DE69711027T2 - Verfahren zur Segmentierung eines Strahlungsbildes in direktes Belichtungsgebiet und diagnostisch relevantes Gebiet - Google Patents
Verfahren zur Segmentierung eines Strahlungsbildes in direktes Belichtungsgebiet und diagnostisch relevantes GebietInfo
- Publication number
- DE69711027T2 DE69711027T2 DE69711027T DE69711027T DE69711027T2 DE 69711027 T2 DE69711027 T2 DE 69711027T2 DE 69711027 T DE69711027 T DE 69711027T DE 69711027 T DE69711027 T DE 69711027T DE 69711027 T2 DE69711027 T2 DE 69711027T2
- Authority
- DE
- Germany
- Prior art keywords
- histogram
- image
- diagnostically relevant
- area
- archetype
- 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 - Lifetime
Links
- 238000000034 method Methods 0.000 title claims description 52
- 230000005855 radiation Effects 0.000 title claims description 14
- 230000008569 process Effects 0.000 title description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10116—X-ray image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Description
- Die vorliegende Erfindung betrifft die digitale Bildverarbeitung und insbesondere ein Verfahren zum Segmentieren eines Strahlungsbilds, wie etwa eines Röntgenbilds, in diagnostische Bereiche (oder Körperteile) und Direktbelichtungsbereiche (Hintergrundbereiche).
- Bei Strahlungsabbildungssystemen, wie etwa rechnergestützten Radiographiesystemen ist es gegenwärtig üblich, die digitale Signaldarstellung eines Bilds einer Signalverarbeitung zu unterwerfen, um ein verbessertes Bild zu erzeugen. Auf diese Weise wird dem Radiologen geholfen, in dem Bild selbst die feinsten diagnostischen Details besser wahrzunehmen.
- Diese Bildverbesserung wird beispielsweise durch eine mehrskalige Kontrastverstärkung, geeignete Fenster-/Pegeleinstellung und sensitometrische Abbildung usw. erreicht.
- Im Stand der Technik ist eine große Anzahl von bildverbessernden Verarbeitungsverfahren beschrieben worden, die sich auf Strahlungsbilder anwenden lassen.
- So wird beispielsweise in der europäischen Patentanmeldung 546 600 eine optimale Fenster-/Pegeleinstellung beschrieben. Bei dieser Patentanmeldung ist die automatische Bestimmung zweier charakteristischer Histogrammpunkte beschrieben worden. Die Untergrenze und die Obergrenze des diagnostisch nützlichen Signalbereichs werden bestimmt, was zu einer entsprechenden Fenster- /Pegeleinstellung führt.
- In der europäischen Patentanmeldung 549 009 ist ein Verfahren zum Ableiten einer sensitometrischen Abbildung von diesen charakteristischen Histogrammpunkten beschrieben worden.
- In der europäischen Patentanmeldung 527 525 wird ein als Multiscale Image Enhancement and Amplification (MUSICA = mehrskalige Bildverbesserung und Verstärkung) bekanntes Verfahren zum Verbessern von Einzelheiten unabhängig von ihrem Maßstab oder Ausmaß zum optimalen Abbilden des Eingangsdynamikbereichs auf den verfügbaren Ausgangsdynamikbereich offenbart.
- Es wurde erkannt, daß die Wirksamkeit dieser Techniken in erster Linie von der optimalen Auswahl von Parametern abhängt, die verwendet werden. Diese Parameter sind nicht festgelegt, sondern werden als Funktion des Bildinhalts und der Untersuchungsart ausgewählt. Die Techniken zum Bestimmen der Parameter basieren üblicherweise auf einer Berechnung des Histogramms des Bilds.
- Das Histogramm basiert jedoch oftmals auf von dem ganzen Bild stammenden Daten. Insbesondere berücksichtigt das Histogramm aus dem Vordergrund oder kollimierten Bereichen (im Fall von Bildern mit geteiltem Schirm sogar aus unterschiedlichen Bildern) stammende Daten sowie Daten aus dem Direktbelichtungsbereich (auch als Hintergrundbereich bezeichnet) zusätzlich zu Daten aus dem diagnostisch relevanten Bereich.
- Dieser Hintergrund- und Vordergrundbereich kann möglicherweise die Auswahl dieser Parameter beeinflussen, was wiederum möglicherweise zu unerwünschten Effekten führen kann.
- Es sind Techniken zum Umreißen des belichteten Bereichs bei kollimierten Bildern entwickelt worden.
- In der europäischen Patentanmeldung 610 605 wurde zum Beispiel eine Technik beschrieben, die sich dazu eignet, den belichteten Bereich in sogenannten kollimierten Röntgenbildern zu umreißen.
- In der europäischen Patentanmeldung 742 536 wird diese Technik weiter ausgearbeitet, um ein mehrfach belichtetes Bild (Bilder mit geteiltem Schirm) verarbeiten zu können, ein als Unterteilen bekannter Belichtungsprozeß.
- Der durch die obigen Verfahren umrissene belichtete Bereich kann jedoch zusätzlich zu dem diagnostisch relevanten Bereich immer noch einen Direktbelichtungsbereich umfassen. Bei bestimmten Untersuchungsarten stellen diese Direktbelichtungsbereiche einen relativ großen Anteil an dem insgesamt belichteten Bereich dar. Das Vorliegen der Direktbelichtungsbereiche behindert die Bildverarbeitung im allgemeinen und die Kontrastverstärkung im besonderen.
- Es ist somit erforderlich, den Direktbelichtungsbereich in einem Strahlungsbild zu identifizieren.
- Aus US 5,268,967 und dem entsprechenden EP 0 576 961 ist ein Verfahren zur automatischen Vordergrund- und Hintergrunderfassung in digitalen Röntgenbildern bekannt.
- Das Verfahren beinhaltet einen Kantenerfassungsschritt, eine blockmäßige Analyse eines aus Fliesen zusammengesetzten Bilds durch Berechnen der Kantenstärke und -varianz in jedem Block, damit es entweder als homogen, nichthomogen oder vom Mischtyp klassifiziert werden kann, und eine auf Blöcke vom Mischtyp angewendete Blockverfeinerung. Das Verfahren liefert jedoch keine pixelpräzise Umreißung des Vordergrunds, da das Ergebnis der Blockverfeinerung für Kollimationsbereiche mit geraden Kanten immer noch grob und ungerade sein kann. Das Verfahren erscheint zeitraubend zu sein, da es das Bild im vollen Maßstab bearbeiten muß.
