DE3840257C2 - Verfahren zur automatischen Beurteilung von Unterschieden zwischen normalen und abnormalen Lungen - Google Patents
Verfahren zur automatischen Beurteilung von Unterschieden zwischen normalen und abnormalen LungenInfo
- Publication number
- DE3840257C2 DE3840257C2 DE3840257A DE3840257A DE3840257C2 DE 3840257 C2 DE3840257 C2 DE 3840257C2 DE 3840257 A DE3840257 A DE 3840257A DE 3840257 A DE3840257 A DE 3840257A DE 3840257 C2 DE3840257 C2 DE 3840257C2
- Authority
- DE
- Germany
- Prior art keywords
- abnormal
- ibs
- lungs
- normal
- threshold
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S378/00—X-ray or gamma ray systems or devices
- Y10S378/901—Computer tomography program or processor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
Die Erfindung betrifft ein Verfahren gemäß Oberbegriff des
Patentanspruchs 1.
In der Druckschrift "Proceedings of the 6th international
Conference on Pattern Recognition, München, 19.-22.10.1982",
Seiten 273 bis 275, wird ein System zum Erfassen von krankhaften
Veränderungen in Lungengewebe beschrieben, bei dem die Merkmale
des Oberbegriffs von Anspruch 1 Anwendung finden. Dabei werden
Lungenaufnahmen mit Hilfe eines Computers ausgewertet. Im ersten
Schritt wird ein Rahmen gesetzt, im zweiten werden die Lungen
grenzen bestimmt, im dritten Rippenbilder und Schatten von
Blutgefäßen in der Lunge bestimmt, um im vierten Schritt in den
verbleibenden interessierenden Bereichen des Lungengewebes der
mit vorgegebenen Kriterien nach Abnormitäten zu suchen.
Aus der deutschen Anmeldung DE 38 26 287 A1 ist es bekannt,
Erkrankungen der Lungenzwischenräume entsprechend den physi
kalischen Abmessungen des Lungengewebes bei digitalen Brust
radiographien zu beurteilen. Es werden etwa 20 quadratische
Bereiche von Interesse (IBs) aus Zwischenrippenräumen nach
einem automatischen oder manuellen Verfahren ausgewählt und
der ungleichmäßige Hintergrundtrend in jedem interessierenden
Bereich (IB oder ROI) wird korrigiert, um die gesamte
Lungenanatomie von der darunterliegenden Feinstruktur zu
trennen, die auf Erkrankungen zurückzuführen ist. Nachdem das
Potenzspektrum der Lungenzusammensetzung entsprechend der
visuellen Beurteilung eines Beobachters gefiltert wurde,
werden die mittlere quadratische Variation und das erste
Moment des Potenzspektrums als quantitative Strukturmaße für
die Größe und Grobheit (oder Feinheit) des Lungengewebes
ermittelt. Darauf baut die vorliegende Erfindung auf, und zwar
wurden 100 normale Lungen und 100 abnormale Lungen auf
nodulare, retikulare oder wabenförmige Strukturen untersucht,
um eine Datenbasis zu etablieren. Diese Datenbasis wird dann
gemäß Erfindung verwendet, um Kriterien zur automatischen
Beurteilung des Unterschiedes zwischen normalen Lungen und
abnormalen Lungen im Hinblick auf Lungenerkrankungen heran
zuziehen.
Es ist Aufgabe der vorliegenden Erfindung, ein neuartiges
Verfahren der obigen Art zu schaffen, das noch zuverlässiger
verschiedene Lungenabnormalitäten automatisch erkennen kann.
Zur Lösung dieser Aufgabe dienen die kennzeichnenden Merkmale in
Verbindung mit dem Oberbegriff des Patentanspruchs 1. Vorteilhafte Ausgestaltungen der
Erfindung sind in den Unteransprüchen aufgeführt.
Das Verfahren basiert
auf einer Analyse von vorgegebenen physika
lischen Strukturmaßen und außerdem auf der Datenbasis dieser
Strukturmaße basieren. Die ausgewählten Strukturmaße sind die
Schwankungen im quadratischen Mittelwert, R, und das erste
Moment des Potenzspektrums, M, für die Lungenstruktur, die so
abgeleitet werden, wie dies in der deutschen Anmeldung P 38 26
287 beschrieben ist. Zuerst werden die zwei Strukturmaße (die
Schwankung im quadratischen Mittelwert, R, und das erste
Moment des Potenzspektrums, M, für die Lungenstruktur) norma
lisiert, indem die Datenbasis für normale Lungen verwendet
wird. Bevorzugt wird ein einzelner Strukturindex aus den zwei
normalisierten Strukturmessungen festgelegt, indem die Vertei
lung (oder die Datenbasis), die von Strukturmessungen von
abnormalen Lungen erhalten werden, zugrundegelegt werden, um
die automatische Klassifizierung von normalen und abnormalen
Lungen zu erleichtern. Vorzugsweise wird ein Schwellenwertstruktur
index für die anfängliche Selektion von "abnormalen" Bereichen
von Interesse (IBs) ausgewählt, der einen großen Strukturindex
über dem Schwellenwert hat. Die ausgewählten abnormalen IBs
können dann drei unabhängigen Tests auf (1) ein definitiv
abnormales singuläres Muster, (2) lokalisierte abnormale
Strukturen für zwei oder mehrere abnormal mit Clustern
versehenen IBs, und (3) auf diffuse abnormale Strukturen für
mehr als vier abnormale IBs, die über die Lunge verteilt sind,
unterworfen werden. Ein Brustbild, das eine dieser abnormalen Struk
turen zeigt, wird als Bild eingeordnet, das eine abnormale
Lunge mit Zwischenrippenraumerkrankung darstellt.
Die Erfindung wird im folgenden anhand von Figuren näher
erläutert; es zeigen:
Fig. 1 ein Fließbild des automatischen Klassifizierungs
verfahrens zur Unterscheidung zwischen normalen
Lungen und abnormalen Lungen bei Lungenerkrankungen,
basierend auf einer Analyse von physikalischen
Strukturmaßen,
Fig. 2 die Verteilung der zwei Strukturmaße, Schwankung im
quadratischen Mittelwert (R) und erstes Moment des
Potenzspektrums (M), die für normale Lungen aufge
nommen wurden und die eine Datenbasis für normale
Lungen bilden, mit welcher eine Klassifikation
möglich ist;
Fig. 3 die Verteilung von normalisierten Strukturmessungen,
die aus 100 Brustbildern von normalen Lungen
erhalten wurden, wobei der Kreis die Standardab
weichung von ± 1 zeigt;
Fig. 4 die Verteilung von normalisierten Strukturmessungen,
die von 100 Brustbildern von abnormalen Lungen
erhalten wurden, wobei die Ellipse den Bereich einer
mittleren Standardabweichung von ± 1 angibt;
Fig. 5 einen einzigen Strukturindex (T), der für normalisierte
Strukturmessungen festgelegt ist, um eine Computer-
Klassifikation von normalen und abnormalen Lungen zu
erleichtern, wobei der Strukturindex (T) in den vier
Quadranten durch vorgegebene Gleichungen definiert
und durch gestrichelte Pfeile angedeutet ist;
Fig. 6 Histogramme von Maximalwerten für normalisierte
Schwankungen des quadratischen Mittelwerts, die bei
allen IBs vorhanden sind, welche in jedem Brustbild
für normale und abnormale Lungen ausgewählt werden;
Fig. 7 Histogramme von Maximalwerten von normalisierten
ersten Momenten der Potenzspektren, die zu allen IBs
gehören, welche in jedem Brustbild für normale und
abnormale Lungen ausgewählt werden;
Fig. 8 Histogramme des Maximalwerts der Strukturindices,
die unter allen IBs enthalten sind, welche bei jedem
Brustbild für normale und abnormale Lungen ausge
wählt werden;
Fig. 9 Empfänger-Betriebskennlinien (ROC) für die Unter
scheidung zwischen normalen und abnormalen Lungen
mittels Computer basierend auf den Schwankungen im
quadratischen Mittelwert, dem ersten Moment des
Potenzspektrums oder dem Einzelstrukturindex, wobei
man erkennt, daß der Strukturindex wirksamer als
jede der beiden Strukturmaße allein ist.
Fig. 10 die ROC-Kurven für die Unterscheidung zwischen
normalen und abnormalen Lungen mittels Computer,
während der Strukturindex zusammen mit dem lokali
sierten und/oder diffusen Abnormalitätstest verwendet
werden, woraus man erkennt, daß das Volltestschema
nach Fig. 1 die besten Ergebnisse liefert;
Fig. 11 einen Vergleich der ROC-Kurven, die mittels Computer
und von 12 Radiologen aus 60 ausgewählten Brustbildern
erhalten werden (die nicht in der Datenbasis von
Fig. 2 enthalten sind), wobei man erkennt, daß die
Erfindung den Entscheidungen der Radiologen hinsicht
lich der Unterscheidung zwischen normalen und ab
normalen Lungen mit Zwischenrippeninfiltraten über
legen war;
Fig. 12 eine Darstellung von drei verschiedenen Bereichen im
Strukturmaßkoordinatensystem, wobei retikulare,
nodulare und Waben-Muster (reticulo-nodulare Struk
turen) durch Quadrate, Kreise und Sechsecke dar
gestellt werden; und
Fig. 13 ein schematisches Blockdiagramm zur Verdeutlichung
des Verfahrens und der Vorrichtung zur automatischen
Klassifizierung von Lungenstrukturanalysen anhand
von digitalen Brustbildern.
In den Zeichnungen sind gleiche Teile mit gleichen Bezugs
zeichen versehen. Fig. 1 ist ein Fließbild zur Erläuterung
des Verfahrens zur automatischen Klassifizierung der Unter
scheidung zwischen normalen und abnormalen Lungen. Im ersten
Schritt 10 wird ein digitales Bild des zu diagnostizierenden
Patienten aufgenommen. Insbesondere werden etwa 20 interes
sierende Bereiche (IBs) aus Zwischenrippenräumen durch ein
automatisches oder manuelles Verfahren, beispielsweise nach
der deutschen Anmeldung P 38 26 287 untersucht. Für jeden IB,
der im Schritt 20 ausgewählt wird, wird die quadratische
Mittelwertvariation und das erste Moment des Potenzspektrums
der 2D Fourier-Transformation erhalten und entsprechend der
visuellen Betrachtung gefiltert. Schließlich werden die
Schwankung im quadratischen Mittelwert, R, und das erste
Moment des Potenzspektrums, M, als die bemerkten quantitativen
Strukturmaße für die Größe und Grobheit (oder Feinheit), des
Lungengewebes bestimmt.
Im einzelnen werden die 2D-Fourier-transformierten Daten durch
T (u,v) definiert, worin u und v räumliche Frequenzen in einem
kartesischen Koordinatensystem sind. T (u,v) werden durch das
menschliche Sehverhalten V (u,v) gefiltert, worin
um gefilterte Daten (T(u,v)V(u,v)) zu erhalten, worin u₀ und D
vorgegebene Konstanten sind.
Die Variation im quadratischen Mittelwert, R, und das erste
Moment des Potenzspektrums, M, werden dann folgendermaßen
erhalten:
Nachdem R und M gemäß Fig. 1 bestimmt sind, werden im Schritt
30 die zwei Strukturmaße R und M von allen IBs eines
Patienten-Brustbildes normalisiert, indem die Mittelwerte und
die Standardabweichungen herangezogen werden, die aus einer
Datenbasis für normale Lungen abgeleitet wurden. Diese Daten
basis wurde von den Erfindern entwickelt, indem Strukturmaße R
und M für 100 normale Lungen sowie für 100 abnormale Lungen
mit nodularen, retikularen und Waben-Strukturen durchgeführt
wurden. Danach wird im Schritt 40 ein einzelner Strukturindex
aus den zwei normalisierten Strukturmaßen festgelegt, indem
die Verteilung, d. h. die Datenbasis der von abnormalen Lungen
erhaltenen Strukturmaße berücksichtigt wird. Danach werden im
Schritt 50 interessierende Bereiche mit großen Strukturindices
ermittelt, die über einem vorgegebenen Schwellenwert liegen.
Diese ausgewählten IBs werden schließlich in den Schritten
60₁, 60₂ und 60₃ drei unabhängigen Tests auf ein definitiv
abnormales Einzelmuster (Schritt 60₁), ein lokalisiertes
abnormales Muster (Schritt 60₂) oder ein diffuses abnormales
Muster (60₃) unterworfen. Ein Brustbild, das irgendeines der
abnormalen Muster enthält, wird so klassifiziert, daß es eine
abnormale Lunge mit Zwischenrippenerkrankung anzeigt, und zwar
in Schritt 70. Wenn andererseits keines der abnormalen Muster
vorliegt, wird die Lunge im Schritt 80 als normal klassi
fiziert.
Die zwei Strukturmaße werden im Schritt 30 durch den Mittelwert
und die Standardabweichung von Strukturmaßen normalisiert, die
für normale Lungen, die in der Datenbasis enthalten sind,
erhalten wurden, und zwar nach den nachfolgenden Gleichungen:
worin RN und MN die normalisierten Schwankungen in dem
quadratischen Mittelwert und das normalisierte erste Moment
des Potenzspektrums sind; R⁻ und M⁻ sind die mittleren
Schwankungen im quadratischen Mittelwert und das mittlere
erste Moment des Potenzspektrums für normale Lungen; und
σR und σM sind die Standardabweichungen der quadratischen
Mittelwertschwankung und der Standardabweichung des ersten
Moments des Potenzspektrums für normale Lungen.
Die Verteilung der zwei Strukturmaße, die für normale Lungen
erhalten wurden, ist in Fig. 2 dargestellt.
Aus dieser Verteilung wurde ermittelt, daß der Mittelwert und
die Standardabweichung für die Schwankungen im quadratischen
Mittelwert für normale Lungen 8,190 und 0,884 in Pixelwert
einheiten sind und der Mittelwert und die Standardabweichung für
das erste Moment des Potenzspektrums 2,577 bzw. 0,120 Schwin
gungen/mm betragen. Die Pixelwerteinheit, die für die
Schwankung im quadratischen Mittelwert verwendet wird, kann in
andere Einheiten umgewandelt werden, die in Situationen
zweckmäßig sind, in denen die Mittelwert-Schwankung als
optische Dichte oder relative Röntgenstrahlintensität
angegeben wird. Da radiographische Bilder bei dieser Studie
mit einem Hochqualitäts-Trommelscanner digitalisiert wurden,
wobei eine 10 Bit-Analog-Digital-Umwandlung erfolgte und wobei
der optische Dichtebereich von 0,4 bis 2,2 für die Pixelwerte
im Bereich von 800 bis 200 linear aufgezeichnet wurde, (d. h.
0,003 optische Dichte/Pixelwert), sind der Mittelwert und die
Standardabweichung der Mittelwertschwankung für normale Lungen
0,02457 bzw. 0,002652 für die optische Dichteeinheit.
Der Mittelwert und die Standardabweichung in der mittleren
Schwankung für relative Röntgenstrahlintensität läßt sich
erhalten, indem diese Größen bei der optischen Dichte durch
einen Faktor von 0,434G geteilt werden, worin G der Gradient
der Kennlinie für ein Schirmfilmsystem ist, wie es für
Bruströntgen verwendet wird. Nimmt man an, daß der mittlere
Gradient 2,8 ist, dann wird vermutet, daß der Mittelwert und die
Standardabweichung der Mittelwertschwankung für normale Lungen
etwa 0,02 und 0,002 für die relative Röntgenstrahlintensität
beträgt. Es wird darauf hingewiesen, daß diese Größen für die
relative Röntgenstrahlintensität lediglich eine grobe Abschät
zung darstellen und nur vorsichtig verwendet werden sollten,
da nicht alle Kennlinien für alle Röntgenbilder bekannt sind
und lediglich die gemittelte Kurve verwendet wurde, um den
gemittelten Gradienten zu erhalten.
Die Verteilungen der normalisierten Strukturmaße für normale
und abnormale Lungen in der Datenbasis sind in den Fig. 3
und 4 dargestellt. Die Verteilung für normale Lungen ist um
den Ursprung der normalisierten Strukturmaße-Koordinaten zen
triert, während die Verteilung für abnormale Lungen nach oben
links verschoben ist. Es gibt jedoch offenbar eine
beträchtliche Überlappung zwischen diesen zwei Verteilungen.
Dies ist deswegen der Fall, weil Lungenstrukturen in einer
abnormalen Lunge auch normale Bereiche enthalten können,
sofern nicht die Erkrankung über die gesamte Lunge verbreitet
ist. Es wird vermutet, daß ein Klassifikationsschema basierend
auf lediglich diesen Verteilungen nicht sehr effektiv in der
Unterscheidung zwischen normalen und abnormalen Lungen ist.
Da die Verteilung der Strukturmaße für abnormale Lungen einige
Werte für normale Lungen enthält und somit in den zweiten
Quadranten der normalisierten Strukturmaße-Koordinaten ver
schoben ist, wird der Schritt 40 durchgeführt, um einen neuen
Einzelstrukturindex (T) gemäß Fig. 5 zu formulieren und
dadurch wirksam zwischen normalen und abnormalen Lungen zu
unterscheiden. Die Nützlichkeit einer einzigen aussagekräf
tigen Zahl, die durch einen verläßlichen Index geliefert wird,
anstelle von zwei Parametern, liegt in der Einfachheit und
Wirksamkeit der Erzielung einer genauen automatisierten
Computerklassifikation, wie dies aus den später angegebenen
Ergebnissen klar wird. Mathematisch wird der Einzelstruktur
index T folgendermaßen definiert:
d. h. der Negativwert des kleineren von MN oder des Absolut
werts von RN.
Die Nützlichkeit des Strukturindex T wird durch Vergleich der
Histogramme für die Schwankungen im quadratischen Mittelwert,
für die ersten Momente der Potenzspektren und für die neuen
Strukturindices für normale und abnormale Lungen gemäß den
Fig. 6, 7 und 8 verdeutlicht. Diese Histogramme geben die
Auftrittsfrequenzen für den Maximalwert an, der in allen IBs
für jedes Brustbild enthalten ist. Man erkennt, daß die
Histogramme der Mittelwert-Schwankungen und das erste Moment
des Potenzspektrums für abnormale Lungen sich mit jenen für
normale Lungen wesentlich überlappen. Es ist daher schwierig
zwischen normalen und abnormalen Lungen zu unterscheiden, wenn
der Maximalwert oder entweder die Mittelwertschwankung oder
das erste Moment des Potenzspektrums zu ihrer Klassifikation
herangezogen wird. Die Histogramme des Einzelstrukturindex
zeigen jedoch eine verbesserte Trennung zwischen den Vertei
lungen für normale und abnormale Lungen, wodurch sie auf
verbesserte Klassifikationen hinweisen. Dies ist in der Tat
das Ergebnis, wenn die Empfängerbetriebskurven (ROC) gemäß
Fig. 9 gezeichnet werden (zur Erläuterung einer ROC-Analyse
technik wird auf C.E. Metz, Investigative Radiology
21: 720-733 (1986) hingewiesen)). Die ROC-Kurve gilt derzeit
als das zuverlässigste Diagramm, welches die Wirksamkeit von
Detektoren (oder Beobachtern) bei der Unterscheidung zwischen
zwei möglichen Zuständen für Lungen, nämlich normal und
abnormal, angibt. Die ROC-Kurve ist allgemein eine Wiedergabe
der Beziehung zwischen dem wahren positiven Anteil, d. h. dem
Anteil der korrekten Klassifikationen (oder Erkennungen) der
abnormalen Lunge als abnormal, und dem falsch-positiven Teil,
d. h. dem Teil der inkorrekten Klassifikationen (oder
Erkennungen) der normalen Lunge als abnormal. Diese Beziehung
wird durch eine Kurve anstelle eines Punktes ausgedrückt, da
sich diese Teile je nach verwendetem Schwellenwert ändern
können.
Bei der Erzeugung der ROC-Kurve mit der Bezeichnung "Struktur
index" in Fig. 9 wird eine Strukturindexschwelle in bezug auf
die in Fig. 8 dargestellten Histogramme eingerichtet. Für
jeden möglichen Schwellenwert wird der wahre positive Anteil
als das Verhältnis der Fläche unter der Kurve für das
abnormale Lungenhistogramm rechts von dem Schwellenwert zum
Gesamtbereich unter der Kurve für das abnormale Lungenhisto
gramm ermittelt. In ähnlicher Weise wird der falsche positive
Anteil als Verhältnis der Fläche unter der Kurve des normalen
Lungenhistogramms rechts vom Schwellenwert zum Gesamtbereich
unter der Kurve des normalen Lungenhistogramms ermittelt. Wenn
beispielsweise der Schwellenwert abnimmt, soll der wahre
positive Anteil ansteigen, aber auch der falsche positive
Anteil soll ansteigen. Beim Vergleich der verschiedenen
ROC-Kurven, die mit unterschiedlichen Detektoren oder Ver
fahren erhalten werden, stellt die höhere (oder näher zur
oberen linken Ecke) liegende ROC-Kurve im allgemeinen das
bessere Verhalten dar. Daher weist Fig. 9 deutlich daraufhin,
daß die Verwendung des Strukturindex sowohl der Verwendung der
Schwankung im quadratischen Mittelwert, als auch der Verwen
dung des ersten Moments des Potenzspektrums bei der automa
tischen Klassifikation von Lungenstrukturen für normale Lungen
und für abnormale Lungen aufgrund von Zwischenrippenerkrankung
überlegen ist.
Um das automatisierte Klassifikationsverfahren nach der Er
findung weiter zu verbessern, sind drei unabhängige Tests 60₁,
60₂ und 60₃ für abnormale Muster in abnormale Lungen mit
Zwischenrippenerkrankung eingeschlossen. Der erste Test
60₁ dient dazu, festzustellen, ob irgendein Strukturindex, der
von allen IBs aus einem Brustbild erhalten wurde, einen
größeren Wert als vier hat. Wenn dies der Fall ist, wird das
Brustbild als abnormal klassifiziert, da es keine normalen
Lungen in der Datenbasis gibt, die einen Strukturindex von
mehr als 4 haben, wie man aus Fig. 8 erkennt. Wenn das
erfindungsgemäße Verfahren zur täglichen Analyse einer großen
Anzahl von klinischen Fällen herangezogen wird, dann kann es
einige normale Fälle geben, bei denen der Strukturindex größer
als vier ist und diese werden zu einer Vergrößerung des
falschen positiven Anteils beitragen. Diese Erhöhung wird
jedoch im Hinblick darauf verhältnismäßig klein sein, daß
keines der 100 normalen Brustbilder in der Datenbasis zu einem
höheren Strukturindex als vier führte.
Der zweite Test 60₂ dient dazu, festzustellen, ob vorgewählte
"abnormale" IBs mit einem Strukturindex, der relativ weit über
dem Schwellenwert liegt, sich in einem bestimmten vorgegebenen
Abstand (oder Durchmesser eines Kreises) sammeln. Der
Schwellenwert für den Strukturindex kann durch Verwendung
einer interaktiven Selektionssteuerung oder durch ein auto
matisches Verfahren verändert werden, oder er kann auf einen
vorgegebenen Wert eingestellt werden. Der Effekt des Abstandes
im Bereich von 1 cm bis 5 cm auf die Bestimmung von gehäuften
abnormalen IBs wurde bei der Ableitung der vorliegenden
Erfindung untersucht. Es hat sich herausgestellt, daß eine
Distanz von etwa 3 bis 4 cm für die Erkennung von lokali
sierten abnormalen Strukturen, die auf eine Erkrankung zurück
zuführen waren, wirksam ist und daß das Vorsehen dieses Tests
den Wirkungsgrad deutlich verbesserte, wie dies die ROC-Kurven
in Fig. 10 zeigen.
In dritter Test 60₃ untersucht, ob vorgewählte abnormale IBs
aber die gesamte Lunge verteilt sind und ein diffuses
abnormales Muster aufgrund von Erkrankung bilden. Im
Test 60₃ wird die Gesamtzahl dieser IBs je Brustbild gezählt,
die zu einem Strukturindex führen, der über dem Schwellenwert
liegt. Die Resultate zeigten an, daß dann, wenn mehr als vier
abnormale IBs vorlagen, das Brustbild höchstwahrscheinlich ein
diffuses abnormales Muster aufgrund von Erkrankung enthielt.
Die Zweckmäßigkeit des Tests 60₃ sowie das Gesamtresultat bei
der Verwendung dieser drei Tests zusammen, ist in Fig. 10
dargestellt. Aus diesem Ergebnis und aus anderen Daten, die
zum Vergleich mit der Leistung von Radiologen hinzugezogen
werden, wird bestätigt, daß der Volltest nach Fig. 1 das
beste Leistungsergebnis lieferte. Es wird darauf hingewiesen,
daß die optimalen Kriterien für sowohl die Distanz (oder den
Durchmesser) des lokalisierten abnormalen Gebiets als auch für
die Gesamtzahl der abnormalen IBs für diese Tests Verände
rungen unterworfen sein kann, wenn die Gesamtzahl der je
Brustbild ausgewählten IBs wesentlich erhöht wird.
Die oben beschriebenen Methoden und Verfahren für die Norma
lisierung, für den einzelnen Strukturindex und der Test auf
Abnormalität wurden für jedes Brustbild auf die gesamte Lunge
angewendet. Die gleichen Verfahren und Methoden können aber
auch unabhängig voneinander auf ausgewählte Lungenbereiche an
verschiedenen Stellen wie in der oberen, mittleren und unteren
Lunge sowie in der inneren und äußeren Lunge angewendet
werden. Eine Datenbasis für Lungenstrukturen für die normale
und abnormale Lunge muß dann für jeden ausgewählten Bereich
eingerichtet werden. Die Normalisierung der Strukturmaße wird
dann unabhängig für jeden Lungenbereich erreicht, indem die
Datenbasis für normale Lungen verwendet wird, die von dem
entsprechenden Lungenbereich erhalten wurde. Der Strukturindex
wird nach dem Verfahren gemäß Gleichungen 6-9 sowie nach Fig.
5 ermittelt. Tests für abnormale Lungen werden unabhängig in
jedem Lungenbereich durchgeführt.
Es hat sich gezeigt, daß dieser Ansatz zur automatischen
Klassifikation, der auf Teillungenbereiche angewendet wird,
etwas empfindlicher in der Unterscheidung zwischen normalen
und abnormalen Lungen ist, als wenn er auf die gesamte Lunge
angewendet wird. Da jedoch die Datenbasis derzeit linitiert
ist, war es nicht möglich, die statistische Bedeutung dieser
geringfügigen Empfindlichkeitsverbesserung zu bestätigen.
Offenbar wird eine größere Datenbasis für Strukturmaße
benötigt, um diesen Ansatz hinsichtlich von Teilbereichen der
Lunge zu vervollständigen.
Um die Nützlichkeit des mit Computer erfolgenden automatisierten
Klassifikationsschemas zu untersuchen, wurde das erfindungs
gemäße Verfahren auf die Analyse von klinischen Fällen
angewendet, die zuvor für Studien der Wirkung eines Anzeige
formats auf die diagnostische Neuigkeit von digitalen Brust
röntgenbildern verwendet wurde. Diese Studie schloß einen
Vergleich von Hardcopy, Video und Grauwert-Umkehrbildern ein
(H. MacMahon, C.E. Metz, K. Doi, T. Kim, M.L. Giger, und H.P.
Chan. Radiology 161(P): 203, 1986 (abstract)). Die für diese
Studie ausgewählten 60 Brustbilder enthielten kleine Abnor
malitäten wie pulmonare Knoten, Pneumotorax, Zwischenrippen
raum-Infiltrate und Knochenverletzungen. Die ROC-Kurven für
die Erkennung jeder dieser Abnormalitäten wurden von sechs
Radiologen und sechs erfahrenen radiologischen Hilfskräften
ermittelt.
Fig. 11 zeigt einen Vergleich der ROC-Kurven, die von diesen
zwölf Beobachtern erstellt wurden, mit dem automatischen
Klassifikationsverfahren nach der Erfindung. Man sieht, daß
die Computer-Auswertung den Auswertungen eines durchschnitt
lichen Beobachters hinsichtlich der Unterscheidung zwischen
normalen und abnormalen Lungen mit Zwischenrippenraum-Infil
traten überlegen ist. Es wird darauf hingewiesen, daß die
Brustbilder, die für die Beobachter-Leistungsstudien verwendet
wurden, mit Pixelgrößen von 0,3 mm und einem Trommelscanner
aufbereitet wurden, der qualitativ hochwertige Hardcopybilder
lieferte, während die automatische Klassifikation anhand von
digitalen Bilddaten erfolgte, die mit einer Pixelgröße von 0,1
mm erhalten wurde. Man nimmt an, daß die von Radiologen
erhältlichen ROC-Kurven verbessert werden können, wenn für die
Beobachter-Leistungsstudien Hardcopybilder mit Pixelgrößen von
0,1 mm zur Verfügung gestellt werden. Diese Verbesserung würde
jedoch nicht sehr wesentlich sein, wie bereits bei früheren
Beobachterleistungsstudien hinsichtlich der Wirkung der Pixel
größe auf die Erkennung von Infiltraten festgestellt wurde
(H.M. MacMahon, C.J. Vyborny, C. E. Metz, K. Doi, V. Sabeti,
und S.L. Solomon, Radiology 158: 21, (1986). Man nimmt daher
an, daß die aus der Fig. 11 gezogenen Schlüsse bestehen
bleiben, nämlich daß die Computerauswertung zuverlässiger als
der menschliche Beobachter auf Erkrankungen zurückzuführende
Abnormalitäten der Lunge feststellen kann.
Aus der Analyse von Strukturmaßen, die für abnormale Lungen
in der oben erwähnten Datenbasis erhalten werden, hat sich
gezeigt, daß abnormale Lungen mit einem Retikularmuster dazu
neigen, eine große Schwankung in dem quadratischen Mittelwert
und ein verhältnismäßig großes erstes Moment des Potenzspek
trums im Vergleich zu normalen Lungen zu enthalten. Dieses
Ergebnis entspricht der Feststellung, daß normalisierte
Strukturmaße eines Retikularmusters im allgemeinen in der
Nähe des oberen Teils der positiven RN-Achse verteilt sind.
Für abnormale Lungen mit einem Knotenmuster wird das erste
Moment des Potenzspektrums normalerweise kleiner als für
normale Lungen, während die Mittelwertschwankung mit normalen
Lungen vergleichbar ist. Diese Resultate entsprechen einer
Verteilung von normalisierten Strukturmaßen eines Knotenmusters,
das im allgemeinen in der Nähe des linken Teils der negativen
MN-Achse angeordnet ist. Abnormale Lungen mit Wabenmuster und
Retikulo-Nodular-Struktur tendieren dazu, eine Mittelwertschwan
kung zu haben, die größer als für normale Lungen ist, während
das erste Moment des Potenzspektrums kleiner als für normale
Lungen ist. Dies impliziert, daß die normalisierten Struktur
maße von Waben- und Retikulo-Nodular-Mustern im zweiten
Quadranten der (MN- RN) Koordinaten in der Nähe von links
oben von der Diagonalen liegen, die durch den Ursprung gelegt
ist.
Basierend auf den Feststellungen für diese Bildmerkmale
betreffend verschiedene abnormale Muster aufgrund von Rippen
raumerkrankungen werden abnormale Lungenbereiche mit
speziellen Markierungen (oder Symbolen) dargestellt, die
einem Brustbild überlagert werden, welches zur Interpretation
durch einen Radiologen angezeigt wird. Typischerweise wird
ein hochauflösender Kathodenstrahlröhrenmonitor zur Anzeige
verwendet; es können jedoch auch andere Anzeige-Einrichtungen,
beispielsweise Filmbilder hierfür verwendet werden. Wenn ein
Brustbild basierend auf dem automatisierten Schema gemäß
Fig. 1 als abnormal klassifiziert wird, werden alle abnor
malen IBs, die einen Strukturindex enthalten, der über dem
Schwellenwert liegt, mit drei Typen von Symbolen angezeigt,
die dem Brustbild an der Stelle der abnormalen IBs überlagert
werden und die die Art und Größe jeder Abnormalität in jedem
interessierenden Bereich (IB) anzeigen.
In Fig. 12 stellen die Quadrate Retikular-Muster dar, wenn
abnormale Strukturmaße in dem ersten Quadranten oder in einem
Drittel des zweiten Quadranten lokalisiert sind, der neben
dem ersten Quadranten liegt (wie dies durch die Ordinate und
die gestrichelte Linie angedeutet wird, die unter 30° gegen
über der Ordinate liegt). Die Kreise stellen Knotenmuster für
abnormale Strukturmaße dar, die im dritten Quadranten oder in
einem Drittel des zweiten Quadranten liegen, der benachbart
zu dem dritten Quadranten ist (wie dies durch die Abszisse
und die strichpunktierte Linie angedeutet ist, die unter
30° zur Abszisse liegt). Sechsecke stellen Waben- und Reti
kulo- nodulare Muster dar, wenn abnormale Strukturmaße in
einem Drittelabschnitt des zweiten Quadranten liegen, der im
Bereich zwischen der gestrichelten Linie und der strichpunk
tierten Linie liegt. Die Größe der Abnormalität wird durch
die Größe dieser Symbole angezeigt; je größer der Struktur
index eines abnormalen IBs ist, desto größer ist der Kreis,
das Sechseck oder das Quadrat. Die Mitte des Symbols liegt in
der Mitte des in dem Brustbild ausgewählten IB. Die Größe
eines Symbols kann im Verhältnis zu dem Strukturindex
verändert werden oder durch eine andere Beziehung, die eine
monotone Vergrößerung mit größer werdendem Strukturindex
liefert. Die Größen und Bereiche dieser drei unterschied
lichen Symbole werden gleichgehalten, wenn die Größen der
entsprechenden Strukturindices gleichbleiben.
Andere Größen, die auf dem Bildröhren-Monitor angezeigt
werden und die sehr nützlich sind, sind der wahr-positive
Anteil und der falsch-positive Anteil, die aus der ROC-Kurve
am Arbeitspunkt abgeleitet werden, nämlich bei dem verwendeten
Schwellenstrukturindex. Dies hat wesentliche Einflüsse auf
die Beurteilungskriterien betreffend die Zuverlässigkeit der
Computer-Ausgabe, wenn sie eine abnormale Lunge anzeigen, da
der wahr-positive Anteil und der falsch-positive Anteil die
Wahrscheinlichkeit darstellen, daß eine abnormale Lunge bzw.
eine normale Lunge vorliegt, wenn ein Brustbild automatisch
gemäß Erfindung klassifiziert wird. Mit anderen Worten kann
das erfindungsgemäße Verfahren die Wahrscheinlichkeit zeigen,
daß die Lunge tatsächlich abnormal ist und auch die
Wahrscheinlichkeit, daß die Lunge tatsächlich normal sein
kann, selbst wenn die Computer-Ausgabe auf eine abnormale
Lunge hindeutet.
Da eine ROC-Kurve, wie sie in Fig. 10 dargestellt ist, durch
Veränderung des Schwellenwertes für den Strukturindex
abgeleitet wird, können die Daten für diese Kurve zusammen
mit dem entsprechenden Schwellenwert in dem Computer
gespeichert werden. Wenn also ein Brustbild bei einem vorge
gebenen Schwellenwert analysiert wird, können die entsprechenden
Werte für den wahr-positiven Anteil und den falsch-positiven
Anteil bei diesem Schwellenwert auf dem Monitor angezeigt
werden, wenn das Brustbild aufgrund von Zwischenrippenraum
erkrankung als abnormal klassifiziert wird. Ferner, wenn das
Brustbild durch Veränderung des Schwellenwertes interaktiv
analysiert wird, können die entsprechenden Veränderungen
dieser Anteile bei verschiedenen Schwellenwerten sowie über
dem Schwellenwert liegende abnormale IBs unmittelbar bei der
Veränderung dieses Wertes angezeigt werden. Dieses Anzeigen
der Art, Größe und Wahrscheinlichkeit von abnormalen Lungen
strukturen erleichtern dem Radiologen die Diagnose ganz
wesentlich.
Wenn ein Brustbild mit dem automatisierten Klassifikations
verfahren als normal beurteilt wird, werden zwei wichtige
Parameter auf dem Bildschirm in ähnlicher Weise wie für eine
abnormale Lunge angezeigt. Diese Parameter sind die
Wahrscheinlichkeit, daß die Lunge tatsächlich normal ist,
d. h. der wahr-negative Anteil, der gleich eins ist, minus dem
falsch-positiven Anteil, und die Wahrscheinlichkeit, daß die
Lunge tatsächlich abnormal ist, d. h. der falsch-negative
Anteil, der gleich eins ist, minus dem wahr-positiven Anteil.
Es ist klar, daß diese Wahrscheinlichkeiten aus der ROC-Kurve
ermittelt werden können und daß sie als Beurteilungskriterien
betreffend die Zuverlässigkeit zweckmäßig sind, daß eine
normale Lunge von dem Computer als solche bezeichnet wird.
Fig. 13 ist ein schematisches Blockdiagramm des sequen
tiellen Arbeitsablaufs eines fest verdrahteten, automatisierten
Klassifikationssystems zur Analyse von Lungenstrukturen bei
digitalen Brustbildern. Zuerst werden digitale Bilddaten
entsprechend einem gegebenen Bruströntgenbild mit Hilfe einer
Eingabeeinrichtung 100 eingegeben und in einem Bildspeicher
105 gespeichert. Ein digitales Brustbild kann durch Digitali
sierung eines konventionellen Röntgenfilmbildes erhalten
werden. Man kann das digitale Brustbild auch auf andere
Weise, beispielsweise mit einer Vorrichtung nach Picker
erhalten, bei der eine digitale Zeilenabtastung erfolgt. Ein
anderes Verfahren von AS digitalisiert durch punktweise
Abtastung. Weitere Vorrichtungen sind ein Speicherphosphor
nach Fuji oder ein Lasersystem. Die Bilderzeugung kann auch
mit Hilfe von Bildverstärkern erfolgen, die mit einem digi
talisierten TV-System gekoppelt sind. Es sind auch Selen-
Platten zur bilddigitalen Bilderzeugung bekannt. Geeignete
IBs werden dann von Hand oder automatisch ausgewählt, (Block
110), und Strukturmessungen R und M werden an ausgewählten
IBs ermittelt (Block 120). Die Strukturmaße R, M werden in
einem Normalisierungsrechner 130 normalisiert, und zwar
basierend auf der Datenbasisstatistik für normale Lungen, die
in dem Datenbasisspeicher 130₁ gespeichert ist. Normalisierte
Strukturmaße werden dann an den Rechner 140 gelegt, der einen
einzigen Strukturindex T(M,R) berechnet, wie dies anhand von
Fig. 5 erläutert wurde. Der einzelne Strukturindex T(M,R)
wird vom Rechner 140 an einen Vergleicher 150 gelegt, der den
Strukturindex für jeden IB mit einem Schwellenwert vergleicht,
der interaktiv durch eine interaktive Schwellenwert-Auswahl
steuerung 150₁ aus gewählt werden kann. Die Steuerung
150₁ legt außerdem einen auswählbaren Schwellenwert an einen
ROC-Generator 150₂, der ROC-Daten speichert und, basierend
auf einem ausgewählten Schwellenwert, der von der Steuerung
150₁ angelegt wird, falsch-positive Daten und wahr-positive
Daten bei dem ausgewählten Schwellenindex erzeugt. Außerdem
ist ein Vergleicher 160₁ vorgesehen, der ermittelt, ob der
Strukturindex für jeden IB, der den von der Steuerung
150₁ eingestellten Schwellenwert übersteigt, gemäß Entscheidung
vom Vergleicher 150 größer als 4 ist; der Analysator 160₂,
der feststellt, ob die IBs, die vom Vergleicher 160₁ nicht
als abnormal eingeordnet wurden, sich in einem vorgegebenen
Abstand (oder Durchmesser eines Kreises) häufen; und der
Vergleicher 160₃, der feststellt, ob die Gesamtzahl der IBs,
die den von der Steuerung 150₁ eingestellten Schwellenwert
übersteigen, gemäß Feststellung durch den Vergleicher 150
größer als 4 ist. Falls einer der Vergleicher 160₁, 160₃ und
der Analysator 160₂ eine positive Entscheidung liefern, dann
wird von dem Klassifizierer 170 eine Klassifikation gemacht,
daß eine abnormale Lunge vorliegt. Falls dies nicht der Fall
ist, dann entscheidet ein Klassifizierer 180, daß eine
normale Lunge vorhanden ist.
Es ist ferner ein Symbolgenerator 190 vorgesehen, der Symbole
erzeugt, die auf die Art der Abnormalität hinweisen (z. B.
Wabenform, Retikularform, Retikulo-Nodular-Form, Knotenform
etc., wie dies bereits erläutert wurde), wobei jedes Symbol
eine Größe hat, die auf das Ausmaß der Abnormalität
hindeutet, d. h. im Verhältnis zu dem Strukturindex steht.
Es ist eine Anzeige 200, beispielsweise eine
Bildröhre zur Anzeige des Bildes vorgesehen, wobei die vom
Generator 190 erzeugten Symbole an der Stelle der abnormalen
IBs ebenso wie die ROC-Information vom Generator 150₂ angezeigt
werden.
Claims (14)
1. Verfahren zur automatischen Klassifizierung und Unterschei
dung zwischen normalen und abnormalen Lungen bei Erkrankun
gen, die in digitalen Bruströntgenbildern erkennbar sind,
wobei ein mit einer Röntgeneinrichtung erhaltenes Röntgen
bild digitalisiert wird,
eine Vielzahl von interessierenden Bereichen (IBs) aus den Rippenzwischenräumen des digitalen Röntgenbildes ausgewählt werden;
digitale Daten erzeugt werden, die die Struktur jedes IB darstellen;
aus den digitalen Daten jedes ausgewählten IB Strukturmaße ermittelt werden, die die Lungenstruktur des jeweiligen IB darstellen;
dadurch gekennzeichnet, daß der Ermittlungsschritt aufweist:
Entfernen von ungleichmäßigem Hintergrundtrend in den digitalen Daten jedes IB zur Isolierung einer darunter liegenden Feinstruktur;
Festlegen des Potenzspektrums der darunterliegenden Fein struktur;
Bandpaßfilterung des festgelegten Potenzspektrums;
Ermitteln der Schwankung in dem quadratischen Mittelwert (R) und des ersten Moments (M) des bandpaßgefilterten Potenzspektrums; und
Verwendung von R und M als die vorgegebenen Strukturmaße;
daß die Strukturmaße in bezug auf vorgegebene Eigenschaften, die aus einer Datenbasis für normale Lungen abgeleitet wer den, normalisiert werden; und
daß die normalisierten Strukturmaße verarbeitet werden, um basierend auf den vorgegebenen Kriterien zu entscheiden, ob ein Lungenbild eine normale oder abnormale Lunge zeigt.
eine Vielzahl von interessierenden Bereichen (IBs) aus den Rippenzwischenräumen des digitalen Röntgenbildes ausgewählt werden;
digitale Daten erzeugt werden, die die Struktur jedes IB darstellen;
aus den digitalen Daten jedes ausgewählten IB Strukturmaße ermittelt werden, die die Lungenstruktur des jeweiligen IB darstellen;
dadurch gekennzeichnet, daß der Ermittlungsschritt aufweist:
Entfernen von ungleichmäßigem Hintergrundtrend in den digitalen Daten jedes IB zur Isolierung einer darunter liegenden Feinstruktur;
Festlegen des Potenzspektrums der darunterliegenden Fein struktur;
Bandpaßfilterung des festgelegten Potenzspektrums;
Ermitteln der Schwankung in dem quadratischen Mittelwert (R) und des ersten Moments (M) des bandpaßgefilterten Potenzspektrums; und
Verwendung von R und M als die vorgegebenen Strukturmaße;
daß die Strukturmaße in bezug auf vorgegebene Eigenschaften, die aus einer Datenbasis für normale Lungen abgeleitet wer den, normalisiert werden; und
daß die normalisierten Strukturmaße verarbeitet werden, um basierend auf den vorgegebenen Kriterien zu entscheiden, ob ein Lungenbild eine normale oder abnormale Lunge zeigt.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der
Normalisierungsschritt aufweist:
Festlegung von normalisierten Werten für RN und MN basierend auf den folgenden Beziehungen: worin R⁻ und M⁻ jeweils die mittlere Schwankung im quadrati schen Mittelwert und das mittlere erste Moment des Potenz spektrums für normale Lungen sind, wie sie aus der Daten basis abgeleitet sind und worin σR und σM jeweils die Stan dardabweichungen der Schwankung im quadratischen Mittelwert und des ersten Moments des Potenzspektrums für normale Lun gen sind.
Festlegung von normalisierten Werten für RN und MN basierend auf den folgenden Beziehungen: worin R⁻ und M⁻ jeweils die mittlere Schwankung im quadrati schen Mittelwert und das mittlere erste Moment des Potenz spektrums für normale Lungen sind, wie sie aus der Daten basis abgeleitet sind und worin σR und σM jeweils die Stan dardabweichungen der Schwankung im quadratischen Mittelwert und des ersten Moments des Potenzspektrums für normale Lun gen sind.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß der
Verarbeitungsschritt aufweist:
Berechnen eines einzelnen Strukturindex (T) basierend auf den normalisierten Werten von RN und MN.
Berechnen eines einzelnen Strukturindex (T) basierend auf den normalisierten Werten von RN und MN.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß T in
(MN, RN) Koordinaten folgendermaßen definiert ist:
T = RN für den ersten Quadranten, in dem MN < 0 und RN < 0 ist,
T = (MN² + RN²)0,5 für den zweiten Quadranten, in dem MN < 0 und RN < 0 ist,
T = -MN für den dritten Quadranten, in dem MN < 0 und RN < 0 ist, und
T = - {Min(MN, | RN |)} für den vierten Quadranten, in dem MN < 0 und RN < 0 ist.
T = RN für den ersten Quadranten, in dem MN < 0 und RN < 0 ist,
T = (MN² + RN²)0,5 für den zweiten Quadranten, in dem MN < 0 und RN < 0 ist,
T = -MN für den dritten Quadranten, in dem MN < 0 und RN < 0 ist, und
T = - {Min(MN, | RN |)} für den vierten Quadranten, in dem MN < 0 und RN < 0 ist.
5. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß der
Verarbeitungsschritt umfaßt:
Vergleichen des Strukturindex T jedes ausgewählten IB gegen einen ersten Schwellenwert; und
Entscheiden, ob jeder IB möglicherweise abnormal ist, wenn der jeweilige Strukturindex den ersten Schwellenwert in dem Vergleichsschritt überschreitet.
Vergleichen des Strukturindex T jedes ausgewählten IB gegen einen ersten Schwellenwert; und
Entscheiden, ob jeder IB möglicherweise abnormal ist, wenn der jeweilige Strukturindex den ersten Schwellenwert in dem Vergleichsschritt überschreitet.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß der
Verarbeitungsschritt umfaßt:
Vergleichen des Strukturindex T für jene IBs, die mögli cherweise als abnormal bezeichnet wurden, gegenüber einem zweiten Schwellenwert; und
Feststellen der Existenz einer abnormalen IB-Struktur, wenn irgendein Strukturindex T den zweiten Schwellenwert über steigt.
Vergleichen des Strukturindex T für jene IBs, die mögli cherweise als abnormal bezeichnet wurden, gegenüber einem zweiten Schwellenwert; und
Feststellen der Existenz einer abnormalen IB-Struktur, wenn irgendein Strukturindex T den zweiten Schwellenwert über steigt.
7. Verfahren nach Anspruch 5 oder 6, dadurch gekennzeichnet,
daß der Verarbeitungsschritt umfaßt:
Entscheiden, ob jene IB., die als potentiell abnormal er mittelt wurden, in einem vorgegebenen Abstand zueinander gehäuft sind; und
Feststellen der Existenz eines abnormalen IB-Musters, wenn gefunden wurde, daß sich die möglicherweise abnormalen IBs in dem vorgegebenen Abstand zueinander häufen.
Entscheiden, ob jene IB., die als potentiell abnormal er mittelt wurden, in einem vorgegebenen Abstand zueinander gehäuft sind; und
Feststellen der Existenz eines abnormalen IB-Musters, wenn gefunden wurde, daß sich die möglicherweise abnormalen IBs in dem vorgegebenen Abstand zueinander häufen.
8. Verfahren nach Anspruch 5 oder 7, dadurch gekennzeichnet,
daß der Verarbeitungsschritt umfaßt:
Zählen der Anzahl der möglicherweise abnormalen IBs; und
Ermitteln der Existenz eines abnormalen IB-Musters, wenn die Zahl der möglicherweise abnormalen IBs einen dritten vor gegebenen Schwellenwert überschreitet.
Zählen der Anzahl der möglicherweise abnormalen IBs; und
Ermitteln der Existenz eines abnormalen IB-Musters, wenn die Zahl der möglicherweise abnormalen IBs einen dritten vor gegebenen Schwellenwert überschreitet.
9. Verfahren nach Anspruch 6, 7 oder 8, dadurch gekennzeichnet,
daß der Verarbeitungsschritt umfaßt:
Feststellen, ob irgendwelche abnormalen IBs retikular, nodu lar, wabenförmig oder retikulo-nodular basierend auf dem jeweiligen Quadranten von (MN, RN)-Koordinaten und dem Ort innerhalb eines Quadranten der (MN, RN)-Koordinaten der IBs sind.
Feststellen, ob irgendwelche abnormalen IBs retikular, nodu lar, wabenförmig oder retikulo-nodular basierend auf dem jeweiligen Quadranten von (MN, RN)-Koordinaten und dem Ort innerhalb eines Quadranten der (MN, RN)-Koordinaten der IBs sind.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß
das aus dem digitalen Röntgenbild gebildete Bild angezeigt wird; und
jene IBs in dem angezeigten Bild, die einem abnormalen IB- Muster entsprechen, identifiziert werden.
das aus dem digitalen Röntgenbild gebildete Bild angezeigt wird; und
jene IBs in dem angezeigten Bild, die einem abnormalen IB- Muster entsprechen, identifiziert werden.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, daß
jeweilige Abnormalitätssymbole, die bestimmte abnormale IBs
von abnormalen IB-Mustern als retikular, nodular, wabenför
mig oder retikulo-nodular auf dem angezeigten Bild an der
Stelle des jeweiligen abnormalen IB in dem angezeigten Bild
bezeichnen, angezeigt werden.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß
die Größe jedes abnormalen Symbols entsprechend der Größe
des Strukturindex T des jeweiligen IB verändert wird.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, daß
eine Empfängerbetriebscharakteristik (ROC)-Kurve als Funk tion des ersten Schwellenwertes in Bezug auf die Veränderung eines wahren positiven Anteils gegenüber einem falschen positiven Anteil von IBs, die als abnormal bezeichnet wer den, abgeleitet wird; und
ein wahr-positiver Anteil und ein falsch-positiver Anteil zusätzlich zu dem Bild und zu den Abnormalitätssymbolen angezeigt werden.
eine Empfängerbetriebscharakteristik (ROC)-Kurve als Funk tion des ersten Schwellenwertes in Bezug auf die Veränderung eines wahren positiven Anteils gegenüber einem falschen positiven Anteil von IBs, die als abnormal bezeichnet wer den, abgeleitet wird; und
ein wahr-positiver Anteil und ein falsch-positiver Anteil zusätzlich zu dem Bild und zu den Abnormalitätssymbolen angezeigt werden.
14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, daß
der erste Schwellenwert interaktiv veränderbar ist und das
Bild, die Abnormalitätssymbole und der wahr-positive und der
falsch-positive Anteil, wie sie für einen veränderten ersten
Schwellenwert ermittelt werden, angezeigt werden.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/126,847 US4839807A (en) | 1987-08-03 | 1987-11-27 | Method and system for automated classification of distinction between normal lungs and abnormal lungs with interstitial disease in digital chest radiographs |
Publications (2)
Publication Number | Publication Date |
---|---|
DE3840257A1 DE3840257A1 (de) | 1989-06-15 |
DE3840257C2 true DE3840257C2 (de) | 1997-07-24 |
Family
ID=22426994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE3840257A Expired - Fee Related DE3840257C2 (de) | 1987-11-27 | 1988-11-25 | Verfahren zur automatischen Beurteilung von Unterschieden zwischen normalen und abnormalen Lungen |
Country Status (2)
Country | Link |
---|---|
US (1) | US4839807A (de) |
DE (1) | DE3840257C2 (de) |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5185809A (en) * | 1987-08-14 | 1993-02-09 | The General Hospital Corporation | Morphometric analysis of anatomical tomographic data |
US5544650A (en) * | 1988-04-08 | 1996-08-13 | Neuromedical Systems, Inc. | Automated specimen classification system and method |
US5740270A (en) * | 1988-04-08 | 1998-04-14 | Neuromedical Systems, Inc. | Automated cytological specimen classification system and method |
US5024230A (en) * | 1988-11-23 | 1991-06-18 | Picker International, Inc. | Dual flow/lambda display for xenon enhanced tomography |
US5016173A (en) * | 1989-04-13 | 1991-05-14 | Vanguard Imaging Ltd. | Apparatus and method for monitoring visually accessible surfaces of the body |
JP2571129B2 (ja) * | 1989-06-26 | 1997-01-16 | 富士写真フイルム株式会社 | 放射線画像診断装置 |
US5224036A (en) * | 1989-06-26 | 1993-06-29 | Fuji Photo Film Co., Ltd. | Pattern recognition apparatus |
US5850465A (en) * | 1989-06-26 | 1998-12-15 | Fuji Photo Film Co., Ltd. | Abnormnal pattern detecting or judging apparatus, circular pattern judging apparatus, and image finding apparatus |
US5341439A (en) * | 1989-09-21 | 1994-08-23 | Hsu Shin Yi | System for texture-based automatic detection of man-made objects in representations of sensed natural environmental scenes |
US5274715A (en) * | 1989-09-21 | 1993-12-28 | Hsu Shin Yi | Characterizing image texture |
US5123054A (en) * | 1989-10-19 | 1992-06-16 | Fuji Photo Film Co., Ltd. | Abnormal pattern detecting apparatus |
US5212637A (en) * | 1989-11-22 | 1993-05-18 | Stereometrix Corporation | Method of investigating mammograms for masses and calcifications, and apparatus for practicing such method |
JP3231810B2 (ja) * | 1990-08-28 | 2001-11-26 | アーチ・デベロップメント・コーポレーション | ニューラル・ネットワークを用いた鑑別診断支援方法 |
JP3083606B2 (ja) * | 1990-11-22 | 2000-09-04 | 株式会社東芝 | 医用診断支援システム |
US5331550A (en) * | 1991-03-05 | 1994-07-19 | E. I. Du Pont De Nemours And Company | Application of neural networks as an aid in medical diagnosis and general anomaly detection |
US5913822A (en) * | 1991-09-25 | 1999-06-22 | Siemens Medical Systems, Inc. | Optimization of parameters in nuclear medicine studies before the studies are concluded |
US5289374A (en) * | 1992-02-28 | 1994-02-22 | Arch Development Corporation | Method and system for analysis of false positives produced by an automated scheme for the detection of lung nodules in digital chest radiographs |
US5343390A (en) * | 1992-02-28 | 1994-08-30 | Arch Development Corporation | Method and system for automated selection of regions of interest and detection of septal lines in digital chest radiographs |
US5319549A (en) * | 1992-11-25 | 1994-06-07 | Arch Development Corporation | Method and system for determining geometric pattern features of interstitial infiltrates in chest images |
EP0973116A1 (de) * | 1993-03-01 | 2000-01-19 | Kabushiki Kaisha Toshiba | System zur Verarbeitung von medizinischen Daten zur Unterstützung der Diagnose |
US5491627A (en) * | 1993-05-13 | 1996-02-13 | Arch Development Corporation | Method and system for the detection of microcalcifications in digital mammograms |
CA2132138C (en) * | 1993-09-29 | 2004-01-06 | Shih-Ping Wang | Computer-aided diagnosis system and method |
US5729620A (en) * | 1993-09-29 | 1998-03-17 | Wang; Shih-Ping | Computer-aided diagnosis system and method |
US5848198A (en) * | 1993-10-08 | 1998-12-08 | Penn; Alan Irvin | Method of and apparatus for analyzing images and deriving binary image representations |
US5426684A (en) * | 1993-11-15 | 1995-06-20 | Eastman Kodak Company | Technique for finding the histogram region of interest for improved tone scale reproduction of digital radiographic images |
US5627907A (en) * | 1994-12-01 | 1997-05-06 | University Of Pittsburgh | Computerized detection of masses and microcalcifications in digital mammograms |
US5790690A (en) * | 1995-04-25 | 1998-08-04 | Arch Development Corporation | Computer-aided method for automated image feature analysis and diagnosis of medical images |
CA2232164A1 (en) * | 1995-09-19 | 1997-03-27 | Morphometrix Technologies Inc. | A neural network assisted multi-spectral segmentation system |
US5872859A (en) | 1995-11-02 | 1999-02-16 | University Of Pittsburgh | Training/optimization of computer aided detection schemes based on measures of overall image quality |
US6067372A (en) * | 1996-02-22 | 2000-05-23 | University Of Pittsburgh | Method and system to enhance robust identification of abnormal regions in radiographs |
US6263092B1 (en) * | 1996-07-10 | 2001-07-17 | R2 Technology, Inc. | Method and apparatus for fast detection of spiculated lesions in digital mammograms |
US5815591A (en) * | 1996-07-10 | 1998-09-29 | R2 Technology, Inc. | Method and apparatus for fast detection of spiculated lesions in digital mammograms |
US5917929A (en) * | 1996-07-23 | 1999-06-29 | R2 Technology, Inc. | User interface for computer aided diagnosis system |
US5987345A (en) * | 1996-11-29 | 1999-11-16 | Arch Development Corporation | Method and system for displaying medical images |
US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
US6246782B1 (en) | 1997-06-06 | 2001-06-12 | Lockheed Martin Corporation | System for automated detection of cancerous masses in mammograms |
US6078680A (en) * | 1997-07-25 | 2000-06-20 | Arch Development Corporation | Method, apparatus, and storage medium for detection of nodules in biological tissue using wavelet snakes to characterize features in radiographic images |
US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
US6018590A (en) * | 1997-10-07 | 2000-01-25 | Eastman Kodak Company | Technique for finding the histogram region of interest based on landmark detection for improved tonescale reproduction of digital radiographic images |
EP1032915B1 (de) * | 1997-11-28 | 2012-05-09 | Shih-Ping Wang | System und verfahren zur rechnergestützten diagnose |
US6282307B1 (en) | 1998-02-23 | 2001-08-28 | Arch Development Corporation | Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs |
US6898303B2 (en) | 2000-01-18 | 2005-05-24 | Arch Development Corporation | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans |
US20020009215A1 (en) | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
JP2002172117A (ja) * | 2000-09-05 | 2002-06-18 | Fuji Photo Film Co Ltd | 光断層画像診断情報出力装置 |
US6675039B2 (en) | 2001-08-31 | 2004-01-06 | Ge Medical Systems Global Technology Company, Llc | Computed tomography scan protocol |
US7450783B2 (en) * | 2003-09-12 | 2008-11-11 | Biopticon Corporation | Methods and systems for measuring the size and volume of features on live tissues |
US20060018524A1 (en) * | 2004-07-15 | 2006-01-26 | Uc Tech | Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose CT |
US20070081700A1 (en) * | 2005-09-29 | 2007-04-12 | General Electric Company | Systems, methods and apparatus for creation of a database of images from categorical indices |
US20070081701A1 (en) * | 2005-09-29 | 2007-04-12 | General Electric Company | Systems, methods and apparatus for tracking progression and tracking treatment of disease from categorical indices |
US7929737B2 (en) | 2005-09-29 | 2011-04-19 | General Electric Company | Method and system for automatically generating a disease severity index |
US20070081699A1 (en) * | 2005-09-29 | 2007-04-12 | General Electric Company | Systems, methods and apparatus for diagnosis of disease from categorical indices |
KR20080064155A (ko) | 2005-10-14 | 2008-07-08 | 어플라이드 리써치 어쏘시에이츠 뉴질랜드 리미티드 | 표면 특징을 모니터링하는 방법 및 장치 |
US9179844B2 (en) | 2011-11-28 | 2015-11-10 | Aranz Healthcare Limited | Handheld skin measuring or monitoring device |
US10013527B2 (en) | 2016-05-02 | 2018-07-03 | Aranz Healthcare Limited | Automatically assessing an anatomical surface feature and securely managing information related to the same |
US11116407B2 (en) | 2016-11-17 | 2021-09-14 | Aranz Healthcare Limited | Anatomical surface assessment methods, devices and systems |
WO2018185560A2 (en) | 2017-04-04 | 2018-10-11 | Aranz Healthcare Limited | Anatomical surface assessment methods, devices and systems |
US11049606B2 (en) | 2018-04-25 | 2021-06-29 | Sota Precision Optics, Inc. | Dental imaging system utilizing artificial intelligence |
WO2020234653A1 (en) | 2019-05-20 | 2020-11-26 | Aranz Healthcare Limited | Automated or partially automated anatomical surface assessment methods, devices and systems |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3980885A (en) * | 1974-09-06 | 1976-09-14 | Vincent William Steward | Diagnosis by proton bombardment |
US4411270A (en) * | 1978-11-20 | 1983-10-25 | Damadian Raymond V | Apparatus and method for nuclear magnetic resonance scanning and mapping |
US4437161A (en) * | 1981-06-29 | 1984-03-13 | Siemens Gammasonics Inc. | Medical imaging apparatus |
JPS58139241A (ja) * | 1982-02-10 | 1983-08-18 | Toshiba Corp | 画像メモリアクセス方式 |
JPS59111738A (ja) * | 1982-12-16 | 1984-06-28 | 株式会社東芝 | X線断層撮影装置 |
DE3342353A1 (de) * | 1983-11-23 | 1985-05-30 | Siemens AG, 1000 Berlin und 8000 München | Verfahren zum betrieb eines computertomographen |
DE3426830A1 (de) * | 1984-03-12 | 1985-09-12 | Siemens AG, 1000 Berlin und 8000 München | Roentgendiagnostikeinrichtung |
US4682291A (en) * | 1984-10-26 | 1987-07-21 | Elscint Ltd. | Noise artifacts reduction |
JPH0613027B2 (ja) * | 1985-06-26 | 1994-02-23 | 富士通株式会社 | 超音波媒体特性値測定装置 |
JPS62125481A (ja) * | 1985-11-26 | 1987-06-06 | インターナショナル・ビジネス・マシーンズ・コーポレーション | パタ−ン認識装置 |
US4851984A (en) * | 1987-08-03 | 1989-07-25 | University Of Chicago | Method and system for localization of inter-rib spaces and automated lung texture analysis in digital chest radiographs |
-
1987
- 1987-11-27 US US07/126,847 patent/US4839807A/en not_active Expired - Lifetime
-
1988
- 1988-11-25 DE DE3840257A patent/DE3840257C2/de not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US4839807A (en) | 1989-06-13 |
DE3840257A1 (de) | 1989-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3840257C2 (de) | Verfahren zur automatischen Beurteilung von Unterschieden zwischen normalen und abnormalen Lungen | |
DE3826287C2 (de) | Verfahren und Vorrichtung zur automatischen Analyse von Lungengewebe aus einem röntgenologischen Brustbild | |
DE69432995T2 (de) | Automatisches Verfahren und System zur Segmentierung medizinischer Bilder | |
DE69331251T2 (de) | Automatische Detektion des Vorder- und Hintergrunds in digitalen Röntgenbildern | |
DE69630935T2 (de) | Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild | |
DE69034160T2 (de) | Rechnerbasiertes verfahren um die untersuchung von menschlischen brustgewebe nach malignität zu unterstützen | |
DE69427567T2 (de) | Verfahren zum Auffinden eines Histogrammbereichs von Interesse für die verbesserte Grauskalenwiedergabe von Röntgenbildern | |
DE2952422C3 (de) | Verfahren und Vorrichtung zum Verarbeiten eines Röntgenbildes bei einem Röntgenbild-Kopiersystem | |
DE60212917T2 (de) | Vorrichtung zur Berechnung eines Index von örtlichen Blutflüssen | |
DE69629445T2 (de) | Automatische Tonskalenabstimmung mittels Bildaktivitätsmessungen | |
DE19916612B4 (de) | Verfahren und System zur Verbesserung diskreter Pixelbilder | |
DE102005049602B3 (de) | Verfahren und Vorrichtung zur Segmentierung zumindest einer Substanz in einem Röntgenbild | |
DE69322498T2 (de) | Verfahren zur identifizierung von normalen biomedizinischen proben | |
DE102005037367B3 (de) | Verfahren für eine Röntgeneinrichtung | |
EP3332710B1 (de) | Charakterisierung von plaque | |
DE10306300A1 (de) | Computergestützte Erfassung (CAD) für eine digitale 3D-Mammographie | |
EP0938063B1 (de) | Verfahren zur zweidimensionalen Abbildung von Strukturen für die medizinische Diagnostik | |
DE10043725A1 (de) | Verfahren und Vorrichtung zur Zwei-Durchlauf-Kegelstrahlbildrekonstruktion | |
DE10392482T5 (de) | Nachweis von Lungenknoten unter Verwendung der Cartwheel-Projektionsanalyse | |
DE10054814A1 (de) | Verfahren und Vorrichtung zur Registrierung von Bildern | |
DE102005047539A1 (de) | Bildverarbeitungsverfahren zur Fensterung und/oder Dosisregelung für medizinische Diagnostikeinrichtungen | |
DE69308024T2 (de) | Verfahren und Anordnung zur Lokalisierung von gesättigten Bildelementen auf einer Röntgenbildanzeigevorrichtung | |
DE69117692T2 (de) | Gerät und Verfahren zum Verarbeiten von Röntgenbilddaten | |
DE102007026804A1 (de) | Verfahren zur Verarbeitung von radiologischen Bildern zur Erfassung radiologischer Auffälligkeiten | |
DE10155089C1 (de) | Verfahren zur Entfernung von Ringen und Teilringen in Computertomographie-Bildern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8128 | New person/name/address of the agent |
Representative=s name: STOLBERG-WERNIGERODE, GRAF ZU, U., DIPL.-CHEM. DR. |
|
8125 | Change of the main classification |
Ipc: G06T 7/40 |
|
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |