DE19915858A1 - Verringerung von vierdimensionalem gaußschem Kappa5-Rauschen - Google Patents
Verringerung von vierdimensionalem gaußschem Kappa5-RauschenInfo
- Publication number
- DE19915858A1 DE19915858A1 DE19915858A DE19915858A DE19915858A1 DE 19915858 A1 DE19915858 A1 DE 19915858A1 DE 19915858 A DE19915858 A DE 19915858A DE 19915858 A DE19915858 A DE 19915858A DE 19915858 A1 DE19915858 A1 DE 19915858A1
- Authority
- DE
- Germany
- Prior art keywords
- volume element
- derivatives
- dimensions
- vessels
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 239000013598 vector Substances 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 22
- 241000270295 Serpentes Species 0.000 claims description 8
- 210000004351 coronary vessel Anatomy 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000010009 beating Methods 0.000 claims description 3
- 210000000748 cardiovascular system Anatomy 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 6
- 230000015654 memory Effects 0.000 description 14
- 238000009499 grossing Methods 0.000 description 9
- 230000000747 cardiac effect Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000001629 sign test Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000191291 Abies alba Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
- H04N1/4092—Edge or detail enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
Das erfindungsgemäße Rauschverringerungssystem berücksichtigt, daß Rauschen zwischen physikalisch angrenzenden Bildern und bezüglich der Abtastzeit zufällig ist. Es berücksichtigt auch die Tatsache, daß einige Bildfolgen zyklisch und bezüglich der Zeit "aufgewickelt" sind, wobei der Beginn dem Ende des Zyklus sehr ähnlich ist. Es wurde ein Filter entwickelt, das Rauschen in einer Richtung entlang einer Kante glättet, aber über der Kante kein Verwischen verursacht. Es arbeitet durch die Bestimmung von Vektoren tangential zu einem Oberflächenpunkt p an einem aktuellen Volumenelement und durch Projektion vierdimensionaler Daten auf die Tangentialvektoren. Eine Krümmungsmatrix B¶alphabeta¶ wird bestimmt. Die Eigenwerte der Krümmungsmatrix B¶alphabeta¶ werden zum Erhalten dreier Krümmungen für 4 Dimensionen bestimmt. Ist das Vorzeichen aller Eigenwerte gleich, wird das aktuelle Volumenelement gefiltert, und ansonsten bleibt es unverändert. Diese Filterung wird für eine Anzahl an Volumenelementen als aktuelles Volumenelement in einem gewünschten Bereich bei einer einzelnen Iteration wiederholt. Vorzugsweise wird dies mehrere Iterationen oft zum Erhalten gefilterter Daten mit verringertem Rauschen und geringer Detailänderung wiederholt. Die gefilterten Daten können dann in separate Strukturen segmentiert werden. Die segmentierten Strukturen können bei einer Analyse wie bei einer medizinischen Diagnose verwendet werden.
Description
Die vorliegende Erfindung bezieht sich auf Bildverarbeitung
und insbesondere auf die Verringerung von Rauschen in einer
Bildsequenz.
Auf verschiedenen Gebieten ist die Abbildung und die Iden
tifikation separater Objekte von Wichtigkeit. Darunter fal
len beispielsweise die Abbildung zur medizinischen Diagno
se, die Maschinenvision und die Identifikation von Objekten
in Bildern oder Videos. Der Einfachheit halber konzentriert
sich die Beschreibung auf die medizinische Abbildung. Al
lerdings trifft die Beschreibung auch auf andere Bildverar
beitungsanwendungen zu.
Eine spezielle Verwendung zur Segmentation bei der medizi
nischen Abbildung dient der Diagnose von Kranzarteriener
krankungen, was die führende Todesursache in den Vereinig
ten Staaten ist und den Hauptbestandteil an den medizini
schen Versorgungskosten ausmacht. Medizinische Bilder wer
den erfaßt und in Blutansammlungen und Arterienoberflächen
segmentiert, um festzustellen, ob Kranzarterien blockiert
sind, was typischerweise zu den Hauptherzproblemen führt.
Abgesehen von kürzlichen Fortschritten auf dem Gebiet der
Magnetresonanz-(MR-)Herzabbildung ist mit der Röntgenkathe
terisierungs-Kranzangiographie geringeres Rauschen verbun
den, und diese stellt das definitive Untersuchungsverfahren
für Kranzarterienerkrankungen dar. Die Gefäßmorphologie
wird von verschiedenen Gesichtspunkten aus unter Verwendung
von mittels eines Katheters in jedes Kranzgefäß injiziertem
Kontrastmaterial untersucht, das mit Fluoroskopie-
Abbildungsverfahren untersucht wird. Könnten die Kranzgefä
ße mittels einer MR-Abbildung untersucht und diagnostiziert
werden, müßten sich Patienten mit nicht signifikanter Er
krankung keiner schmerzvollen Katheterisierung unterziehen.
Es gibt mehrere Verfahren zur Nachbearbeitung von Bildern
zur Feststellung der Ränder bzw. Grenzen der Gefäße für die
Diagnose, ob die Gefäße blockiert sind. Ein solches Verfah
ren ist der "Snake"-Algorithmus, wie er in "A Geometric
Snake Model for Segmentation of Medical Imagery" von A.
Yezzi, S. Kichenassamy, A. Kumar, P. Olver und A. Tannen
baum in IEEE Transactions on Medical Imaging, Band 16, Sei
ten 199 bis 209, 1997 beschrieben ist, bei dem versucht
wird, gekrümmte Grenzen durch mathematische Deformation ei
ner gekrümmten "Schlange" (Snake) zum Anpassen der Grenze
zu approximieren. Diese Verfahren liefern keine guten Er
gebnisse, wenn die Daten einen hohen Grad an Rauschen auf
weisen, was bei der MR-Herzabbildung üblich ist, woraus ty
pischerweise ungenaue Ergebnisse resultieren.