- US 5,426,684 erweitert die Idee des Berechnens von Statistiken innerhalb jeden Blocks durch zusätzliche Berücksichtigung von mehreren Texturmerkmalen. Zusätzlich zu dem eindimensionalen Merkmal, wie etwa Grauskala und Varianz, werden somit von einer zweidimensionalen Gleichauftrittsmatrix abgeleitete Merkmale berechnet. Jeder Abtastblock wird dann zum Bestimmen seiner Klasse mit einem zuvor trainierten Neuralnetzklassifizierer klassifiziert. Zu der gleichen Klasse gehörende Pixelwerte werden akkumuliert, um für jede Klasse getrennte Histogramme zu bilden. Mit jedem der Histogramme wird dann die Tonwertskalareproduktion optimiert. Bei der Texturanalyse ist allgemein bekannt, daß die Blöcke zur Berechnung einer zuverlässigen zweidimensionalen Statistik ausreichend groß sein müssen. Zu diesem Zweck werden 39 · 39-Pixelteilgebiete erwähnt. Somit bleibt das Problem des pixelgenauen Umreißens, insbesondere für Vordergrundgebiete mit gerader Grenze, weiterhin bestehen.
- In US 5,046,118 wird eine Tonwertskalatransformationsfunktion auf der Basis der Histogrammentropie des Eingangsbilds bestimmt. Das Verfahren berechnet den Hintergrundschwellwert aus dem Histogramm (1) unter der Annahme, daß das Histogramm bimodal ist, und (2) durch Bestimmung des Grauwerts, der die beiden Moden trennt, indem die a posteriori Entropie des Bilds maximiert wird. Viele Bilder zeigen jedoch ein Multimodenhistogramm, bei dem die zusätzlichen Moden erscheinen und entweder aufgrund des Vorliegens von im wesentlichen großen Gewebe- und Knochenteilen in dem Körperbereich zu dem diagnostischen Bereich gehören oder zu dem Hintergrund gehören, der durch das Körpergebiet aufgeteilt wird, wobei jeder Teil einen anderen Streuanteil aufweist (meistens Untersuchungen der Extremitäten). Weniger häufig zeigen sowohl der diagnostische Bereich als auch der Hintergrund mehrfache Moden.
- In US 5,124,913 bestimmt eine Technik auf Regelbasis automatisch die Endabtastungsverstärkung in einem Speicherleuchtstoff- Radiographiesystem. Die Regeln basieren auf den Spitzen, die von einem Verfahren auf der Basis des kumulativen Histogramms erfaßt werden.
- In US 5,164,993 werden das Histogramm, das kumulative Histogramm und die Entropie von Unterabschnitten des Histogramms zusammen dazu verwendet, die Fein-Tonwertskala-Transformation zu erzeugen. Mit diesen drei Funktionen kann das Histogramm in ein relevantes Gebiet, ein Vordergrundgebiet mit kleinem Signal und ein Hintergrundgebiet mit starkem Signal unterteilt werden. Um diese Histogrammintervalle zu umreißen, werden die Positionen eines sogenannten linken Punktes (Grenze zwischen Vordergrund und relevantem Gebiet), rechten Punktes (Grenze zwischen relevantem Gebiet und verbleibender Anatomie) und Hintergrundpunktes (Grenze zwischen verbleibender Anatomie und wirklichem direktem Röntgenstrahlenhintergrund) bestimmt. Bei dem Verfahren wird jedoch davon ausgegangen, daß jedes der Intervalle nur einen Modus enthält, was nicht immer zutrifft.
- Deshalb wird ein Verfahren benötigt, das mit Mehrfachhistogrammoden arbeitet.
- In dem nächstgelegenen Stand der Technik, US 5,594,807, wird ein Verfahren zum Bestimmen der Ähnlichkeit von Gebieten in einem Strahlungsbild entwickelt, um nur über das Hintergrundgebiet hinweg eine Bildglättung anzuwenden. Die Ähnlichkeit von Gebieten wird durch den Vergleich von Histogrammen dieser Gebiete unter Verwendung von Fehlerfunktionen berechnet. Dies kann als eine implizite Bildsegmentierung betrachtet werden, die mit mehreren Histogrammoden arbeiten kann, die aber von der Berechnung her langsamer ist als die vorgeschlagene Erfindung, da für jedes Pixel und sein umgebendes Fenster ein Vergleich von Histogrammen durchgeführt werden muß.
- Eine Aufgabe der Erfindung besteht in der Bereitstellung eines Verfahrens zum Segmentieren eines Strahlungsbilds in Direktbelichtungsbereiche und diagnostisch relevante Bereiche, das die Mängel des Standes der Technik nicht aufweist.
- Weitere Aufgaben gehen aus der folgenden Beschreibung hervor.
- Die Aufgaben der vorliegenden Erfindung werden erzielt durch ein Verfahren zum Segmentieren eines durch eine digitale Signaldarstellung dargestellten Strahlungsbilds in einen Direktbelichtungsbereich und einen diagnostisch relevanten Bereich, mit den folgenden Schritten:
- - Berechnen eines Histogramms des Strahlungsbilds,
- - Berechnen von örtlichen Schwerpunkten des Histogramms,
- - Konstruieren eines Satzes von Archetypushistogrammen, jedes Histogramm mit zugeordneter Stelle und Stärke seiner örtlichen Schwerpunkte und mit einem zugeordneten Schwellwert,
- - Auswählen eines Archetypushistogramms aus dem Satz, das dem berechneten Histogramm entspricht, auf der Basis der Übereinstimmung von Stelle und Stärke der berechneten örtlichen Schwerpunkte mit Stelle und Stärke der dem Archetypushistogramm zugeordneten örtlichen Schwerpunkte,
- - Auswählen des einem ausgewählten Archetypushistogramm zugeordneten Schwellwerts,
- - Anwenden des Schwellwerts auf das Strahlungsbild zur Ausbildung eines Bitmapbilds, das ein anderes Kennzeichen für Pixel des Direktbelichtungsbereichs bzw. für Pixel des diagnostisch relevanten Bereichs umfaßt.
- Das obige Verfahren kann zusätzlich einen Schritt des Bestimmens von Verarbeitungsparametern nur auf der Basis des diagnostisch relevanten Bereichs und/oder einen Schritt des Anwendens der Bildverarbeitung oder Bildanalyse nur auf dem diagnostisch relevanten Bereich umfassen.
