgewählt zwischen zwei Konturpunkten. Wie in 7 gezeigt geben die vertikal gestrichelten Linien den Offset der Konturpunkte an. Es sei erwähnt, dass es immer eine gewisse Unsicherheit bezüglich des Rands der Lunge gibt, und geeignete Extremwerte des Abschnitts werden eingestellt auf eine Sicherheitstoleranz von extrahiertem Rand oder Kontur, beispielsweise 5% von jeder Seite. Diese Positionen sind angegeben mit durchgezogenen vertikalen Linien in 7. Diese Trunkierung hat vorteilhafte Auswirkungen auf die Ergebnisse.
(II) Eine Polynomnäherung wird auf die Grauwerte zwischen diesen Toleranzen eingepasst. Obwohl selbst das Einpassen einer quadratischen Gleichung angemessene Ergebnisse liefert, ist empirisch bestimmt worden, dass die Polynomnäherung fünfter Ordnung (also vom Typ y = ax⁵ + bx⁴ + cx³ + dx² + ex + f) optimale Ergebnisse zu liefern scheint, wobei bei Verwendung höherer Polynome nur noch wenig Gewinn erzielt wird. Das Polynom wird anstelle des Mittelwerts von x in der Korrelationsgleichung verwendet, um eine Vorbelastung zu vermeiden, die eingeführt wird durch den Hintergrund, und wird auf das Grauskalaprofil des Abschnitts der ersten Spalte des Basisbilds I₀ eingepasst. Andere Funktionen können verwendet werden, um die Ergebnisse zu modellieren. In 7 wird ein Polynom fünfter Ordnung auf die Daten angepasst.
(III) Ein Differenzprofil wird erzeugt, indem die Differenz zwischen dem Wert des Grauskalaprofils und dem Wert der Polynomnäherung auf das Grauskalaprofil für jedes Pixel entlang des Abschnitts der Spalte ausgedruckt wird.
(IV) Das Differenzprofil kann geglättet werden, indem irgendeine Glättungsfunktion verwendet wird, beispielsweise eine sigmoide Transformation, die eine bekannte Technik ist, um Extremwerte zu unterdrücken, die für Artefakte typisch sind. Eine derartige Transformation ist
Andere sigmoide Transformationen können verwendet werden. Wie in 8 gezeigt ist das Polynom mit einer sigmoiden Glättungsfunktion gezeigt. Das Sigmoid trunkiert Extremwerte, wodurch Rauschen herausgeglättet wird.
(V) Die Schritte 1a bis 1d werden wiederholt, um ein geglättetes Differenzprofil für die zweite Spalte des Basisbilds I₀ zu erzeugen. In einem spezifischen Ausführungsbeispiel war die zweite Spalte 10 Pixel weit weg von der ersten Spalte. Es sei erwähnt, dass andere Schrittintervalle verwendet werden können mit einer allgemeinen Austauschbeziehung zwischen Genauigkeit und Verarbeitungszeit.
(VI) Die geglätteten Differenzprofile der ersten und zweiten Spalte werden korreliert, indem eine affine Transformation auf das geglättete Differenzprofil der zweiten Spalte angewendet wird, also eine lineare Transformation vom Typ x' → ax + b, wobei a den Streckungsgrad und b den Offset definieren, wodurch die Korrelationsdifferenz zwischen dem ersten geglätteten Differenzprofil und dem transformierten zweiten geglätteten Differenzprofil minimiert wird.

Schritte (I) bis (IV) werden wiederholt, um ein geglättetes Differenzprofil für eine nächste Spalte des Basisbilds I₀ zu erzeugen; erneut kann die nächste Spalte 10 Pixel weit weg von der vorherigen Spalte sein.

(V) Erneut werden die geglätteten Differenzprofile der nächsten und der vorherigen Spalte korreliert, indem eine affine Transformation auf das geglättete Differenzprofil der nächsten Spalte angewendet wird, so dass die Korrelationsdifferenz zwischen dem vorherigen transformierten geglätteten Differenzprofil und dem nächsten transformierten geglätteten Differenzprofil minimiert wird.
(VI) Die obigen Schritte werden wiederholt, bis es weniger als 100 Pixel in dem nächsten Abschnitt der Spalte, die zu korrelieren ist, gibt, was angibt, dass der Endpunkt der Lunge erreicht ist.

Vorzugsweise ist die erste Spalte, die während der Rektifizierung zu verarbeiten ist, die Median-x-Koordinate (also die Mitte) der Lunge, und die Korrelation wird durchgeführt separat in Richtung linker und rechter Seite der Lunge. Es sei erwähnt, dass die linke und die rechte Lunge separat behandelt werden, und dass die linke und die rechte Seite die Seiten der linken Lunge und der rechten Lunge betreffen.
In einem spezifischen Ausführungsbeispiel werden die optimalen affinen Transformationskoeffizienten für eine gegebene Spalte bestimmt, indem zuerst die Korrelationsdifferenz für jeden Streckungskoeffizient a von 0,8 bis 1,2 in den Schritten von 0,02 berechnet wird, sowie Offsetwerte b von –40 bis +40 in Schritten von 4 Pixeln. Wenn ein Minimum gefunden ist, wird der Streckungskoeffizient a fein eingestellt in Schritten von 0,01 von –0,04 bis +0,04, und die Offsetwerte b werden fein eingestellt in Schritten von 1 Pixel von –8 bis +8. Korrelationsdifferenzen werden berechnet für Werte a unter Verwendung von Schritten von 0,01 bis ein neues Minimum gefunden wird. In einigen Ausführungsbeispielen wird nur die Hälfte der Grauwerte verwendet, wodurch die Berechnung beschleunigt wird. Die optimalen affinen Transformationskneffizienten für Zwischenspalten, die nicht direkt korreliert sind, können interpoliert werden.
Das Beenden der Korrelation erzeugt ein rechteckiges rektifiziertes Bild I₁, in welchem die Rippen ungefähr horizontal wiedergegeben sind.
Vorzugsweise werden die kumulativen affinen Transformationskoeffizienten für jede Spalte gespeichert, um am Ende des Prozesses verwendet zu werden, um eine umgekehrte geometrische Transformation zum Umwandeln des rektifizierten Bilds I₅ in das gewünschte Endbild I_F durchzuführen.
Es wird gewürdigt, dass die Lungen selbst ballonförmige Strukturen haben mit geringer Röntgenabsorption. Je näher man zu dem Rand des Lungenschattens kommt, desto heller ist das Bild, und desto näher man zum Zentrum des Lungenschattens kommt, desto dunkler ist das Bild. Das Drucken der Grauskala versus einer horizontalen oder vertikalen Versetzung über den Lungenschatten hinweg erzeugt eine allgemeine konvexe hülsenähnliche Form, die im Wesentlichen der Hintergrundschatten ist, der durch die Lungen und die Brust erzeugt wird. Rippen, Läsionen und dergleichen resultieren in zusätzlichen Schatten, die auf diesen Hintergrund überlagert sind.
9 zeigt eine Grauskala versus einem Versetzungsprofil entlang einer Reihe von Pixeln über die Lunge und zeigt eine derartige Hüllenform. Ähnlich zeigt 10 eine Grauskala mit einer Versetzung entlang einer Spalte, die eine ähnliche Hüllenform zeigt, die gebildet wird durch Ausdrucken der Grauskala gegenüber der Versetzung in vertikaler Richtung. Die 9 und 10 betreffen das rektifizierte Bild, aber die gleiche allgemeine Form wird gebildet durch Ausdrucken der Grauskala gegenüber der Versetzung für Abschnitte über nicht rektifizierte Lungenschatten. Es ist jedoch ein Merkmal der Ausführungsbeispiele der Erfindung, dass die Profile nicht direkt korreliert sind, sondern stattdessen eine Transformation von diesen korreliert ist.
Feine Rektifizierung
Die feine Rektifizierung kann ein Anwenden verschiedener Glättungsfunktionen aufweisen. Es sei erwähnt, dass experimentell gute Ergebnisse erhalten worden sind unter Verwendung der groben Rektifizierungsstufe ohne nachfolgende Anwendung einer feinen Rektifizierungsstufe.
Das Verfahren zum Entfernen von kleinen Läsionen, wobei Rippen behalten werden, wird jetzt basierend auf einem horizontalen Abtasten beschrieben. Diesem folgt ein Verfahren zum Entfernen der Rippen basieren auf dem vertikalen Abtasten.
Entfernen von horizontalen Merkmalen
Man erinnere sich, dass das Ziel der Ausführungsbeispiele darin liegt Rippen zu unterdrücken, während andere Details behalten werden. Als ein vorläufiger Schritt werden horizontale Elemente, die kleiner als Rippen sind, identifiziert und von dem ersten transformierten Bild I₁ entfernt, um ersetzt zu werden, sobald die Rippen unterdrückt sind. Folglich können Läsionen und andere Merkmale, die sehr viel kleiner als Rippen sind, durch die folgenden Schritte entfernt werden:

2a. Für jede Reihe wird die Grauskala gegenüber der Versetzung ausgedruckt. Aus Gründen, die oben diskutiert wurden, nimmt der Ausdruck ein unregelmäßiges konvex geformtes Profil an.
2b. Eine Hülle, die das unregelmäßig konvex geformte Profil umhüllt wird angenähert unter Verwendung einer Konvexitätseinpassung.
2c. Eine Konvexitätseinpassung kann folgendermaßen durchgeführt werden: i. Die Koordinaten jedes Punktprofils seien (x, g), wobei x die x-Pixelzahl und g der Grauskalawert ist; ii. Der erste Punkt der Hülle wird gesetzt auf den Punkt (x₁, g₁); iii. Der zweite Punkt (x₂, g₂) wird ausgewählt als der Punkt innerhalb der nächsten 200 Pixel, wobei die Steigung von (x₁, g₁) zu (x₂, g₂) am größten ist. Dies kann mathematisch bestimmt werden, indem der Gradientenwert von (g_i – g₁)/(x_i – x₁) für alle Punkte (x_i, g_i) berechnet wird, wobei (x_i, x₁) < 200 ist, und indem der Punkt mit dem kleinsten Gradientenwert (g_i – g₁)/(x_i – x₁) ausgewählt wird. iv. Die Schritte ii und iii können wiederholt werden, um alle nachfolgenden Punkte zu bestimmen.
2d. Das zweite transformierte Bild I₂ wird erzeugt, indem die Grauskalaprofile jeder Reihe von I₁ mit der zugehörigen Näherungs-Hüllen-Umhüllung ersetzt werden.

Es sei erwähnt, dass das Verfahren im Wesentlichen das Einpassen von Tangenten um die Kurve herum derart aufweist, dass die Länge der Projektion jeder Tangente auf die horizontale Achse gleich 200 Pixel beträgt. Es sei ferner erwähnt, dass die Distanz 200 Pixel aus Bequemlichkeitsgründen gewählt wird, da dies die Größe von bestimmbaren Läsionen ist bei der Auflösung des spezifischen Systems, das verwendet wird. Für andere Systeme liegt die optimale Distanz zwischen Punkten bei unterschiedlichen Längen.
Entfernen von vertikalen Merkmalen
Die Rippen können aus dem zweiten transformierten Bild I₂ entfernt werden, indem ein ähnliches Verfahren, wie das oben beschriebene, angewendet wird, jedoch indem dieses Mal in der vertikalen Orientierung die folgenden Schritte verwendet werden:

3a. Die Grauskala jeder Spalte wird ausgedruckt, um ein unregelmäßig konvex geformtes Profil zu bilden.
3b. Eine Hülle, die das unregelmäßig konvex geformte Profil umhüllt wird angenähert unter Verwendung einer Konvexitätstransformation.
3c. Eine bevorzugte Konvexitätstransformation kann wie folgt durchgeführt werden: i. Die Koordinaten jedes Punktprofils seien (y, g), wobei y die x-Pixelzahl ist und g der Grauskalawert ist. ii. Der erste Punkt der Hülle wird am Punkt (y₁, g₁) genommen. iii. Der zweite Punkt (y₂, g₂) wird ausgewählt als der Punkt innerhalb der nächsten 200 Pixel, wo die Steigung von (y₁, g₁) zu (y₂, g₂) am größten ist. Dies kann mathematisch bestimmt werden, indem der Gradientwert von (g_i – g₁)/(y_i – y₁) für alle Punkte (y_i, g_i) bestimmt wird, wobei (x_i – x₁) < 200 ist und indem der Punkt mit dem kleinsten Gradientwert (g_i – g₁)/(y_i – y₁) ausgewählt wird. iv. Die Schritte ii und iii können wiederholt werden, um nachfolgenden Punkte zu bestimmen.
3d. Das zweite transformierte Bild I₂ wird erzeugt, indem die Grauskalaprofile jeder Reihe von I₁ mit der zugehörigen Näherungs-Hüllen-Umhüllung ersetzt wird.

Das (grob) transformierte Bild der Lunge mit horizontalen Rippen ist in 9 gezeigt.
Experimentelle Validierung
Digitale Röntgenradiogramme von 28 Patienten (26 davon bösartig und 2 normal) wurden untersucht mittels CAD (Computer Aided Diagnostic) Software unter Verwendung von Läsionsdetektionsalgorithmen, mit und ohne Verwendung des obigen Algorithmus, um Rippenschatten zu unterdrücken. In beiden Fällen wurden wahre Bösartigkeiten detektiert. Der Unterdrückungsalgorithmus reduzierte jedoch die Vorklassifikationsanzahl an Kandidatenläsionen, die detektiert wurden, um 20% und die Anzahl der nach Klassifikation falschen positiven um 30%. Folglich wurde die Wirksamkeit der Rippenunterdrückung durch die oben beschriebene Technik demonstriert. Darüber hinaus sei erwähnt, dass die CAD Software, die für diese Validierung verwendet wurde, für Standardbilder trainiert wurde ohne Rippenunterdrückung und ohne erneutes Anwenden eines neuen Trainierens. Es wird erwartet, dass das Neutrainieren der Software für rippenunterdrückte Bilder weitere Verbesserungen bringt.
11(i) ist eine Nahaufnahme eines Röntgenradiogramms einer Läsion, teilweise verdeckt durch Rippen, das von den oben beschriebenen Radiogrammen ausgewählt ist. 11(ii) zeigt das gleiche Bild nach Anwenden des obigen Verfahrens zur Unterdrückung der Rippen, wodurch die Läsion leichter bestimmt werden kann. Die verbesserte Anzeige der Läsion ist deutlich zu sehen, und es sei erwähnt, dass das obige Verfahren nicht nur für die computerunterstützte Diagnose von Wert ist, sondern das es auch für manuelle oder halbmanuelle diagnostische Prozeduren hilfreich ist, und es ist ein Werkzeug, das von einem medizinischen Personal verwendet werden kann.
Das obige Verfahren kann in Computersoftware integriert werden, um auf einem Allzweckcomputer zu laufen, beispielsweise einem IBM kompatiblen PC einem Mac, einer Sun Arbeitsstation oder einem Mainframe. Ein derartiger Allzweckcomputer benötigt wenig mehr als einem Prozessor, Speicher, Datenspeichereinrichtung, Eingabe- und Ausgabemittel, visuelle Anzeigeneinheit (Bildschirm) und Tastatur oder dergleichen. Alternativ können die Algorithmen gemäß der Erfindung auf einem bestimmten Terminal laufen, der beispielsweise mit einer Röntgenradiographieeinrichtung geliefert wird.
Es sei erwähnt, dass obwohl die obige Beschreibung die Rippenunterdrückung in Anterior-Posterior Röntgenanwendungen betrifft, der Grundansatz auf andere Brustbildgebungstechniken, bei denen Rippen die Merkmale, die von Interesse sind, verdecken, anwendbar ist, einschließlich auf Dorsal-Röntgenbildern des Thoraxhohlraums ist. Die Technik könnte in NMR verwendet werden und in der Ultraschallbildgebung von Lungen, und um die Wirkung anderer Objekte, die in Bildern gezeigt sind, die die Merkmale, die von Interesse sind, verdecken, zu vermeiden, insbesondere, jedoch nicht ausschließlich in medizinischen Bildern.
Nichtmedizinische Anwendungen enthalten die thermische Bildgebung von Gebäuden, um Menschen, die darin verborgen sind, zu finden, wo es notwendig ist die Wirkung von Fenstern, Pfeilern innerhalb der Wände, und dergleichen zu unterdrücken. In der Tat erfordert die Infrarotbildgebung oft die Unterdrückung von ungewolltem Hintergrund. Andere Anwendungen enthalten das nicht destruktive Testen von Verbundmaterialien. Folglich sind Ausführungsbeispiele der vorliegenden Erfindung auf einem breiten Bereich von Bildgebungsanwendungen anwendbar, bei denen Hintergrundelemente unterdrückt werden müssen, um Merkmale, die von Interesse sind, untersuchen zu können.
Der Bereich der vorliegenden Erfindung ist durch die beigefügten Ansprüche definiert und enthält beides, Kombinationen und Unterkombinationen von verschiedenen Merkmalen, die im Vorangegangenen beschrieben wurden, sowie Variationen und Modifikationen davon, die ein Fachmann auf diesem Gebiet aufgrund der vorangegangenen Beschreibung erkennen kann.
In den Patentansprüchen gibt das Wort „enthält” und Variationen davon wie beispielsweise „enthalten” „enthaltend” und dergleichen an, dass die Komponenten, die aufgelistet sind, nicht abschließend sind, sondern nicht generell andere Komponenten ausschließen.

Claims

Verfahren zum Entfernen von undeutlich machenden Merkmalen einer relativen standardmäßigen Größe und Form aus einem Bild, das die undeutlich machenden Merkmale, Merkmale von Interesse und einen Hintergrund enthält, enthaltend: b) Auswählen von einer Achse von kartesischen Achsen; c) Anwenden einer geometrischen Transformation zum Erzeugen eines transformierten Bilds, in dem die undeutlich machenden Merkmalen im Wesentlichen zu einer Achse des Bilds ausgerichtet sind; d) Anwenden eines Dämpfungsalgorithmus auf das transformierte Bild, zum Unterdrücken von Merkmalen, die eine Dimension in Richtung einer der Achsen haben, die einer Dimension der störenden Merkmale in gleicher Richtung entspricht, und e) Anwenden einer umgekehrten geometrischen Transformation zum Erzeugen eines modifizierten Bilds, in dem die störenden Merkmale gedämpft sind, wobei das Bild ein medizinisches Bild eines Thoraxhohlraums ist, und die undeutlich machenden Merkmale Rippendarstellungen sind und die Merkmale, die von Interesse sind und der Hintergrund Lungengewebe und bösartige Tumore sind, wobei der Schritt (c) die Schritte des Anwendens einer geometrischen Transformation aufweist zum Ausrichten der Rippendarstellungen zu einer horizontalen Achse des medizinischen Bilds; der Schritt (d) ein Anwenden eines Dämpfungsalgorithmus aufweist zum Unterdrücken der Rippendarstellungen, und der Schritt (e) das Anwenden einer umgekehrten geometrischen Transformation enthält, wodurch ein modifiziertes Bild erzeugt wird, bei dem die Rippendarstellungen unterdrückt sind, wobei der Schritt (c) des Anwendens einer geometrischen Transformation einen Schritt (c1) des Anwendens einer Grobtransformation enthält, und der Schritt (c1) die folgenden Unterschritte aufweist: c(i) Auswählen eines Abschnitts einer ersten Spalte eines Basisbilds I₀ zwischen zwei Konturpunkten; c(ii) Einpassen einer Polynomnäherung auf eine Distanz versus Grauwert entlang der Spalte; c(iii) Erzeugen eines Differenzprofils durch Auswerten der Differenz zwischen dem Wert des Grauskalaprofils und dem Wert der Polynomnäherung auf das Grauskalaprofil für jedes Pixel entlang des Abschnitts der Spalte; c(iv) Glätten des Differenzprofils unter Verwendung einer Glättungsfunktion c(v) Wiederholen der Schritte c(i) bis c(iv) zum Erzeugen eines geglätteten Differenzprofils für eine zweite Spalte des Basisbilds I₀; c(vi) Korrelieren der geglätteten Differenzprofile der ersten und zweiten Spalte durch Anwenden einer affinen Transformation auf das geglättete Differenzprofil der zweiten Spalte, c(vii) Wiederholen der Schritte c(i) bis c(iv) zum Erzeugen eines geglätteten Differenzprofils für eine nächste Spalte des Basisbils I₀; c(viii) Korrelieren der geglätteten Differenzprofile der nächsten und vorherigen Spalte durch Anwenden einer affinen Transformation auf das geglättete Differenzprofil der nächsten Spalte, um die Korrelationsdifferenz zwischen dem vorherigen transformierten geglätteten Differenzprofil und dem nächsten transformierten geglätteten Differenzprofil zu minimieren, und c(ix) Wiederholen bis ein Endpunkt der Lunge erreicht ist; und der Schritt (d) des Unterdrückens der Rippen die folgenden Unterschritte enthält: d(i) Identifizieren von kurzen horizontalen Elementen mit horizontalen Dimensionen, die für Rippen zu kurz sind, und d(ii) Verwerfen der kurzen horizontalen Elemente zum Identifizieren verdächtiger Rippen durch Eliminierung.
Verfahren nach Anspruch 1, enthaltend einen vorläufigen Schritt (a) des Segmentierens einer Region, die von Interesse ist.
Verfahren nach Anspruch 1 oder 2, wobei das Bild ein Röntgenradiogramm ist.
Verfahren nach einem der Ansprüche 1 bis 3, enthaltend einen vorläufigen Schritt (a) des Segmentierens einer Kontur der Lunge.
Verfahren nach Anspruch 1, wobei der Schritt (c) ferner einen nachfolgenden Schritt (c2) des Anwendens einer Feintransformation enthält.
Verfahren nach Anspruch 1, wobei der Abschnitt der Spalte in dem Unterschritt c(i) eine Distanz zwischen Konturpunkten minus einer Sicherheitstoleranz ist.
Verfahren nach Anspruch 6, bei dem die Sicherheitstoleranz um 5% von jedem Konturpunkt vertikal versetzt ist.
Verfahren nach Anspruch 1, enthaltend eine Begrenzung, die aus der Liste ausgewählt ist, die aufweist: (I) Polynomnäherung von Schritt c(iii) ist ein Polynom fünfter Ordnung; (II) die Glättungsfunktion von Schritt c(iv) ist eine eine sigmoide Transformation; (III) die affine Transformation von c(vi) enthält das Anwenden einer linearen Transformation vom Typ x' → ax + b, wobei a einen Streckungsgrad und b einen Offset definiert, wodurch die Korrelationsdifferenz zwischen dem ersten geglätteten Differenzprofil und dem transformierten zweiten geglätteten Differenzprofil minimiert wird; (IV) die erste Spalte ist eine Median-X-Koordinate einer Lunge und eine Korrelation wird durchgeführt separat in Richtung linker und rechter Seite der Lunge; (V) Speichern von kumulativen affinen Transformationskoeffizienten für jede Spalte zur Verwendung bei der umgekehrten geometrischen Transformation zum Umwandeln des gedämpften transformierten Bilds I₅ in ein gewünschtes Endbild I_f, und (VI) Erreichen eines Endpunkts einer Lunge ist definiert als Zielpunkt, bei dem die Spaltenlänge 100 Pixel nicht überschreitet.
Verfahren nach Anspruch 8, ferner mit dem Schritt d(iii) des Identifizierens von verdächtigen Rippen als Rippen durch Untersuchung vertikaler Dimensionen in dem transformierten Bild.
Verfahren nach Anspruch 8 oder 9, ferner mit den Unterschritten des Entfernens verdächtiger Rippen von dem zweiten transformierten Bild I₂ durch Drucken der Grauskala jeder Spalte, um ein unregelmäßig konvex geformtes Profil zu bilden, und Umhüllen des unregelmäßig konvex geformten Profils unter Verwendung einer Konvexitätstransformation.
Verfahren nach einem der Ansprüche 8 bis 10, wobei der Schritt d(i) des Identifizierens von kurzen horizontalen Elementen enthält: Drucken einer Grauskala gegenüber einer Versetzung für jede Reihe zum Erzeugen eines unregelmäßig konvex geformten Profils; Anwenden einer Konvexitätseinpassung zum Umhüllen des unregelmäßig konvex geformten Profils mit einer Hülle, und Erzeugen eines zweiten transformierten Bilds I₂ durch Ersetzen der Grauskalaprofile jeder Reihe von I₁ mit der zugehörigen Näherungs-Hüllen-Umhüllung.
Verfahren nach Anspruch 11, wobei der Schritt des Anwendens der Konvexitätseinpassung die folgenden Schritte aufweist: (A) die Koordinaten jedes Punktprofils seien (x, g), wobei x der Horizontalpixelzahl und g dem Grauskalawert davon entspricht; (B) nehmen eines ersten Punkts der Hülle an dem Punkt (x₁, g₁); (C) Auswählen eines zweiten Punkts (x2, g2) innerhalb des nächsten Bereichs der Pixel, wobei [(g_ig – g₁)/(x_i – x₁)] am geringsten ist, und (D) Wiederholen der Schritte A und B für alle nachfolgenden Punkte.
Verfahren nach Anspruch 12, wobei der Bereich 200 Pixel beträgt.
Computerprogramm zur computerunterstützten Diagnose von Lungenunregelmäßigkeiten, das, wenn es durch einen Computer ausgeführt wird, den Computer veranlasst zum Durchführen des Verfahrens gemäß einem der Ansprüche 1 bis 13.