Gegenwärtig besteht das Bedürfnis nach einem System, das
Rauschen in Bildern mit geringer Auswirkung auf Einzelhei
ten verringert, so daß die Grenzen der Gefäße bestimmt wer
den können.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfah
ren zur mehrdimensionalen Filterung von Daten ohne ein Ver
wischen von Kanten von Strukturen in dem Bild auszugestal
ten.
Ferner sollte erfindungsgemäß ein nicht invasives System
ausgestaltet werden, das mehrdimensionale volumetrische
Bilder automatisch in separate Strukturen segmentiert.
Das erfindungsgemäße Verfahren zur Verringerung von Rau
schen in Bildern unter Beibehaltung von Kanteninformationen
arbeitet mit einem mehrdimensionalen Satz von Bildern S,
die sich jeweils über zumindest D Dimensionen ändern. Bei
der zeitlichen Herz-MR-Abbildung ist D = 4.
Zuerst wird ein aktuelles Volumenelement (Voxel) am Punkt p
auf einer Oberfläche zur Filterung ausgewählt.
Für jede der D Dimensionen wird ein Satz erster Ableitungen
Si = dS/di um das aktuelle Volumenelement bestimmt.
Aus den ersten Ableitungen wird eine Vielzahl zweiter Ab
leitungen Sij berechnet, wobei die Indizes i, j jeweils die
D Dimensionen darstellen.
Es werden D-1 Tangentialvektoren e1, e2, . . . eD-1 am Punkt p
berechnet.
Die zweiten Ableitungen Sij werden auf die Tangentialvekto
ren e1, e2, . . . eD-1 zum Erhalten einer Krümmungsmatrix Bαβ
projiziert.
Die Krümmungsmatrix Bαβ wird in diagonale Elemente diagona
lisiert, die Krümmungen K1, K2, . . . KD-1 darstellen.
Die Vorzeichen der Krümmungen K1, K2, . . . KD-1 werden über
prüft, und wenn die Krümmungsvorzeichen gleich sind:
wird ein Kofaktor Δij aus Sij berechnet, und ein aktueller Volumenelementwert Sw am Punkt p wird gemäß folgender Glei chung modifiziert:
wird ein Kofaktor Δij aus Sij berechnet, und ein aktueller Volumenelementwert Sw am Punkt p wird gemäß folgender Glei chung modifiziert:
woraus sich der neue gefilterte Wert Sw+1 ergibt.
Diese Schritte werden für eine Vielzahl verschiedener Volu
menelemente als aktuelles Volumenelement in einem gewünsch
ten Bereich zum Erhalten gefilterter Daten Sw+1 wiederholt.
Typischerweise werden mehrere Wiederholungen zum Erhalten
gefilterter Daten durchgeführt, die reduziertes Rauschen
bei geringer Detailänderung aufweisen.
Diese gefilterten Daten können mit Snake-Algorithmen zur
Bestimmung von Grenzen verarbeitet werden, die bei ver
schiedenen Bildsegmentierungsarten verwendet werden. Dies
ist auch bei der Bestimmung einer Blockierung in Kranzgefä
ßen sehr nützlich.
Die Erfindung wird nachstehend anhand von Ausführungsbei
spielen unter Bezugnahme auf die beiliegende Zeichnung nä
her beschrieben. Es zeigen:
Fig. 1 eine Darstellung eines Krümmungsradius für zwei Di
mensionen, der erfindungsgemäß zur Verringerung von Rau
schen verwendet wird,
Fig. 2 eine Darstellung eines Krümmungsradius für drei Di
mensionen,
Fig. 3 eine Darstellung der relativen Orientierung eines
Normalenvektors zum Punkt p und von Tangentialvektoren e1,
e2, die am Punkt p zur dreidimensionalen Oberfläche tangen
tial verlaufen, und
Fig. 4 eine Darstellung eines vereinfachten Blockschaltbil
des eines Ausführungsbeispiels.
Die Visualisierung von Grenzen von Objekten ist auf vielen
Gebieten sehr nützlich. Die hier gegebene Beschreibung kon
zentriert sich auf eine dieser Anwendungen, aber die vor
liegende Erfindung ist natürlich gleichermaßen bei allen
Bildsegmentationen anwendbar, wo Objektgrenzen aus einer
Anzahl angrenzender Bilder in Zeit und Raum zu bestimmen
sind.
Die Identifikation von zur gleichen Struktur gehörenden Be
reichen und diese Strukturen identifizierenden Grenzen ist
als Segmentation bekannt. Dieses Verfahren ist bei der Diag
nose vieler Krankheiten nützlich. Beispielsweise ist die
Segmentation der Schlüssel zur Diagnose und Verhinderung
ernsthafter Kranzgefäßerkrankungen. Durch die Identifikati
on der Gefäßwände und der Blutansammlungen als separate
Strukturen kann man die Blockade der Gefäße visuell fest
stellen. Das Problem besteht in der Identifikation der
Strukturgrenzen.
Viele Nachverarbeitungsalgorithmen verarbeiten erfaßte Bil
der, die die Grenzen der Strukturen zu unterscheiden versu
chen. Viele dieser Algorithmen, wie die "Snake-"Algorith
men, liefern keine genauen Ergebnisse, wenn der Bilddaten
satz ein hohes Maß an Rauschen aufweist. Ein allgemeines
Verwaschen des Datensatzes verringert das Rauschen, verrin
gert allerdings auch die Kanten darstellende Schärfe, die
zur Bestimmung der Grenzen der Gefäße verwendet werden. Die
Herausforderung besteht im Beseitigen des Rauschens unter
Beibehaltung klarer Abgrenzungen zwischen angrenzenden Ob
jekten, um die Bestimmung der Gefäßgrenzen bzw. Gefäßränder
zu ermöglichen.