- Das Verfahren kann entweder auf ein nichtkollimiertes Bild, ein einzelnes kollimiertes Bild oder ein mehrfach belichtetes Bild, das durch Unterteilung erhalten wurde (Belichtung mit geteiltem Schirm) angewendet werden.
- Die digitale Signaldarstellung des Strahlungsbilds kann durch eine große Vielfalt von Bilderfassungseinrichtungen erhalten werden. Beispiele solcher Bilderfassungssysteme sind ein System zum Lesen eines Bilds, das in einem photostimulierbaren Leuchtstoffschirm gespeichert worden ist, ein Filmabtastsystem oder ein digitales Direktbilderfassungssystem, wie etwa ein rechnergestütztes Radiographiesystem usw.
- Weitere Einzelheiten der vorliegenden Erfindung sowie bevorzugte Ausführungsformen dieser werden unten unter Bezugnahme auf die Zeichnungen erläutert. Es zeigen:
- Fig. 1 das Flußdiagramm, das das Verfahren der vorliegende: Erfindung veranschaulicht,
- Fig. 2 ein Histogramm mit 4 Gaußschen Keulen, die jeweils durch einen Schwerpunkt dargestellt sind,
- Fig. 3 ein Histogramm, mit dem der zum Ableiten eines Schwellwerts verwendete Schräge-Linien-Mechanismus dargestellt wird,
- Fig. 4 ein Histogramm, mit dem das zum Ableiten eines Schwellwerts verwendete Festes-Rauschintervall-Verfahren dargestellt wird,
- Fig. 5 ein Histogramm, mit dem die konservative Schwellwertbestimmung durch Verschieben des Schwellwerts zu dem am weitesten rechts gelegenen Punkt in seinem zugeordneten Histogrammtal veranschaulicht wird,
- Fig. 6 ein Histogramm mit 2 diagnostischen Moden und einem Hintergrundmodus, wobei charakteristische Punkte angegeben sind,
- Fig. 7 ein Beispiel für ein standardmäßiges bimodales geglättetes Histogramm mit für jeden Modus oder jede Verteilung erfaßten Schwerpunkten,
- Fig. 8 ein Beispiel für ein geglättetes Histogramm mit dominierenden Hintergrundkeulen (2 am weitesten rechts gelegene Schwerpunkte) aus einer Untersuchung von Extremitäten,
- Fig. 9 ein Beispiel für ein geglättetes Histogramm mit keinen starken diagnostischen Schwerpunkten und einem starken Hintergrundschwerpunkt. Der Schwellwert wird dadurch bestimmt, daß der Schräge- Linien-Mechanismus links von der am weitesten rechts gelegenen Verteilung angewendet wird,
- Fig. 10 ein Beispiel für ein geglättetes Histogramm mit einem kleinen Bereich. Es liegen keine Hintergrundkeulen vor, somit wird keine Schwellwertbildung durchgeführt, indem zugelassen wird, daß der Schwellwert mit dem am weitesten rechts gelegenen, von null verschiedenen Eintritt in das Histogramm zusammenfällt,
- Fig. 11 ein Bild eines Mammogramms,
- Fig. 12 die automatisch berechnete Hautlinie des Mammogramms von Fig. 11.
- Im Mittelpunkt der offenbarten Erfindung steht die Modellierung des Hintergrunds zur Bestimmung eines entsprechenden Schwellwerts, um ihn von dem Vordergrund und Körperteilen (diagnostisch relevanter Bereich) zu segmentieren. Da der Hintergrund in dem Bild einen ungedämpften Teil des Röntgenstrahls in dem Blickfeld des Detektors darstellt, kann seine Statistik von der Physik der Bildentstehung und den Signaltransformationen in der Digitalisierungsstufe abgeleitet werden.
- Es ist allgemein bekannt, daß die Röntgenstrahlenquelle pro Zeiteinheit eine diskrete Anzahl von Photonen emittiert. Die Quantisierung der Energie in Photonen ist die Quelle des Quantenrauschens, die eine Poisson-Verteilung aufweist. Das Poisson-Gesetz ergibt sich aus dem Berechnen der Wahrscheinlichkeit, daß K Photonen ohne Dämpfung in einem Intervall T, dem Zeitintervall der Belichtung, emittiert und erfaßt werden.
- Der Stand der Technik, wie etwa bei H. Barrett und W. Swindell, "Radiological Imaging, the theory of image formation, detection and processing" [Die Bilderzeugung der Radiologie, Theorie der Bildentstehung, Erfassung und Verarbeitung], Band 1 und 2, Academic Press, 1981, beschrieben, leitet die bestimmenden Gleichungen der beteiligten Prozesse ab.
- Wenn die mittlere Zahl der in einem Zeitintervall T emittierten Photonen aT beträgt, dann ist das Mittel und die Varianz der Zufallsvariablen K = aT bzw. σ = .
- Dies ist das Hauptunterscheidungsmerkmal von Poisson-Zufallsvariablen, daß die Varianz immer gleich dem Mittel ist. Diese Eigenschaft impliziert weiter, daß das Rauschen signalabhängig ist. Um das Rauschen konstant und signalunabhängig zu machen, kann vor der A/D-Umsetzung eine Quadratwurzeltransformation auf das Signal angewendet werden, wie in der europäischen Patentanmeldung 574 969 offenbart ist.
- Wenn das Belichtungsbild mit E und das Rohbild mit g und das Ensemble von Systemverstärkungen mit a bezeichnet wird, dann setzt die folgende Transformation das Belichtungsbild (oder zugeordnete Dosierbild) zu den gemessenen Rohintensitäten in Beziehung:
- g = aE
- Die Varianz der durch eine Quadratwurzel transformierten Belichtung ist unter der Annahme von Poisson-Rauschen (oder alternativ ausgedrückt von quantenbegrenzter Detektorantwort) unabhängig von dem Mittelwert von E und gleich 1/4, falls a = 1.
- Das praktische Ergebnis ist, daß - unter der Annahme von quantenbegrenzter Detektorantwort - das Rauschen als stationär und mit einer Gaußschen Verteilung angenommen werden kann. Es kann deshalb erwartet werden, daß sich Hintergrundbereiche in dem Grauwerthistogramm h(g) als eine Gaußsche Keule an dem Ende mit höherer Intensität zeigen, wobei der Bereich von dem ungedämpften Teil des abgebildeten Röntgenstrahls abhängig ist.
- Die verschiedenen Schritte des Verfahrens der vorliegenden Erfindung sind in Fig. 1 gezeigt und umfassen:
- 1. Unterziehen des digitalen Bilds einem Unterteilungserfassungsverfahren und Unterteilungsgrenzbestimmungsverfahren, wie etwa in der europäischen Patentanmeldung 742 536 offenbart.
- 2. Unterziehen jedes der erfaßten Teilgebiete einem Kollimationserfassungsverfahren und Kollimationsmaskenbestimmungsverfahren, wie etwa in der europäischen Patentanmeldung 610 605 offenbart.
- 3. Berechnen des Histogramms jedes der Teilgebiete.
- 4. Berechnen des geglätteten Histogramms jedes Histogramms durch Anwenden eines Glättungsoperators auf das Histogramm.
- 5. Berechnen der örtlichen Schwerpunkte des geglätteten Histogramms.
- 6. Klassifizieren des Histogramms auf der Basis der Stelle und Stärke der Schwerpunkte in einem aus einem Satz von Archetypushistogrammen.
- 7. Bestimmen eines Schwellwerts, um den Hintergrund von diagnostischen und Kollimationszonen in dem Histogramm zu trennen, und zwar auf der Basis von anwendbaren Archetypus- und charakteristischen Histogrammpunkten.
- 8. Anwenden des Schwellwerts auf das digitale Bild zur Ausbildung eines Bitmapbilds mit je einem Kennzeichen für das Vordergrund- (oder kollimierte), Hintergrund- (oder Direktbelichtungs-) und diagnostische (oder Körperteil-) Gebiet.
- 9. Berechnen des Histogramms der Pixel lediglich der diagnostischen Bildteile.
- 10. Anwenden der Bildverbesserung, wie sie in EP 546 600, EP 549 009 und EP 527 525 offenbart ist, auf der Basis des Histogramms nur der diagnostischen Bildteile.
- Die Schritte 1 und 2 sind fakultativ und brauchen im Fall eines nicht unterteilten und/oder nicht kollimierten Bilds nicht durchgeführt zu werden. In diesen Fällen wird Schritt 3 an dem ganzen Bild durchgeführt. Schritt 4 ist ebenfalls fakultativ.
- Es folgt eine ausführliche Beschreibung einer Ausführungsform der Schritte 4-8.
- Die Schritte 9 und 10 betreffen die Nachverarbeitung der Ergebnisse des Verfahrens der vorliegenden Erfindung.
- Ein erster Verfahrensschritt beim Konstruieren des Histogramms ist die Neueinteilung der ursprünglichen Grauwerte, so daß das Histogramm ausreichend kontinuierliche, von null verschiedene Einträge zeigt. Insbesondere wird eine Neueinteilung von 12 Bit- auf 8 Bit-Grauwerte durchgeführt.
- Das Verfahren zum Erhalten des Histogramms ist eine der grundlegendsten Bildverarbeitungsoperationen. Angesichts der nachfolgenden automatischen Schwerpunkteauffindung kann die Operation jedoch dahingehend verfeinert werden, daß Pixel mit einem hohen Gradientenwert beim Konstruieren des Histogramms nicht berücksichtigt werden. Der Effekt ist eine schärfere Unterscheidung zwischen den verschiedenen vorliegenden Moden, da Pixel auf dem Übergang von einem Gebiet zu einem anderen Grauwerte aufweisen, die zwischen denen des entsprechenden mittleren Grauwerts der Gebiete liegen.
- Eine zweite Verfeinerung, um eine bessere Schwerpunktdifferenzierung zu erzielen, ist das Verwaschen des Bilds, da durch eine Mittelwertbildung die Standardabweichung einer Verteilung reduziert wird. Diese Operationen bilden den Stand der Technik und werden beispielsweise in A. Rosenfeld und A. Kak, Digital Picture Processing [Digitale Bildverarbeitung], zweite Auflage, Academic Press, Kapitel 10.1.2. Gray Level Thresholding beschrieben.
- Um eine Robustheit der nachfolgenden Operationen und Präzision der abgeleiteten Parameter zu erzielen, kann zuletzt das ursprüngliche Histogramm h(g) mit einem Kern von in der Regel 5 Grauwertunterteilungen geglättet werden, um (g) zu erhalten. Sein Effekt besteht darin, das rauschbehaftete Erscheinungsbild des Histogramms zu reduzieren und den Einfluß von störenden sekundären Höchstwerten zu reduzieren.
- Die Schwerpunkte eines Histogramms entsprechen den Massezentren seiner Hauptkeulen.
- Sie können durch einen iterativen Algorithmus abgeleitet werden, der auf der Idee basiert, daß die Wahrscheinlichkeitsmasse an jedem Punkt in dem Histogramm zu dem in einem bestimmten Fenster definierten örtlichen Schwerpunkt bewegt werden sollte. Der Algorithmus ist dem Stand der Technik bekannt und z. B. in R. Wilson und M. Spann "Finite prolate spheroidal sequences and their applications II: Image feature description and segmentation", IEEE Trans. on Pattern Analysis and Machine Intelligence, Band 10, Nr. 2, März 1988, S. 199 und in R. Wilson "A class of local centroid algorithms for classification and quantization in spaces of arbitrary dimension", Proc. IEEE CSSP, Bangalore, Indien, 1984 offenbart.
- Die Anpassung dieser Technik auf den eindimensionalen Fall von Grauwerthistogrammen wird kurz wie folgt beschrieben.
- (1) Berechnung des wahren Bereichs (lg, rg) des Histogramms h(g), in dem lg, und rg feste Perzentile aus dem kumulativen Histogramm hc(g) sind. L bezeichnet weiterhin die Anzahl der Grauwertunterteilungen in dem Histogramm.
- (2) Berechnung der Größe eines bereichsabhängigen Fensters w derart, daß die größte Anzahl gefundener Schwerpunkte eine vorbestimmte Zahl
- nicht übersteigt
- Im Kontext der vorliegenden Erfindung beträgt wfr in der Regel 31 Grauwertunterteilungen für ein auf L = 256 Pegel neu unterteiltes Histogramm.
- (3) Initialisierung durch Setzen des neuquantisierten Histogramms bzw. Klassenzuordnung auf
- h&sub0;(g) = h(g)
- i&sub0;(g) = g.
- Der Örtliche-Schwerpunkt-Algorithmus besteht aus den iterierenden Schritten (4), (5) und (6), beschrieben für die n-te Iteration:
- (4) Bei jedem Graupegel g,
- 0 ≤ g < L, für das h(g) > 0, Berechnen des örtlichen Schwerpunkts c(g) an einem Fenster mit der Breite w
- (5) Aktualisieren der Klassifizierung in des Grauwerts g
- in(g) = c(in-i (g))
- (6) Berechnen eines neuen Histogramms
- hn+1(g) = hn(g')
- wobei
- Ig = {g':in(g') = g}
- Der Algorithmus für die gegebene Fensterbreite w endet, wenn hn+1(g) = hn(g) für alle g ist, mit einer letzten Klassenzuordnung in (g).
- (7) Grauwert und Masse des Schwerpunkts werden durch Tupel (g,hn(g)) der von Null verschiedenen Einträge in hR(g) dargestellt.
- Die Schwerpunkte werden weiterhin auf der Basis eines empirisch bestimmten Pegels als entweder stark oder schwach gekennzeichnet. Dieser Pegel stellt den Anteil des Histogramms dar, der mit dem Schwerpunkt verbunden ist, und liegt bei 8%. Das Stützgebiet des Schwerpunkts ist als das von dem Schwerpunkt abgedeckte Grauwertintervall definiert, das heißt, alle Grauwerte des Intervalls eines Schwerpunkts sind in dem Schwerpunkt konzentriert. Diese Intervalle In lassen sich leicht als die Gruppen von Grauwerten mit empfangener gleicher Klassenzuordnung in(g) bestimmen.
- Fig. 2 liefert ein Beispiel für eine Histogramm, das aus 4 überlagerten Gaußschen Verteilungen mit unterschiedlichem Mittel, Standardabweichung und Amplitude besteht, und der automatischen Erfassung der entsprechenden Schwerpunkte durch den Schwerpunktgruppierungsalgorithmus. Die Höhe der Schwerpunktimpulse ist proportional zu der Fläche der zugeordneten Histogrammkeule.
- Bei einer Histogrammkeule mit einer Gaußschen Form kann ein Schwellwert als Funktion der Standardabweichung abgeleitet werden, ohne tatsächlich eine Normalverteilung an die Daten anzupassen. Die Annahme einer zugrunde liegenden Gaußschen Verteilung trifft jedoch nicht immer zu. Selbst wenn die Verteilung keine Gaußsche ist, liefert der offenbarte Algorithmus immer noch einen sinnvollen Schwellwert.
- Fig. 3 veranschaulicht die Operation. Das grundlegende Merkmal des Verfahrens besteht darin, den Schwellwert an der Basis der Keule A aufzufinden, indem die Position mD des Höchstwerts des Differenzprofils D gefunden wird, was durch Subtrahieren der Keule A von einer schrägen Linie R erhalten wird, die zwischen dem Höchstwert (mA,h(mA)) der Keule und dem festen Startpunkt (0,0) oder Endpunkt (L-1,0) des Histogrammbereichs konstruiert ist.
- Wenn der Höchstwert als Funktion der Standardabweichung für die Annahme der Gaußschen Verteilung gefunden werden soll, muß eine nichtlineare Gleichung numerisch gelöst werden. Sowohl für den Gaußschen als auch den nicht-Gaußschen Fall kann der Höchstwert jedoch numerisch leicht aus dem Differenzprofil ermittelt werden, indem die Stelle des Höchstwerts genommen wird. Bei großen Moden in dem Histogramm, wegen Pixeln aus diagnostischen Gebieten, wird der durch dieses Verfahren bestimmte Schwellwert als TD bezeichnet.
- Unter Bezugnahme auf die grundlegenden Überlegungen über Rauschtransformationen kann eine Vorhersage hinsichtlich des Grauwertintervalls betreffend Hintergrundgebiete in dem Bild angestellt werden. Dieses Intervall ist in Fig. 4 gezeigt und kann von dem in dem Bild vorliegenden am meisten belichteten Grauwert lg1 und der Rauschstandardabweichung σ abgeleitet werden als
- TB = lg1 - kσ
- wobei k = 6, das heißt, mehr als 99% der Gaußschen Verteilung gemäß dem Rauschen in dem Hintergrund wird in dem Intervall [TB,lg1] erfaßt.
- Um nicht etwaige diagnostische Teile zu verdunkeln, ist der Schwellwertbestimmungsalgorithmus für alle Klassen konservativ, da er den Schwellwert immer zugunsten der diagnostischen Gebiete setzen wird, oder was gleichwertig ist, in Richtung der stärker belichteten Position in dem Histogramm. Dies erreicht man durch Verschieben des Schwellwerts zu der stärker belichteten Seite in dem Histogramm, bis ein aus dem Histogrammwert vor der Verschiebungsoperation bestimmter Wert überschritten wird. Mit anderen Worten: der Schwellwert wird zu der stärker belichteten Seite des zugeordneten Histogrammtals verschoben. Die Operation wird durch Fig. 5 veranschaulicht. Der Effekt auf das Bitmap-verglichene Ergebnis besteht darin, daß zu dem Körperumriß gehörende Pixel mit Übergangsgrauwerten als diagnostische Pixel klassifiziert werden.
- Unter Bezugnahme auf das in Fig. 6 gezeigte Histogramm werden die folgenden charakteristischen Punkte definiert:
- - Entscheidungsgrenze db: diese Grenze ist ein empirisch bestimmter Grauwert, mit dem weitere charakteristische Punkte bestimmt werden. Sie unterteilt den Grauwertbereich des gegenwärtigen Histogramms gemäß vorbestimmter Anteile, die durch den Ausdruck
- gegeben sind, in 2 Teile. In dem vorliegenden Beispiel, ww = 2 und wb = 3, wurden diese Werte empirisch bestimmt durch Untersuchung einer Mischung aus 2000 Untersuchungen. In der Fortsetzung sind die stärker belichteten Histogrammgrauwerteinträge der rechten Seite von db zugeordnet, die weniger belichteten der linken Seite von db.
- - Der größte starke Schwerpunkt (gmaxscl,hn(gmaxscl)) und (gmaxscr,hn(gmaxscr)) auf der linken bzw. der rechten Seite von db. Der größere Wert von (gmaxscl,hn(gmaxscl)) und (gmaxscr,hn(gmaxscr)) gibt an, ob die diagnostischen Gebiete oder die direkt belichteten Gebiete das Histogramm dominieren.
- - Der Höchstwert (glmax,h(glmax)) und (grmax,h(grmax)) des Histogramms h (g) auf der linken bzw. der rechten Seite von db. Sie bringen auch eine Angabe über das dominanteste Gebiet in dem Bild zum Ausdruck.
- - Der Höchstwert (glmax, (glmax)) und (grmax, (grmax)) des geglätteten Histogramms (g) auf der linken bzw. der rechten Seite von db. Analog bilden sie eine Angabe über das dominanteste Gebiet in dem Bild, sind aber gegenüber dem Vorliegen von Höchstwerten mit kleiner Unterstützung weniger anfällig.
- - Der erste starke Schwerpunkt (gfscld,hn(gfscld)) und (gfscrd,hn(gfscrd)) auf der linken bzw. der rechten Seite von db. Sie sind Indikatoren für die Grauwerte (möglicherweise Grenzwerte), die immer noch die diagnostischen bzw. die Direktbelichtungsgebiete betreffen.
- - Die Grauwerte gw und gb definieren den Gesamtgrauwertbereich in dem Bild
- - Der erste Schwerpunkt (gfcl,hn(gfcl)) und (gfc,hn(gfc,)) auf der rechten Seite von gw bzw. auf der linken Seite von gb definieren einen sinnvolleren Grauwertbereich, indem kleine Verteilungsausreißer unberücksichtigt bleiben.
- - Der erste starke Schwerpunkt (gfscl,hn(gfscl)) und (gfsc,hn(gfcsr)) auf der rechten Seite von gw bzw. der linken Seite von gb definieren ebenfalls einen sinnvolleren Indikator des Grauwertbereichs durch weiteres Auslassen von Schwerpunkten, die in dem Bild Gebiete mit kleiner Fläche darstellen.
- Gemäß verschiedenen Untersuchungsarten kann das Histogramm auf der Basis von von den Schwerpunkten des Histogramms berechneten Kriterien als eines aus einem Satz von Archetypushistogrammen klassifiziert werden. Die Archetypen werden mit realen Histogrammen dargestellt.
- 1. Der Mehrmodenfall von einem oder mehreren großen diagnostischen Keulen und einem ausreichend großen Hintergrundmodus (Fig- 7) Die diagnostischen Keulen werden durch den Schwerpunktgruppierungsalgorithmus als ein oder mehrere zugeordnete Schwerpunkte gruppiert, und die Hintergrundspitze wird durch einen Schwerpunkt dargestellt. Folgendes sind die ausgewerteten Eigenschaften:
- - Bereich ausreichend groß durch Prüfen von sowohl
- als auch
- - Die diagnostischen Keulen dominieren das Histogramm, durch Überprüfen
- (glmax) > (grmax)
- In der vorliegenden Ausführungsform ist Tc = 1/3 and Tsc = 1/4.
- Diese Art stellt den Standardfall eines Bilds mit sowohl großen diagnostischen Gebieten und großen Hintergrundgebieten dar und deckt die meisten Untersuchungsarten ab, wie Thorax, Schädel, Becken... Der endgültige Grauwertschwellwert wird bestimmt als
- und wird schließlich zu der stärker belichteten Position in seinem zugeordneten Histogrammtal bewegt.
- 2. Der Fall, bei dem das Hintergrundgebiet dominiert, ausgedrückt durch die Bedingungen
- - Bereich ausreichend groß, durch Prüfen von sowohl
- als auch
- - die eine oder mehreren Hintergrundkeulen dominieren das Histogramm, durch Überprüfen von
- (glmax) ≤ (grmax)
- Dieser Fall stellt die Bilder mit großen Hintergrundgebieten dar, wie etwa Extremitäten. Zur Bestimmung des Grauwertschwellwerts werden die folgenden Unterfälle berücksichtigt, je nach der Anwesenheit oder Abwesenheit von starken Schwerpunkten auf der linken Seite der Entscheidungsgrenze db.
- 2.a. Links von db existiert ein starker Schwerpunkt (gfscld,hn(gfscld)), und auf der rechten Seite von dbexistiert ein starker Schwerpunkt (gfscld,hn(gfscrd,)). Somit existiert ein eindeutiges Tal in dem Intervall [gfscld,gfscrd], dessen Stelle T dadurch bestimmt wird, daß in dem Intervall das Minimum gesucht wird. Ein reales Beispiel dieses Archetypushistogramms ist in Fig. 8 angegeben.
- 2.b. Ein starker Schwerpunkt (gfscrd,hn(gfscrd)) existiert nur auf der rechten Seite von db. Somit kann zum zuverlässigen Bestimmen von T kein Minimumfinder verwendet werden. Da der Hintergrund jedoch stark dominiert, kann zum Bestimmen des Schwellwerts T auf der linken Seite der Hintergrundverteilung der Schräge-Linien- Mechanismus verwendet werden. Ein Beispiel ist in Fig. 9 angegeben.
- In beiden Fällen 2.a. und 2.b, wird die Operation vervollständigt durch eine Rechtsverschiebung des Schwellwerts in seinem zugeordneten Tal, um die diagnostischen Informationen vollständig zu sichern.
- 3. Der Fall, bei dem der Bereich nicht ausreichend groß ist. Dieser Fall entsteht, wenn Hintergrundgebiete fehlen, weil alle irrelevanten Bereiche durch Kollimationsmaterial abmaskiert sind. Deshalb liegt der diagnostische Grauwertbereich nahe an der den Kollimationsgebieten zugeordneten Grauwertverteilung. Die Bedingungen für diesen Fall lauten:
- - Bereich nicht ausreichend groß, durch überprüfen von
- - die den Kollimationsbereichen zugeordnete Keule dominiert das Histogramm
- (glmax) > (grmax)
- - bei Vorliegen eines starken Schwerpunkts auf der rechten Seite von db wird das Bereichskriterium weiter erweitert mit
- - alternativ ist bei Anwesenheit eines schwachen Schwerpunkts auf der rechten Seite von db auch das zugeordnete Maximum schwach und kann deshalb immer dann problemlos bei den Berücksichtigungen als ein Hintergrundmodus ausgelassen werden, wenn
- In der vorliegenden Ausführungsform der Erfindung ist R = 5,0. Bei Erfüllung dieser Bedingungen wird geschlossen, daß keine Hintergrundgebiete vorliegen, und der Schwellwert wird so ausgeführt, daß er mit dem größten belichteten Grauwert zusammenfällt:
- T = gb.
- Zu repräsentativen Untersuchungsarten zählen stark kollimierte Belichtungen, wie etwa die Wirbelsäule, von der ein reales Histogramm und zugeordnete Schwerpunkte in Fig. 10 angegeben sind.
- Auf die Schwellwertbestimmung folgt die Anwendung auf das eigentliche Teilbild. Der ganze Vorgang von der Histrogrammberechnung bis zur Schwellwertbestimmung wird für jedes Teilbild erneut wiederholt. Ein kombiniertes Bitmapmaskenbild wird erzeugt, indem Kollimationsgebieten (Vordergrund), Direktbelichtungsgebieten (Hintergrund) und diagnostischen Gebieten (Körperteilen) verschiedene Pixelkennzeichen zugeordnet werden.
- Bei gegebenem Bitmapergebnis nach der Schwellwertbildung an dem Bild kann der Umriß des Körpers festgestellt werden, indem die Kontur zwischen Direktbelichtungsgebieten und diagnostischen. Gebieten gefunden wird. Die Kontur oder ein Teil von Konturen zwischen Kollimationsmaterial und Direktbelichtung oder zwischen Kollimations- und diagnostischen Gebieten werden ignoriert. Die Kontur muß gefunden werden, um das diagnostisch relevante Gebiet (ROI = region of interest) für die spätere Verarbeitung, wie etwa Bildverbesserung und Bildanalyse, festzulegen. Insbesondere auf dem Gebiet der digitalen Mammographie ist ein derartiges ROI von klinischer Bedeutung.
- Ein Beispiel für ein digitales Mammogramm und seine zugeordnete Hautlinie ist in Fig. 1 beziehungsweise Fig. 12 gezeigt. Die Hautlinie wird abgeleitet, indem die Grenzpixel zwischen den Gebieten erfaßt werden, die durch Pixel mit "Direktbelichtung" und "diagnostischem Kennzeichen" gebildet werden. Immer wenn ein Pixel mit dem Kennzeichen "Direktbelichtung" ein Pixel mit dem Kennzeichen "diagnostisch" berührt und dies auf eine 4-verbundene Weise tut, wird es als "'Hautlinien"-Pixel markiert. Durch die 4-Verbundenheits- Nachbarschaftseigenschaft wird sichergestellt, daß die durch das Durchlaufen von "Hautlinien"-Pixeln gebildete Kontur 8-verbunden ist.
- Es ist klar, daß der Direktbelichtungsbereich nicht in einem Bereich liegen kann, der mit Kollimationsmaterial bedeckt worden ist. Die Ergebnisse des Verfahrens der vorliegenden Erfindung können somit dazu verwendet werden, das Ergebnis des Algorithmus zu prüfen, der dazu verwendet wird, die kollimierten Zonen in einem Bild zu erfassen.
Claims (11)
1. Verfahren zum Segmentieren eines durch eine digitale
Signaldarstellung dargestellten Strahlungsbilds in einen
Direktbelichtungsbereich und einen diagnostisch relevanten
Bereich, mit den folgenden Schritten:
- Berechnen eines Histogramms des Strahlungsbilds,
- Berechnen von örtlichen Schwerpunkten des Histogramms,
- Konstruieren eines Satzes von Archetypushistogrammen, jedes
Histogramm mit zugeordneter Stelle und Stärke seiner
örtlichen Schwerpunkte und mit einem zugeordneten
Schwellwert,
- Auswählen eines Archetypushistogramms aus dem Satz von
Archetypushistogrammen, das dem berechneten Histogramm
entspricht, auf der Basis der Übereinstimmung von Stelle und
Stärke der berechneten örtlichen Schwerpunkte mit Stelle und
Stärke der dem Archetypushistogramm zugeordneten örtlichen
Schwerpunkte,
- Auswählen des einem ausgewählten Archetypushistogramm
zugeordneten Schwellwerts,
- Anwenden des Schwellwerts auf das Strahlungsbild zur
Ausbildung eines Bitmapbilds, das ein anderes Kennzeichen
für Pixel des Direktbelichtungsbereichs und für Pixel des
diagnostisch relevanten Bereichs umfaßt.
2. Verfahren nach Anspruch 1, zusätzlich mit einem Schritt des
Bestimmens von Bildverarbeitungsparametern nur auf der Basis
des diagnostisch relevanten Bereichs.
3. Verfahren nach Anspruch 1, zusätzlich mit einem Schritt des
Anwendens der Bildverarbeitung nur auf den diagnostisch
relevanten Bereich.
4. Verfahren nach Anspruch 1, zusätzlich mit einem Schritt des
Anwendens der Bildanalyse nur auf den diagnostisch relevanten
Bereich.
5. Verfahren nach Anspruch 1, wobei der Schwellwert durch
Anwenden eines Schräge-Linien-Mechanismus bestimmt wird.
6. Verfahren nach Anspruch 1, wobei der Schwellwert auf der Basis
eines am stärksten belichteten Grauwerts lgl, der in dem Bild
vorliegt, und der Rauschstandardabweichung σ als
TB = lgl - kσ
bestimmt wird.
7. Verfahren nach Anspruch 6, wobei k gleich 6 ist.
8. Verfahren nach Anspruch 5, 6 oder 7, wobei der Schwellwert in
Richtung der am stärksten belichteten Grauwerte verschoben
wird, um den diagnostisch relevanten Bereich auf das Maximum
zu konservieren.
9. Verfahren nach Anspruch 1, wobei der Satz von
Archetypushistogrammen auf der Basis von charakteristischen Punkten von
Histogrammen konstruiert wird.
10. Verfahren nach Anspruch 1, das zusätzlich einen Schritt des
Bestimmens einer Kontur des diagnostisch relevanten Bereichs
umfaßt, indem Grenzpixel mit einem Kennzeichen, das einen
diagnostisch relevanten Bereich angibt, miteinander verbunden
werden.
11. Verfahren nach Anspruch 1, das zusätzlich einen Schritt des
Bestimmens einer Kontur eines Direktbelichtungsbereichs
umfaßt, indem Grenzpixel mit einem Kennzeichen, das einen
Direktbelichtungsbereich angibt, miteinander verbunden werden.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP97201683A EP0887769B1 (de) | 1997-06-05 | 1997-06-05 | Verfahren zur Segmentierung eines Strahlungsbildes in direktes Belichtungsgebiet und diagnostisch relevantes Gebiet |
Publications (2)
Publication Number | Publication Date |
---|---|
DE69711027D1 DE69711027D1 (de) | 2002-04-18 |
DE69711027T2 true DE69711027T2 (de) | 2002-10-17 |
Family
ID=8228399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE69711027T Expired - Lifetime DE69711027T2 (de) | 1997-06-05 | 1997-06-05 | Verfahren zur Segmentierung eines Strahlungsbildes in direktes Belichtungsgebiet und diagnostisch relevantes Gebiet |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP0887769B1 (de) |
JP (1) | JPH119578A (de) |
DE (1) | DE69711027T2 (de) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633657B1 (en) * | 1999-07-15 | 2003-10-14 | General Electric Company | Method and apparatus for controlling a dynamic range of a digital diagnostic image |
US8014625B2 (en) | 2004-11-10 | 2011-09-06 | Agfa Healthcare | Method of performing measurements on digital images |
DE602004029211D1 (de) | 2004-11-10 | 2010-10-28 | Agfa Healthcare | Verfahren zum Vornehmen von Messungen an digitalen Bildern |
EP1916624B1 (de) | 2006-10-25 | 2016-11-23 | Agfa HealthCare NV | Verfahren zur Segmentierung eines digitalen medizinischen Bildes |
EP2131325B1 (de) | 2008-05-08 | 2013-01-30 | Agfa Healthcare | Verfahren für Nachweis und Segmentierung von Massekandidaten bei digitaler Mammografie |
US9256939B1 (en) | 2014-07-17 | 2016-02-09 | Agfa Healthcare | System and method for aligning mammography images |
JP6599698B2 (ja) | 2015-08-31 | 2019-10-30 | 株式会社ミツトヨ | 画像測定装置及びその制御プログラム |
US20170193644A1 (en) * | 2015-12-30 | 2017-07-06 | Ebay Inc | Background removal |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0642882B2 (ja) * | 1987-04-20 | 1994-06-08 | 富士写真フイルム株式会社 | 所望画像信号範囲決定方法 |
JPH01256935A (ja) * | 1988-04-06 | 1989-10-13 | Hitachi Ltd | Crt診断用画像処理方式 |
JPH02275435A (ja) * | 1989-04-18 | 1990-11-09 | Fuji Photo Film Co Ltd | 放射線画像の分割パターン認識方法 |
US5060290A (en) * | 1989-09-05 | 1991-10-22 | Dole Dried Fruit And Nut Company | Algorithm for gray scale analysis especially of fruit or nuts |
US5268967A (en) * | 1992-06-29 | 1993-12-07 | Eastman Kodak Company | Method for automatic foreground and background detection in digital radiographic images |
JPH06245927A (ja) * | 1993-02-26 | 1994-09-06 | Fuji Photo Film Co Ltd | 分割パターン認識方法および装置 |
AU679601B2 (en) * | 1993-11-30 | 1997-07-03 | Arch Development Corporation | Automated method and system for the alignment and correlation of images from two different modalities |
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 |
-
1997
- 1997-06-05 DE DE69711027T patent/DE69711027T2/de not_active Expired - Lifetime
- 1997-06-05 EP EP97201683A patent/EP0887769B1/de not_active Expired - Lifetime
-
1998
- 1998-06-03 JP JP10170650A patent/JPH119578A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JPH119578A (ja) | 1999-01-19 |
EP0887769B1 (de) | 2002-03-13 |
DE69711027D1 (de) | 2002-04-18 |
EP0887769A1 (de) | 1998-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69331251T2 (de) | Automatische Detektion des Vorder- und Hintergrunds in digitalen Röntgenbildern | |
DE69432106T2 (de) | Automatisches verfahren und system zur verarbeitung medizinischer bilder | |
DE69427567T2 (de) | Verfahren zum Auffinden eines Histogrammbereichs von Interesse für die verbesserte Grauskalenwiedergabe von Röntgenbildern | |
DE19916612B4 (de) | Verfahren und System zur Verbesserung diskreter Pixelbilder | |
DE69425594T2 (de) | Rechnergestützte Erkennung von Mikroverkalkungen in der Mammographie | |
DE69312257T2 (de) | Strahlungsfelderkennungsverfahren | |
DE69629445T2 (de) | Automatische Tonskalenabstimmung mittels Bildaktivitätsmessungen | |
DE19916354B4 (de) | Verfahren und Vorrichtung zur Analyse von Bildstrukturen | |
DE60212917T2 (de) | Vorrichtung zur Berechnung eines Index von örtlichen Blutflüssen | |
DE69630935T2 (de) | Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild | |
DE3840257C2 (de) | Verfahren zur automatischen Beurteilung von Unterschieden zwischen normalen und abnormalen Lungen | |
DE69229214T2 (de) | Verfahren und Vorrichtung zur automatischen Grauskalaerzeugung für numerische Strahlungsbilder | |
DE69708449T2 (de) | Vorrichtung zur Umwandlung von Graupegeln eines Bildes, Verfahren dafür, Programmspeichereinrichtung dafür, und Infrarotkamera | |
DE69636911T2 (de) | Bildverarbeitungsverfahren und -Vorrichtung | |
DE2952422C3 (de) | Verfahren und Vorrichtung zum Verarbeiten eines Röntgenbildes bei einem Röntgenbild-Kopiersystem | |
DE69426745T2 (de) | System und Verfahren zur Verarbeitung von Bildern eines lebenden Gewebes | |
DE112005002190T5 (de) | Volumetrische Tumorsegmentierung mithilfe eines gemeinsamen Raum-Intensitäts-Likelihood-Verhältnistest | |
DE102007038058A1 (de) | Verfahren zur Verarbeitung radiologischer Bilder zur Detektion von Opazitäten | |
DE102007028270A1 (de) | Verfahren zur Segmentierung von Bilddaten zur Erkennung einer Leber | |
DE69332428T2 (de) | Angiographie-Apparat und -verfahren | |
DE102006041619A1 (de) | Systeme und Verfahren zur computerunterstützten Detektion einer Wirbelsäulenverkrümmung unter Verwendung von Bildern und Winkelmessungen | |
DE102008046859A1 (de) | 3D Segmentierung von allgemeiner Läsion in CT | |
DE102006027670A1 (de) | Bildbasierte Artefaktreduktion bei der PET/CT Bildgebung | |
DE4224568C2 (de) | Vorrichtung und Verfahren zur Bildung der Anzeige eines dreidimensionalen sequentiellen tomografischen Flächenschattierungsbildes | |
EP2400458B1 (de) | Verfahren und Vorrichtung zur Segmentierung von biologischen Zellen in einer Aufnahme |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8320 | Willingness to grant licences declared (paragraph 23) | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: AGFA HEALTHCARE NV, MORTSEL, BE |