Fig. 1 zeigt eine zweidimensionale (2D) Oberfläche S(x, y),
die sich entlang der Achsen x und y ändert. Eine Rausch
glättung soll an der Oberfläche am Punkt p stattfinden. Der
Normalenvektor am Oberflächenpunkt p ist N. Die Krümmung K
am Punkt p beträgt 1/ρ, wobei ρ der Krümmungsradius ist,
der die Entfernung zwischen dem Oberflächenpunkt p und dem
Mittelpunkt des Krümmungspunkts c darstellt.
Die Gaußsche Krümmung ist bei diesem Beispiel einfach die
Krümmung K.
Fig. 2 zeigt eine dreidimensionale (3D) Oberfläche S(x, y,
z). Die dreidimensionale Oberfläche S(x, y, z) hat einen
Normalenvektor N am Punkt p. Dieser Punkt weist einen Krüm
mungsradius in zwei orthogonalen Dimensionen ρ1 und ρ2 auf.
Der Radius ρ1 ist das Maß vom Mittelpunkt der Krümmung c1
zum Punkt p. Gleichermaßen ist der Radius ρ2 das Maß vom
Mittelpunkt der Krümmung c2 zum Punkt p.
Es gibt zwei Krümmungen des Punktes p, nämlich K1 und K2:
K1 = 1/ρ1 und K2 = 1/ρ2 (1)
Die Gaußsche Krümmung K für die dreidimensionale Oberfläche
in Fig. 2 ist:
Die Krümmung ist daher wichtig, und das Ziel der Erfindung
besteht in der Glättung von Rauschen entlang einer Kante
(die auch als Grenze bezeichnet wird), aber nicht über eine
Kante. Diese einfache aber sinnvolle Idee ist für drei Di
mensionen einfach zu visualisieren, wird jedoch bei mehr
als drei Dimensionen schwierig.
Wird eine Folge dreidimensionaler Bilder bzw. Bilder dar
stellender Daten, die in drei Dimensionen interpretiert
werden können, über einen Zeitablauf erfaßt, wird ein vier
dimensionaler Datensatz erhalten, wobei die vierte Dimensi
on die Erfassungszeit ist. Diese Erfassungszeit kann zy
klisch sein, wobei die erste Abtastung der Sequenz bzw.
Folge der letzten Abtastung der Sequenz folgt. Es ist auch
möglich, daß diese Zeit keiner absoluten Zeit entspricht,
aber eine Zeit relativ zu einem periodischen Zyklus wie ei
nem Herzzyklus ist.
Die mehrdimensionale Oberfläche, wie die dreidimensionale
Oberfläche eines schlagenden Herzens, die sich entsprechend
dem Herzzyklus ändert, wird als Hyperoberfläche bzw. Hyper
fläche bezeichnet und durch S (Dimension 1, Dimension 2,
Dimension 3, Dimension 4, . . .) dargestellt. Das heißt, daß
allgemein die Hyperflächen von einer beliebigen Anzahl von
Dimensionen abhängig sein können. Bei einer zeitlichen bzw.
temporären Herz-MR-Abbildung beträgt die Anzahl an Dimen
sionen 4, d. h. drei Ortsdimensionen und die Zeit.
Fig. 2 kann in eine Hyperfläche mit mehr als drei Dimensio
nen mit einem Normalenvektor N von einem Punkt p auf der
Hyperfläche extrapoliert werden. Daraus würden sich D-1
(Haupt-)Krümmungen ergeben, die zur Bestimmung einer Gauß
schen Krümmung K verwendet werden.
Nachstehend wird eine vierdimensionale Hyperfläche mit der
Realisierung diskutiert, daß die Erfindung bei Hyperflächen
bei mehreren und/oder verschiedenen Dimensionen anwendbar
ist.
Es sollten eine Normale zur Hyperfläche und eine Richtung
entlang der Hyperfläche bestimmt werden. Daraus wird die
Richtung zum Verwaschen der Daten entlang der Hyperfläche
und die Richtung bestimmt, in der die Daten nicht verwa
schen werden sollen, d. h. eine Richtung normal zur Hyper
fläche.
Es wird angenommen, daß sich Rauschen in einem Intensitäts
profil in kleinen Unebenheiten und Tälern äußert. Dies
trifft sowohl für drei Dimensionen als auch für Hyperdimen
sionen zu. Bei vier Dimensionen handelt es sich um ein In
tensitätsklicken für einen gegebenen Zeitabschnitt, wie
Stäubchen auf einem Film, die nach einem Zeitabschnitt weg
geblasen werden.
Die erste partielle Ableitung der Oberfläche bzw. Fläche
S (x, y, z, t) bezüglich der Ortsdimensionen x, y, z, die
jeweils als Sx, Sy, Sz bezeichnet wird, zeigt, wie sich die
Intensität ändert, wenn man sich über das Bild in einer ge
gebenen Dimension bewegt.
Die erste partielle Ableitung der Oberfläche S (x, y, z, t)
bezüglich der Zeit t wird als St bezeichnet und zeigt, wo
Kanten durch einen gegebenen Ort über die Zeit verlaufen.
Die zweiten Ableitungen bestimmen die lokalen Maxima und
Minima.
Diese werden jeweils als Sxx, Syy, Szz, Stt bezeichnet.
Die zweiten Ableitungen enthalten auch gemischte zweite Ab
leitungen, die partielle Ableitungen nach verschiedenen Va
riablen sind:
Es gilt auch:
Daraus kann eine Gleichung für eine vierdimensionale Gauß
sche Krümmung berechnet werden:
Wobei Δij der Kofaktor von Sij und N die Quadratwurzel der
Summe der Quadrate der partiellen Ableitungen Sx, Sy, Sz, St
ist.
Gemäß Fig. 3 wird ein Satz von Vektoren e1, e2, . . . eD-1 tangen
tial zum Punkt p entlang jeder Orthogonalen zur Normalen im
Punkt p bestimmt. Beispielsweise weist ein Normalenvektor
mit den Dimensionen Sx, Sy, Sz, St folgende Tangentialvekto
ren auf:
e1 = (-St, 0,0,Sx) (9)
e2 = (0,-St,0,Sy) (10)
e3 = (0,0,-St, Sz) (11)
Sind die Tangentialvektoren einmal bestimmt und wurden die
zweiten Ableitungen Sij erhalten, kann eine Krümmungsmatrix
Bαβ wie folgt bestimmt werden:
Bαβ = eαi Sijeβj (12)
wobei eαi die 3×4-Matrix definiert, deren Reihe α durch ei
für I, j = 1, 2, 3, 4 und a, b, = 1, 2, 3 gegeben ist.
Die Krümmungsmatrix Bαβ kann dann durch Bestimmung ihrer
Eigenwerte diagonalisiert werden. Die diagonalen Eigenwerte
sind K1, K2 und K3.
Gibt es vier Dimensionen, ist jeder Tangentialvektor e ein
1×4-Vektor. Die zweite Ableitungsmatrix Sij ist eine 4×4
Matrix. Daraus ergibt sich eine 3×3 Krümmungsmatrix Bαβ.
Haben die Krümmungen K1, K2, K3 nicht alle das gleiche Vor
zeichen, dann ist der getestete Punkt ein Sattelpunkt und
kein lokales Minimum oder Maximum. Diese Sattelpunkte soll
ten unverändert bleiben.
Haben allerdings alle Krümmungen K1, K2, K3 das gleiche Vor
zeichen, ist der Oberflächenpunkt p ein lokales Maximum
oder Minimum. Dies sind die Punkt, die gefiltert werden
sollten.
Haben alle Krümmungen K1, K2, K3 das gleiche Vorzeichen,
sollte die Änderung der Bildintensität für den getesteten
Punkt folgendes betragen:
daher wird das aktuelle Volumenelement folgendermaßen ak
tualisiert:
wobei w die Iterationsnummer ist. Sw+1 ist die Intensität
der Bildelementintensität nach der Filterung des getesteten
Punkts, d. h. des aktuellen Volumenelements. Sw ist die In
tensität vor der Filterung. Die Filterung wird für andere
Punkte des Datensatzes wiederholt, die zu filtern sind.
Wurde dies für alle Punkte aller Bilder und aller zu fil
ternden Zeiten durchgeführt, ist eine vollständige Iterati
on w abgeschlossen. Die Erfindung ist am effektivsten, wenn
mehrere Iterationen w bei dem Datensatz durchgeführt sind.
Daher kann einen gesamte Filteriteration mehrere Male zum
Erhalten von Bildern mit verringertem Rauschen unter Bewah
rung von Kanten und Grenzen wiederholt werden.
Eine digitale Implementation der vorstehend beschriebenen
mathematischen Filterung berechnet um ein zentrales Volu
menelement Intensitätsunterschiede zwischen dem rechten und
linken Volumenelement geteilt durch die Volumenelementbeab
standung in dieser Richtung als x-Differenz, was dx annä
hert; Intensitätsunterschiede zwischen dem hinteren und
vorderen Volumenelement geteilt durch die Volumenelementbe
abstandung in dieser Richtung als y-Differenz, was dy annä
hert; Intensitätsunterschiede zwischen dem oberen und unte
ren Volumenelement geteilt durch die Volumenelementbeab
standung in dieser Richtung als z-Differenz, was dz annä
hert; und Intensitätsunterschiede zwischen dem zentralen
Volumenelement zu Zeitpunkten t+1 und t-1 geteilt durch die
Zeit zwischen den Zeitpunkten t+1 und t-1 als t-Differenz,
was dt annähert.
Nach mehrmaliger Filterung tritt eine Glättung entlang der
Richtung einer Kante aber nicht über die Kante auf. Dadurch
werden die Kanten bewahrt und das Rauschen in dem Bereich
verringert. Die geglätteten Daten können dann mittels einer
Vielzahl bekannter Grenzbestimmungsverfahren zum Erhalten
der Gefäßgrenzen nachverarbeitet werden. Diese Gefäßgrenze
kann dann durch ein bewegtes dreidimensionales Bild darge
stellt werden, das seine Bewegung im allgemeinen bei jedem
Herzzyklus wiederholt.
Fig. 4 zeigt ein vereinfachtes Blockschaltbild der Erfin
dung.
Ein Pufferspeicher 11 ist mit Daten gefüllt, die mehrdimen
sional sind. Ein Typ mehrdimensionaler Daten wäre eine
Vielzahl zweidimensionaler Schnitte für jeden gegebenen
Zeitabschnitt über eine Vielzahl von Zeitabschnitten, wie
es graphisch in Fig. 4 im Inneren des Pufferspeichers 11
gezeigt ist. Diese Daten können direkt von einer Datenquel
le 3 wie einer Magnetresonanz-(MR) Abtasteinrichtung kom
men, die die Informationen dem Pufferspeicher 11 direkt zu
führen oder die Informationen zu einer Massenspeicherein
richtung 5 leiten kann, die die Informationen dem Puffer
speicher 11 alternativ zuführen kann.
Ein Nachbarschaftsspeicher 13 empfängt eine Nachbarschaft
angrenzender Volumenelemente um ein gegebenes aktives Volu
menelement. Dabei sind alle physikalisch angrenzenden Volu
menelemente aus dem Pufferspeicher 11 und alle zeitlich an
grenzenden Volumenelemente enthalten, woraus sich Volu
menelemente der Zeit t-1 und Volumenelemente der Zeit t1 er
geben, wobei t0 die Erfassungszeit des aktuellen Volu
menelements 12 ist, das zur Filterung ausgewählt ist.
Eine erste Ableiteinrichtung 15 ist mit dem Nachbarschafts
speicher 13 verbunden, und bestimmt bezüglich des aktuellen
Volumenelements 12 als zentrales Volumenelement zum Zeit
punkt t0 die Differenzen bzw. Ableitungen Sx, Sy, Sz, St für
das aktuelle Volumenelement 12.
Diese ersten Ableitungen werden dann einer zweiten Ab
leiteinrichtung 17 zugeführt, wo jeweils die zweiten Diffe
renzen bzw. Ableitungen Sxx, Sxy, Sxz . . . Spt aus den ersten
Ableitungen bestimmt werden. Diese zweiten Ableitungen wer
den aus den Differenzen der geeigneten ersten Ableitungen
unter Verwendung der vorstehend beschriebenen zentrierten
Differenzierungsprozedur berechnet.
Eine Tangentialvektoreinrichtung 19 empfängt die ersten Ab
leitungen von der ersten Ableiteinrichtung 15 und berechnet
die Vektoren e1, e2, . . . eD-1, wobei D die Anzahl der Dimen
sionen ist. Für 4 Dimensionen sind die Vektoren e1, e2, e3
jeweils 1 × 4 Vektoren, wobei die vier Dimensionen x, y, z, t
sind. Diese Vektoren sind Gradienten in der jeweiligen x-,
y- und z-Richtung und weisen eine auf Sx, Sy, Sz bezogene
Größe auf.
Eine Projektionseinrichtung 21 empfängt die Tangentialvek
toren e1, e2, e3 von der Tangentialvektoreinrichtung 19 und
empfängt auch die zweiten Ableitungen Si,Sj von der zweiten
Ableiteinrichtung 17 und projiziert SiSj-(4×4-)Matrix auf
die Tangentialvektoren e1, e2, e3. Daraus ergibt sich ein
3×3-Krümmungsmatrix B.
Eine Eigenwerteinrichtung 23 empfängt die Krümmungsmatrix B
und diagonalisiert die Krümmungsmatrix B zum Erhalten einer
diagonalen 3×3-Matrix mit Null Einträgen außer den diagona
len Elementen K1, K2, K3, die jeweils die drei Krümmungen
darstellen.
Die drei Krümmungen werden einer Vorzeichentesteinrichtung
25 zugeführt, die feststellt, ob alle Krümmungen das glei
che Vorzeichen haben. Die Vorzeichentesteinrichtung 25 ist
auch mit dem Nachbarschaftsspeicher 13 verbunden und emp
fängt das getestete aktuelle Volumenelement 12. Sind die
Vorzeichen der drei Krümmungen K1, K2, K3 nicht gleich, wird
der Volumenelementwert für das aktuelle Volumenelement 12
unverändert einem vierdimensionalen Glättungsdatenspeicher
29 zugeführt.
Alle beschriebenen Speicher dieser Erfindung können ver
schiedene Abschnitte eines größeren Speichers oder alterna
tiv dazu physikalisch verschiedene Speichereinrichtungen
sein.
Eine Kofaktoreinrichtung 31 ist mit der zweiten Ableitein
richtung 17 verbunden und empfängt das Ausgangssignal der
zweiten Ableiteinrichtung, d. h. Si,Sj, und bestimmt den Ko
faktor Δij. Ein Kurzüberblick über Kofaktoren ist in
"Matrix Theory and Linear Algebra", Abschnitt 5.5, Seiten
246 bis 252, MacMillan Publishing Company, New York, 1988
gegeben.
Ein Rauschverringerungsfilter 27 ist mit der Kofaktorein
richtung 31 verbunden und empfängt den Kofaktor Δij, und
ist auch mit der ersten Ableiteinrichtung 15 verbunden. Das
Rauschverringerungsfilter 27 ist auch mit der Vorzeichen
testeinrichtung 25 verbunden, die dem Filter den Wert des
aktuellen Volumenelementes 12 zuführt, vorausgesetzt, daß
die Vorzeichen der Krümmungen K1, K2 und K3 gleich sind. Der
Wert des aktuellen Volumenelementes 12 wird dann durch das
Rauschverringerungsfilter 27 auf seinen gefilterten Wert
wie durch Gleichung 14 definiert angepaßt. Das Rauschver
ringerungsfilter 27 speichert dann den aktuellen Glättungs
volumenelementwert in dem vierdimensionalen Glättungsdaten
speicher 29.
Die Erfindung arbeitet zur Filterung aller Volumenelemente
in einem gewünschten Volumen mit einer ersten Iteration w = 1
vor dem Beginn einer zweiten Iteration der Volumenelemente
w = 2. Am Ende der ersten Iteration werden geglättete Daten
in dem vierdimensionalen Glättungsdatenspeicher 29 gespei
chert. Unmittelbar vor der Verarbeitung der nächsten Ite
ration jedes Volumenelements des gewünschten Volumens wird
der vierdimensionale Glättungsdatenspeicher 29 in den Puf
ferspeicher 11 kopiert. Gemäß einem anderen Ausführungsbei
spiel kann er entsprechende Datenwerte ersetzen. Der gesam
te Vorgang kann dann für eine zweite Iteration (d. h. w = 2)
wiederholt werden, wobei die Daten aus der vorhergehenden
Glättungsiteration verarbeitet werden. Dieser Vorgang kann
eine beliebige Anzahl Iterationen w oft fortgesetzt werden.
Ist die gewünschte Anzahl an Iterationen w abgeschlossen,
können die glättungsgefilterten Daten manipuliert und durch
herkömmliche Mittel zur Anzeige der geglätteten mehrdimen
sionalen Daten auf einer Visualisierungseinrichtung 35 ge
rendert werden, die zusammen mit einer Anzeigevorrichtung
37 arbeitet. Alternativ dazu kann eine Analyseeinrichtung
39 zur Durchführung einer visuellen Analyse und Bildverar
beitung von Strukturen implementiert werden, die sie auf
der Anzeigeeinrichtung 37 anzeigen kann.
Das erfindungsgemäße Rauschverringerungssystem berücksich
tigt, daß Rauschen zwischen physikalisch angrenzenden Bil
dern und bezüglich der Abtastzeit zufällig ist. Es berück
sichtigt auch die Tatsache, daß einige Bildfolgen zyklisch
und bezüglich der Zeit "aufgewickelt" sind, wobei der Be
ginn dem Ende des Zyklus sehr ähnlich ist. Es wurde ein
Filter entwickelt, das Rauschen in einer Richtung entlang
einer Kante glättet aber über die Kante kein Verwischen
verursacht. Es arbeitet durch die Bestimmung von Vektoren
tangential zu einem Oberflächenpunkt p an einem aktuellen
Volumenelement und durch Projektion vierdimensionaler Daten
auf die Tangentialvektoren. Eine Krümmungsmatrix Bαβ wird
bestimmt. Die Eigenwerte der Krümmungsmatrix Bαβ werden zum
Erhalten dreier Krümmungen für 4 Dimensionen bestimmt. Ist
das Vorzeichen aller Eigenwerte gleich, wird das aktuelle
Volumenelement gefiltert, und ansonsten bleibt es unverän
dert. Diese Filterung wird für eine Anzahl an Volumenele
menten als aktuelles Volumenelement in einem gewünschten
Bereich bei einer einzelnen Iteration wiederholt. Vorzugs
weise wird dies mehrere Iterationen oft zum Erhalten gefil
terter Daten mit verringertem Rauschen und geringer Detail
änderung wiederholt. Die gefilterten Daten können dann in
separate Strukturen segmentiert werden. Die segmentierten
Strukturen können bei einer Analyse wie bei einer medizini
schen Diagnose verwendet werden.
Claims (9)
1. Verfahren zur Verringerung von Rauschen in Bildern un
ter Beibehaltung von Kanteninformationen mit den Schritten
- a) Erfassen eines mehrdimensionalen Satzes von Bildern S. die sich jeweils zumindest über D Dimensionen verändern und aus einem Satz von Volumenelementwerten bestehen,
- b) Auswählen eines aktuellen Volumenelementes (12) an einem zu filternden Punkt p,
- c) Bestimmen einer Vielzahl erster Ableitungen Si = dS/di an dem aktuellen Volumenelement (12), wobei i jeweils eine der D Dimensionen darstellt,
- d) Bestimmen einer Vielzahl zweiter Ableitungen Sij aus den ersten Ableitungen, wobei Indizes i, j jeweils eine der D Dimensionen darstellen,
- e) Bestimmen von D-1 Tangentialvektoren e1, e2, . . . eD-1 am Punkt p,
- f) Projizieren der zweiten Ableitungen Sij auf die Tangen tialvektoren e1, e2, . . . , eD-1 zum Erhalten einer Krüm mungsmatrix Bαβ,
- g) Diagonalisieren der Krümmungsmatrix Bαβ zur Bestimmung einer Diagonalmatrix, wobei die diagonalen Elementen die Krümmungen K1, K2, . . . , KD-1 sind,
- h) Testen der Vorzeichen der Krümmungen K1, K2, . . . , KD-1, und
wenn die Krümmungsvorzeichen gleich sind:
- a) Berechnen eines Kofaktors Δij aus Sij und
- b) Modifizieren des aktuellen Volumenelement
werts Sw am Punkt p gemäß
zum Erhalten des neuen gefilterten Werts Sw+1,
- i) wiederholen der Schritte c bis h für eine Vielzahl ver schiedener Volumenelemente als aktuelles Volumenelement in einem gewünschten Bereich zur Durchführung einer Fil terungsiteration, woraus sich gefilterte Daten Sw+1 mit verringertem Rauschen mit geringer Detailänderung erge ben.
2. Verfahren nach Anspruch 1, wobei der Schritt zur Pro
jektion der zweiten Ableitungen Sij auf die Tangentialvek
toren e1, e2, . . . , eD-1 den Schritt umfaßt
Bestimmen von Bαβ gemäß
Bαβ = eαi Sijeβj
wobei α, β Tangentialvektorzahlen und i, j ihre Dimensionen darstellen.
Bαβ = eαi Sijeβj
wobei α, β Tangentialvektorzahlen und i, j ihre Dimensionen darstellen.
3. Verfahren nach Anspruch 1, ferner mit dem Schritt
Wiederholen der Schritte b bis i für eine Vielzahl von Ite
rationen w.
4. Verfahren nach Anspruch 1, ferner mit dem Schritt nach
dem Abschluß einer gewünschten Anzahl an Iterationen
Anwenden eines "Snake"-Algorithmus bei den gefilterten Da
ten zur Identifikation von Grenzen und Kanten.
5. Verfahren nach Anspruch 1, wobei der mehrdimensionale
Satz von Bildern S vierdimensionale medizinische Bilddaten
der Gefäße eines schlagenden Herzens mit Kanten und inhä
rentem Rauschen darstellt, die drei Ortsdimensionen und ei
ne Zeitdimension darstellen, die die Phase in einem Herzzy
klus ist.
6. Verfahren nach Anspruch 1, wobei der Snake-Algorithmus
bei den gefilterten Daten zum Erhalten von Bildern der
Grenzen der Herzgefäße angewendet wird.
7. Verfahren zur Bestimmung einer Blockade von Kranzgefä
ßen mit den Schritten
- a) Erfassen medizinischer Bilddaten S von Gefäßen eines schlagenden Herzens eines Subjekts mit Kanten und inhä rentem Rauschen, die sich zumindest über D Dimensionen ändern und einen Satz von Volumenelementwerten umfassen,
- b) Auswählen eines aktuellen Volumenelements (12) an einem zu filternden Punkt p,
- c) Bestimmen einer Vielzahl erster Ableitungen Si = dS/di an dem aktuellen Volumenelement, wobei i jeweils eine der D Dimensionen darstellt,
- d) Bestimmen einer Vielzahl zweiter Ableitungen Sij aus den ersten Ableitungen, wobei Indizes i, j jeweils eine der D Dimensionen darstellen,
- e) Bestimmen von D-1 Tangentialvektoren e1, e2, . . . eD-1 am Punkt p,
- f) Projizieren der zweiten Ableitungen Sij auf die Tangen tialvektoren e1, e2, . . . , eD-1 zum Erhalten einer Krüm mungsmatrix Bαβ,
- g) Diagonalisieren der Krümmungsmatrix Bαβ zur Bestimmung einer Diagonalmatrix mit den Diagonalelementen als Krüm mungen K1, K2 . . . , KD-1,
- h) Testen der Vorzeichen der Krümmungen K1, K2, . . . , KD-1, und
wenn die Krümmungsvorzeichen gleich sind:
- a) Berechnen eines Kofaktors Δij aus Sij und
- b) Modifizieren des aktuellen Volumenelement
werts Sw am Punkt p gemäß
zum Erhalten des neuen gefilterten Werts Sw+1,
- i) Wiederholen der Schritte c bis h für eine Vielzahl ver schiedener Volumenelemente als aktuelles Volumenelement in einem gewünschten Bereich zur Durchführung einer Fil terungsiteration, woraus sich gefilterte Daten Sw+1 mit verringertem Rauschen mit geringer Detailänderung erge ben,
- j) Anwenden eines Snake-Algorithmus bei den gefilterten Da ten zum Erhalten von Bildern der Grenzen der Gefäße und
- k) Anzeigen der Gefäßgrenzen für einen Bediener als dreidi mensionales Bild zur Unterstützung bei der Diagnose ei ner Blockierung dieser Gefäße.
8. Verfahren nach Anspruch 7, ferner mit dem Schritt
Wiedergeben einer Vielzahl der dreidimensionalen Bilder in
Folge zur Simulation eines Bewegtbildes der Kranzarterien
zur Unterstützung bei der Diagnose einer Blockierung dieser
Gefäße.
9. Verfahren nach Anspruch 8, ferner mit dem Schritt
Wiedergeben einer Vielzahl der dreidimensionalen Bilder in
Folge von verschiedenen Sichtpunkten aus zur Simulation ei
nes Bewegtbildes der Kranzarterien, so als ob sich der Be
trachter um die Gefäße bewegt, zur Unterstützung bei der
Diagnose einer Blockierung dieser Gefäße.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/058,100 US6204853B1 (en) | 1998-04-09 | 1998-04-09 | 4D KAPPA5 Gaussian noise reduction |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19915858A1 true DE19915858A1 (de) | 1999-10-14 |
Family
ID=22014685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19915858A Withdrawn DE19915858A1 (de) | 1998-04-09 | 1999-04-08 | Verringerung von vierdimensionalem gaußschem Kappa5-Rauschen |
Country Status (4)
Country | Link |
---|---|
US (1) | US6204853B1 (de) |
JP (1) | JPH11328395A (de) |
DE (1) | DE19915858A1 (de) |
IL (1) | IL129201A (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063247A1 (de) | 2008-12-05 | 2010-06-10 | Helmholtz-Zentrum Potsdam Deutsches Geoforschungszentrum -Gfz | Verfahren und vorrichtung zur kantenbasierten segmentierung von daten |
CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4260938B2 (ja) * | 1998-10-23 | 2009-04-30 | 株式会社東芝 | 3次元超音波診断装置 |
JP4570207B2 (ja) * | 2000-06-12 | 2010-10-27 | 株式会社富士通長野システムエンジニアリング | 3次元モデル解析装置および記録媒体 |
DE60124946T2 (de) * | 2000-09-02 | 2007-05-31 | Emageon, Inc., Birmingham | Verfahren und kommunikationsmodul zur übertragung von dicom objekten durch datenelementquellen |
US7170521B2 (en) | 2001-04-03 | 2007-01-30 | Ultravisual Medical Systems Corporation | Method of and system for storing, communicating, and displaying image data |
US6836557B2 (en) * | 2002-10-02 | 2004-12-28 | VirtualS{tilde over (c)}opics, LLC | Method and system for assessment of biomarkers by measurement of response to stimulus |
US7457444B2 (en) * | 2003-05-14 | 2008-11-25 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for fast automatic centerline extraction for virtual endoscopy |
WO2006010372A1 (de) * | 2004-07-27 | 2006-02-02 | Dürr Dental GmbH & Co. KG | Verfahren und vorrichtung zur verbesserung der erkennbarkeit von unterschiedlichen strukturen auf durchstrahlungsbildern |
JP2006185038A (ja) * | 2004-12-27 | 2006-07-13 | Ge Medical Systems Global Technology Co Llc | 4次元ラベリング装置、n次元ラベリング装置、4次元空間フィルタ装置およびn次元空間フィルタ装置 |
CN1971616B (zh) * | 2005-11-23 | 2012-10-10 | 索诺塞特公司 | 多分辨率自适应滤波 |
WO2014119412A1 (ja) * | 2013-01-30 | 2014-08-07 | 株式会社 日立メディコ | 医用画像処理装置及び医用画像撮像装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5799111A (en) * | 1991-06-14 | 1998-08-25 | D.V.P. Technologies, Ltd. | Apparatus and methods for smoothing images |
US5245282A (en) * | 1991-06-28 | 1993-09-14 | University Of Virginia Alumni Patents Foundation | Three-dimensional magnetic resonance imaging |
DE69331719T2 (de) * | 1992-06-19 | 2002-10-24 | Agfa Gevaert Nv | Verfahren und Vorrichtung zur Geräuschunterdrückung |
US5412563A (en) * | 1993-09-16 | 1995-05-02 | General Electric Company | Gradient image segmentation method |
US5594807A (en) * | 1994-12-22 | 1997-01-14 | Siemens Medical Systems, Inc. | System and method for adaptive filtering of images based on similarity between histograms |
FR2736455B1 (fr) * | 1995-07-03 | 1997-08-08 | Commissariat Energie Atomique | Procede de reconstruction d'une image 3d avec amelioration du contraste et de la resolution et application de ce procede a la realisation d'une cartographie d'attenuation d'un objet |
-
1998
- 1998-04-09 US US09/058,100 patent/US6204853B1/en not_active Expired - Fee Related
-
1999
- 1999-03-26 IL IL12920199A patent/IL129201A/en not_active IP Right Cessation
- 1999-04-08 DE DE19915858A patent/DE19915858A1/de not_active Withdrawn
- 1999-04-08 JP JP11100740A patent/JPH11328395A/ja not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063247A1 (de) | 2008-12-05 | 2010-06-10 | Helmholtz-Zentrum Potsdam Deutsches Geoforschungszentrum -Gfz | Verfahren und vorrichtung zur kantenbasierten segmentierung von daten |
CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
Also Published As
Publication number | Publication date |
---|---|
IL129201A0 (en) | 2000-02-17 |
US6204853B1 (en) | 2001-03-20 |
JPH11328395A (ja) | 1999-11-30 |
IL129201A (en) | 2002-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE19746939B4 (de) | Verfahren zur Messung des Herzmuskels in Herzbildern | |
DE69935404T2 (de) | Oberflächenmodellerzeugung zum Anzeigen von drei-dimensionalen Objekten mit mehreren elastischen Oberflächennetzen | |
DE102008007231B4 (de) | Verfahren und System zum Berechnen eines Vesselness-Maßes und Gefäßbaummodellierung mittels dieses Vesselness-Maßes | |
DE19851597B4 (de) | Verfahren und Gerät zur Erzeugung verbesserter Bilder von Kranzarterien | |
DE69630935T2 (de) | Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild | |
DE60014338T2 (de) | Verfahren und gerät zur bildverarbeitung | |
DE60319288T2 (de) | Verfahren und vorrichtung zum identifizieren von pathologien in gehirnbildern | |
EP1251462B1 (de) | Verfahren zum Segmentieren einer in einem Objekt enthaltenen dreidimensionalen Struktur, insbesondere für die medizinische Bildanalyse | |
DE102010061977B4 (de) | Verfahren und Vorrichtung zur Ergänzung mit partiell parallelen Aufnahmeverfahren aufgenommen Magnetresonanz-Daten | |
DE10296836T5 (de) | System zur Modellierung statischer und dynamischer dreidimensioner anatomischer Strukturen durch 3D-Modelle | |
DE69205868T2 (de) | Methode zur Erstellung von zweidimensionalen Bildern aus dreidimensionalen Daten. | |
EP2284795A2 (de) | Quantitative Analyse, Visualisierung und Bewegungskorrektur in dynamischen Prozessen | |
DE102004043694B4 (de) | Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information | |
DE102004009143A1 (de) | Randdetektion für eine medizinische Bildgebung | |
DE102006030709A1 (de) | Verfahren für die kenntnisbasierte Bildsegmentierung unter Verwendung von Formmodellen | |
DE112005001755T5 (de) | System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie | |
DE102006017113A1 (de) | Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen | |
DE102008032006A1 (de) | Verfahren zur Steurung der Bildaufnahme bei einer Bildaufnahmeeinrichtung, sowie eine Bildaufnahmeeinrichtung | |
DE69916808T2 (de) | Verfahren und system zur strahlverfolgung | |
DE19915858A1 (de) | Verringerung von vierdimensionalem gaußschem Kappa5-Rauschen | |
DE102006002914A1 (de) | Mehrdimensionale Segmentierung basierend auf adaptiven begrenzenden Kasten- und Ellipsoid-Modellen | |
DE102008050049B4 (de) | Verfahren zur Bestimmung einer die Objektgrenze eines Objekts in einem digitalen 3D-Datensatz annähernden 3D-Oberfläche | |
DE3735519A1 (de) | Binaere rauminterpolation | |
EP1209622A2 (de) | Verfahren und Vorrichtung zur Registrierung von Bildern | |
DE60115056T2 (de) | Bildverbesserung |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |