DE69734801T2 - Verfahren zur automatischen Segmentierung von numerischen Bildern und Vorrichtung zur Ausführung dieses Verfahrens - Google Patents

Verfahren zur automatischen Segmentierung von numerischen Bildern und Vorrichtung zur Ausführung dieses Verfahrens Download PDF

Info

Publication number
DE69734801T2
DE69734801T2 DE69734801T DE69734801T DE69734801T2 DE 69734801 T2 DE69734801 T2 DE 69734801T2 DE 69734801 T DE69734801 T DE 69734801T DE 69734801 T DE69734801 T DE 69734801T DE 69734801 T2 DE69734801 T2 DE 69734801T2
Authority
DE
Germany
Prior art keywords
brightness
image
background
sub
objects
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
Application number
DE69734801T
Other languages
English (en)
Other versions
DE69734801D1 (de
Inventor
Sherif Makram-Ebeid
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of DE69734801D1 publication Critical patent/DE69734801D1/de
Application granted granted Critical
Publication of DE69734801T2 publication Critical patent/DE69734801T2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30172Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Description

  • Die Erfindung betrifft ein Verfahren zur Verarbeitung eines Digitalbilds, das bandförmige Objekte mit uneinheitlicher Helligkeit darstellt, die zu einem Hintergrund mit geringerer Helligkeit kontrastieren, wobei dieses Verfahren einen automatischen Segmentierungsschritt umfaßt.
  • Die Erfindung betrifft auch eine Vorrichtung für ein medizinisches System, die dieses Verfahren ausführt.
  • Die Erfindung findet ihre Anwendung insbesondere in der Industrie der Abbildungssysteme zu medizinischen Zwecken wie z.B. Systemen zur Formung von arteriellen Röntgenbildern. Die Erfindung findet besonders Anwendung in den Systemen zur Abbildung der Blutgefäße des Gehirns.
  • Ein Bildverarbeitungsverfahren zur Segmentierung des Blutgefäßsystems einer Maus ist bereits bekannt aus der Veröffentlichung mit dem Titel „Semi-Automatic Segmentation of Vascular Network Images Using a Rotating Structuring Element (ROSE) with Mathematical Morphology and Dual Feature Thresholding" von Brett D. Thackray und Alan C. Nelson, in IEEE Transactions on Medical Imaging, Vol. 12, Nr. 3, September 1993. Diese Veröffentlichung beschreibt ein Verfahren der Verwendung eines Satzes von linearen Filtern, deren Raumelement eine im wesentlichen konstante Länge und acht verschiedene Ausrichtungen aufweisen, die in einer morphologischen Öffnungsoperation über ein Bild des Blutgefäßsystems geführt werden, um die großen Blutgefäße mit entsprechenden Ausrichtungen zu erkennen. Die erkannten großen Blutgefäße werden durch Schritt des Schwellenwertvergleichs aus dem Bild entfernt, und das Bild mit den verbleibenden kleinen Blutgefäßen wird untersucht, um ihre Konzentration zu bestimmen. Der Durchlauf des Filtersatzes ist ein automatischer Vorgang, der die Erkennung der großen Blutgefäße erlaubt. Die Erkennung aller Blutgefäße schließt tatsächlich drei Hauptschritte ein, weshalb das Verfahren halbautomatisch genannt wird. Der letzte Schritt, der die Untersuchung der kleinen Blutgefäße betrifft; schließt weder die Erkennung ihrer Ausrichtung, noch die ihrer Durchmesser, noch die ihrer Helligkeiten ein. Der erste Schritt der Erkennung der großen Blutgefäße schließt weder die Erkennung ihrer Durchmesser noch die ihrer Helligkeiten ein.
  • Ein Bildverarbeitungsverfahren zur Segmentierung eines koronaren Arteriogramms und zur automatischen Bestimmung des Skeletts und der Arterienränder in diesem Arteriogramm ist bereits bekannt aus der Veröffentlichung mit dem Titel „A fully automated identification of coronary borders from the tree structure of coronary angiograms" von Chien-Chuan KO, Chi-Wu MAO, Yung-Nien SUN und Shei-Hsi CHANG in International Journal of Bio-Medical Computing 39 (1995), SS. 193–208, herausgegeben von ELSEVIER.
  • Dieses Verfahren schließt die Erfassung eines angiographischen Digitalbilds und die Segmentierung dieses Bilds ein, um die Informationen, die zu den Objekten gehören, die von den Arterien geformt werden, vom Rest des Bilds zu trennen, der Hintergrund genannt wird. Der Segmentierungsschritt umfaßt eine Sequenz von morphologischen Operationen. Diese Sequenz schließt den Durchlauf eines Medianfilters über dem Originalbild ein, um das Rauschen unter Beibehaltung der Objektränder zu entfernen. Morphologische Filter werden dann über das geglättete Bild geführt.
  • Für die Bildverarbeitung werden die Arterien hell vor dunklem Hintergrund dargestellt. Ein morphologisches Filter wird zuerst über dieses geglättete Bild geführt, um die Abschnitte des Hintergrunds zu erkennen, die langsame Helligkeitsänderungen aufweisen. Dieses Filter führt eine morphologische Schließung durch, indem es ein sechseckiges flaches morphologisches Strukturelement mit einem Durchmesser von 25 Pixeln verwendet. Unter flaches morphologisches Strukturelement ist zu verstehen, daß die Helligkeitsdaten innerhalb der Grenzen des Filters konstant sind. Der Durchmesser von 25 Pixeln ist größer als der Durchmesser der Arterien im Originalbild. Durch diesen Vorgang werden Arterien, die enger als das Sechseck sind, aus dem geglätteten Bild entfernt. Das resultierende Bild wird dann vom geglätteten Bild subtrahiert, um ein neues Bild zu ergeben, das die Informationen der Objektränder zurückbehält. Diese morphologische Schließung stellt eine Hintergrundextraktionsoperation dar. Zu diesem Zweck schließt sie eine Dilatation ein, die von einer Erosion gefolgt wird.
  • Diese Hintergrundextraktionsoperation durch morphologische Schließung wird von einer linearen Helligkeitsnormalisierung gefolgt, um den Kontrast zu erhöhen, dann von einem Schwellenwertvergleich, um ein Binärbild zu erzeugen.
  • Die eigentliche Segmentierung des Bilds in Objekte und Hintergrund wird dann an diesem Binärbild vorgenommen. Sie umfaßt eine binäre Schließungsoperation, um die Umrisse der Koronararterie zu glätten, und um die Blutgefäßsegmente zu verbinden, die bei der Hintergrundextraktionsverarbeitung getrennt wurden. Dann umfaßt sie eine binäre Öffnungsoperation, die am vorigen Bild durchgeführt wird, um die Objekte zu entfernen, die dem arteriellen System fremd sind. In diesen zwei morphologischen Schließungs- und dann Öffnungsoperationen sind die verwendeten Strukturelemente flach. Die Operationen stützen sich auf die Umrisse. In allen durchgeführten morphologischen Operationen sind die Algorithmen iterativ und nehmen viel Rechenzeit in Anspruch. Die Segmentierung des Bilds nach dem bekannten Verfahren dieses Dokuments ist in diesem Stadium abgeschlossen.
  • Das bekannte Verfahren ist vor allem für ein kontrastreiches Originalbild geeignet, wo die Arterien eindeutig unterscheidbar sind, und wo es relativ wenig Überschneidung von Blutgefäßen gibt, das arterielle System eher baumförmig ist, und wo eher nach Anomalien wie z.B. Stenosen gesucht wird.
  • Gegenstand der vorliegenden Erfindung ist ein Verfahren zur automatischen Segmentierung eines Digitalbilds, das spezifisch ein arterielles System eines Gehirnabschnitts darstellt.
  • Die Verarbeitung solch eines Bilds bereitet erste und neue Probleme. Denn ein Arteriogramm des Gehirns ist viel weniger kontrastreich als ein Angiogramm; das arterielle Netz des Gehirns ist nicht baumförmig, sondern ist sehr dicht mit zahlreichen Blutgefäßüberschneidungen, die durch Überlagerungen bedingt; die Blutgefäße weisen in einer selben Zone sehr unterschiedliche Durchmesser mit sehr verschiedenen Kontrasten auf die darauf zurückzuführen sind, daß das Medikament, das dem Patienten injiziert wird, um die Blutgefäße bei der Aufnahme undurchlässiger zu machen, in diesem dichten arteriellen System mehr oder weniger gut verteilt ist.
  • Diese Probleme werden durch ein Verfahren zur Verarbeitung eines Digitalbilds nach Anspruch 1 gelöst, das bandförmige Objekte mit uneinheitlicher Helligkeit darstellt, die zu einem Hintergrund kontrastieren.
  • Ein Vorteil ist, daß dieses Verfahren das Bild in Blutgefäßabschnitte segmentiert, die jeweils eine bestimmte Ausrichtung haben. Das Ausrichtungsdatum, das auf diese Weise bestimmt wird, ist von den Daten in Bezug auf andere angrenzende oder überschneidende Abschnitte unabhängig, sobald diese anderen Abschnitte verschiedene Ausrichtungen aufweisen. Dieses Verfahren ist also zur Segmentierung von zerebralen Arteriogrammen besonders geeignet.
  • Ein anderer Vorteil ist, daß dieses Verfahren besonders wenig Rechenzeit in Anspruch nimmt, das heißt, daß dieses Verfahren dem aktuellen Stand der Technik entsprechend etwa 70 mal schneller als das bekannte Verfahren ausgeführt werden kann.
  • Eine Vorrichtung für ein medizinisches System zur Verarbeitung von medizinischen Digitalbildern, das dieses Verfahren ausführt, stellt daher bei sehr kurzer Rechenzeit sehr gute Ergebnisse bereit.
  • Die Erfindung wird nachstehend Bezug nehmend auf die Zeichnungen im Anhang beschrieben. In den Zeichnungen:
  • sind 1A und 1B Helligkeitsbilder, jeweils ein Originalbild und das entsprechende segmentierte Bild;
  • zeigen 2A bis 2C jeweils die Hintergrundextraktionsschritte in verschiedenen Maßstäben und verschiedenen Ausrichtungen;
  • ist 3 eine perspektivische Ansicht, die einen Abschnitt des Helligkeitsbilds in zwei räumlichen Dimensionen und einer Helligkeitsdimension im Relief darstellt;
  • sind 4A und 4B perspektivische Ansichten, die jeweils ein isotropes Strukturelement und ein anisotropes ausgerichtetes Strukturelement zeigen;
  • ist 5A eine Draufsicht, in einer Ebene parallel zur Bildebene, die die Raumelemente der isotropen und anisotropen ausgerichteten Strukturelemente zeigen, und 5B zeigt die Paarung von Blutgefäßen mit Strukturelementen, die der Richtung dieser Blutgefäße gegenüber am besten ausgerichtet sind, und im besten Maßstab;
  • veranschaulichen 6A bis 6C die morphologischen Öffnungsoperationen;
  • veranschaulicht 7A ein Originalhelligkeitsbild, das ein Hirnarteriogramm zeigt; und 7B, 7C, 7D sind jeweils Bilder von morphologische Öffnungen mit Hilfe von isotropen und anisotropen Strukturelementen der Ausrichtung π/2 und der Ausrichtung π/4.
  • veranschaulicht 8 ein Bild, Ausrichtungsbild genannt, das durch Filterung durch isotrope und anisotrope ausgerichtete Strukturelemente erhalten wird, in welchem die Blutgefäßabschnitte entweder durch Streifen mit spezifischen Ausrichtungen oder durch Punkte dargestellt sind;
  • veranschaulicht 9 das Segmentierungsverfahren in Form von Funktionsblöcken;
  • veranschaulicht 10 eine Vorrichtung zur Ausführung des Verfahrens.
  • Verfahren
  • Die Zeichnungen werden nachstehend in Verbindung mit den verschiedenen Schritten eines Verfahrens zur Filterung eines Digitalbilds beschrieben, umfassend die Darstellung von bandförmigen Objekten, die in wesentlichen zu einem Hintergrund kontrastieren, wobei diese Schritte eine automatische Segmentierung des Bilds durchführen, um die Pixel als Pixel zu markieren, die zum Hintergrund gehören, und als Pixel, die zu Objekten gehören, und um schließlich ein Binärbild aufzubauen, in dem die Objekte einen Pegel von 1 und der Hintergrund einen Pegel von 0 aufweisen.
  • Wie in 1A in der beispielhaften Anwendung dargestellt, ist das Digitalbild in Originalhelligkeit ein Arteriogramm des Gehirns. In diesem Arteriogramm formen die Blutgefäße eine Verflechtung aus dunklen Bändern mit länglicher Form, das sowohl zu Diagnose- als auch zu Therapiezwecken schwer zu untersuchen ist. Das Bild ist kontrastarm. Die Blutgefäße sind schwer unterscheidbar und weisen zahlreiche Kreuzungspunkte auf.
  • Wie in 1B dargestellt, ist das Bild nach dem Ablauf des Segmentierungsverfahrens binär geworden und umfaßt ausschließlich das arterielle System des Arteriogramms von 1A, das mit einem konstanten Helligkeitspegel dargestellt ist und zu einem einheitlichen Hintergrund kontrastiert.
  • Das vorliegende Verfahren ermöglicht es, das Bild von 1B ohne Informationsverlust ausgehend vom Bild von 1A aufzubauen. Dadurch wird die Genauigkeit der medizinischen Diagnose oder Therapie des Arztes, der mit dem Bild von 1B arbeitet, um Vergleich zu dem, was mit dem Originalbild möglich wäre, erheblich verbessert.
  • Bezug nehmend auf 9, die das Verfahren in Form von Funktionsblöcken darstellt, umfaßt das Segmentierungsverfahren bevorzugt die nachstehend beschriebene Schrittfolge:
  • 1) Erfassung eines Digitalbilds
  • Das Digitalbild, wie in 1A dargestellt, wird mit Mitteln 100 zur Formung von Digitalbildern erfaßt, in Form einer zweidimensionalen Matrix Joo von Pixeln, die digitalisierte Helligkeitspegel aufweisen. Das erfaßte Bild Joo stellt ein Hirn arteriogramm dar, in dem die Arterien dunkle Bänder vor einem helleren Hintergrund formen. Dieses Bild wird zuerst einer Filterung 101 unterzogen, um das Rauschen zu beseitigen, zum Beispiel durch eine Tiefpaßfilterung.
  • Dann werden die Helligkeiten durch ein dem Fachmann bekanntes Verfahren invertiert, um ein Digitalbild Jo1 zu erhalten, in dem die zu erkennenden Objekte hell vor einem dunklen Hintergrund sind. Es liegt dann ein Bild gleichen Typs vor wie die Bilder, die nach dem Verfahren verarbeitet wurden, das vom Stand der Technik bekannt ist.
  • In der Folge des Verfahrens wird an diesen Bildern gearbeitet, in welchen die Blutgefäße helle Bänder vor einem dunkleren Hintergrund sind.
  • 2) Extraktion des Hintergrunds
  • Eine Extraktion 110 des Hintergrunds wird am geglätteten Bild Jo1 durchgeführt, um die Elemente, die dem arteriellen System fremd sind, grob zu entfernen
  • 2A stellt ein Helligkeitsprofil entlang einer Linie A1 von Pixeln dar, die ein Blutgefäß 20 in einem Bild Jo1 schneidet. Dieses Helligkeitsprofil zeigt einen Abschnitt 10 mit langsamen Helligkeitsänderungen, der dem Hintergrund entspricht, und einen einen Helligkeitsdom formenden Abschnitt 20, der dem Blutgefäß entspricht.
  • Bezug nehmend auf 2A umfaßt die Hintergrundextraktion den Durchlauf eines auf einem aktuellen Pixel P(x,y) der Zeile Δ1 zentrierten Filters 102, das ein Mittel herstellt zwischen einer Helligkeit IA1 eines Punkts A1, der in einem bestimmten Abstand R1 links vom aktuellen Pixel P(x,y) angeordnet ist, und einer Helligkeit IB1 eines Punkts B1, der im gleichen Abstand R2 rechts vom aktuellen Pixel P(x,y) auf der Zeile Δ1 angeordnet ist. Die berechnete mittlere Helligkeit Ip wird dem aktuellen Pixel P(x,y) zugewiesen.
  • Durch den Durchlauf dieses Filters 102 wird der Helligkeitsdom 20, der auf das Blutgefäß zurückzuführen ist, entfernt, und ein Hintergrundabschnitt 30 wird an seinem Ort geschätzt.
  • Diese Filterungsoperation 102 wird in einem ersten Maßstab mit einem ersten Abstand R1 auf solche Weise durchgeführt, daß der Wert 2R1 größer als die Querabmessungen der größten Blutgefäße. Bezug nehmend auf 2B, kann diese Filterungsoperation 102 zudem in einem zweiten Maßstab mit einem anderen Wert R2 durchgeführt werden, der abhängig von Durchmessern kleinerer Blutgefäße gewählt wird.
  • Bezug nehmend auf 2C, die auf schematische Weise von oben gesehen Blutgefäße 20a und 20b im geglätteten Bild J1 darstellt, wird diese Filterungsoperation 102 nicht nur in einem oder mehreren Maßstäben durchgeführt, wie 2A und 2B entsprechend, sondern auch entlang einer Vielzahl M von Richtungen Δ1 bis ΔM, die in der Ebene des Bilds J01 regelmäßig von π/M zu π/M verteilt sind. Bevorzugt ist M = 8. Demnach wird eine Filterung 102 an 8 Richtungen entlang durchgeführt, die in einem Winkel von π/8 zu π/8 regelmäßig beabstandet sind.
  • An jedem aktuellen Punkt P(x,y) wird der Helligkeitswert des Hintergrunds dann als der schwächste Wert von allen geschätzten Werten bestimmt, wobei der Maßstab und die Ausrichtung Δ variiert werden. Durch diese Operation 102 wird ein geschätztes Hintergrundbild JBG erhalten.
  • Dann wird ein Bild Jo geformt, indem den Pixeln die Helligkeitsdaten zugewiesen werden, die berechnet werden, indem die Helligkeitswerte, die für den Hintergrund geschätzt und dem Bild JBG der Helligkeitsdaten des geglätteten Bilds J01 entnommen wurden, durch eine Operation 103 subtrahiert werden.
  • Dieses Hintergrundextraktionsverfahren ist sehr genau, da es den Hintergrund auch am Ort der Blutgefäße schätzt und extrahiert. Dieses Hintergrundextraktionsverfahren ist sehr vorteilhaft, da es nicht viel Rechenzeit in Anspruch nimmt, und da es keine Störungen, Fehler oder Ungenauigkeiten in den Überschneidungs- oder Kreuzungsbereichen von Blutgefäßen erzeugt. Das Bild Jo stellt nun das Arbeitsbild dar; das Bild Jo zeigt helle Blutgefäße vor einem dunklen Hintergrund.
  • 3) Segmentierungsschritt, unscharfe Segmentierung genannt
  • Ein erster Segmentierungsschritt 130, unscharfe (fuzzy) Segmentierung genannt, wird am Bild Jo durchgeführt, das aus der Hintergrundextraktion resultiert. Diese Segmentierung wird unscharfe Segmentierung genannt, um sie von anderen Segmentierungsverfahren zu unterscheiden, die vom Stand der Technik bekannt sind.
  • Bei der Durchführung dieses Segmentierungsschritts wird berücksichtigt, daß das zu verarbeitende Bild Jo kein Binärbild ist, sondern daß die bandförmigen Blutgefäße variable Helligkeiten aufweisen, die zum Hintergrund mit geringerer Helligkeit kontrastieren, der im Wesentlichen einheitlich gemacht wurde.
  • Bezug nehmend auf 3, wird diesem Verfahren gemäß das zu segmentierende Bild Jo als eine fiktive Landschaft mit drei Dimensionen betrachtet, das heißt, mit zwei räumlichen Dimensionen (x, y), die den Achsen der zweidimensionalen Pixelmatrix entsprechen, und einer dritten Dimension z, auf welcher Helligkeitswerte I(x,y) übertragen sind, die von den zwei räumlichen Dimensionen abhängig variabel sind. In dieser fiktiven Landschaft formen die Arterien, zum Beispiel mit 20a, 20b angegeben, dem Hintergrund gegenüber ihrem Helligkeitswert entsprechend mehr oder weniger hohe Tunnel, das heißt, Objekte, die auf dem im wesentlichen flachen Hintergrund 10 Strukturen mit länglicher Form aufweisen und an ihrem Oberteil im Relief abgerundet sind. In 3 kreuzen sich zwei Arterien 20a, 20b, das heißt, sie sind in Wirklichkeit überlagert. Im Helligkeitsbild Jo entspricht die Helligkeit am Kreuzungspunkt gleich der Summe der Helligkeit der beiden Arterien. Diese Tatsache wird durch den Helligkeitsdom 40 in 3 wiedergegeben.
  • Dieser Schritt der unscharfen Segmentierung 130 umfaßt eine morphologische Öffnungsoperation, die mit einem oder mehreren dreidimensionalen Strukturelementen) durchgeführt wird. Unter dreidimensional ist zu verstehen, daß das Strukturelement ein zweidimensionales Raumelelement in einer Ebene u, v parallel zur Bildebene x, y hat, und eine nichtbinäre Helligkeitsfunktion G, das heißt, eine Helligkeitsfunktion G(u,v) aufweist, die in der dritten Dimension z von den zwei räumlichen Dimensionen abhängig variabel ist.
  • Bezug nehmend auf 4A, kann das Raumelement des Strukturelements zum Beispiel kreisförmig sein. Dann ist das Strukturelement isotrop. Die Helligkeitsfunktion G(u,v) läuft um eine Symmetrieachse z, die durch den Kreismittelpunkt geht, und die als Koordinatenachse für die Helligkeiten dient.
  • Bezug nehmend auf 4B, kann das Raumelement länglich sein, mit einer kleinen Hauptausrichtungsachse d und einer großen Hauptausrichtungsachse D. Das Strukturelement ist dann anisotrop. Die morphologische Öffnungsoperation wird bevorzugt mit mehreren Strukturelementen durchgeführt.
  • Bezug nehmend auf 5A, wird eine Bank von Strukturelementen aufgebaut, die eine Vielzahl N von anisotropen Strukturelementen mit großen Hauptausrichtungsachsen D1 bis DN umfaßt, deren, Winkel in der Ebene (u, v) parallel zur Bildebene x, y regelmäßig von π/N zu π/N beabstandet sind. In 5A sind die Raumelemente von 8 Strukturelementen G1 bis G8 dargestellt, deren große Hauptrichtungsachsen D1 bis D8 ein Zentrum 01 bis 08 aufweisen und deren Winkel regelmäßig von π/8 zu π/8 beabstandet ist.
  • Bezug nehmend auf 5A, schließt diese Bank von Strukturelementen ein isotropes Element G9 ein, dessen Raumelement ein Symmetriezentrum 09 aufnimmt.
  • Bezug nehmend auf 3, die einen Abschnitt des Bilds Jo in drei Dimensionen darstellt, und auf 4A, 4B, die Beispiele für dreidimensionale Strukturelemente darstellen, wird versucht, zu bestimmen, welches Strukturelement der Bank der anisotropen ausgerichteten oder isotropen Strukturelementen sich am besten in einen gegebenen Abschnitt des Blutgefäßes einfügt, um die Position, Ausdehnung, Helligkeit und Ausrichtung dieses Blutgefäßabschnitts zu bestimmen.
  • Zu diesem Zweck wird eine erste Bank von Strukturelementen G1 bis G8, wie oben Bezug nehmend auf 5A beschrieben, in einem ersten Maßstab aufgebaut, um die Blutgefäße mit großem Durchmesser zu erkennen, die Abschnitte großer Länge in derselben Richtung aufweisen, und eine oder mehrere anderen Banken von Strukturelementen in kleineren Maßstäben werden aufgebaut, um kleinere Blutgefäße zu erkennen.
  • Bezug nehmend auf 5B zum Beispiel, fügen sich Strukturelemente des Typs G8, dann des Typs G6, dann des Typs G5 in das Blutgefäß 20a ein, wodurch es möglich ist, die Ausdehnung, die Richtung und die Helligkeit von drei Abschnitten dieses Blutgefäßes 20a zu bestimmen. Strukturelemente G'3 in einem kleineren Maßstab fügen sich zudem in den Blutgefäßabschnitt 20b ein, wodurch es möglich ist, seine Ausdehnung, Richtung und Helligkeit zu bestimmen.
  • Der Vorteil dieses Verfahrens ist, daß Blutgefäße, die sich kreuzen, wie z.B. 20a und 20b, einzeln segmentiert werden können, also ohne am Kreuzungspunkt einen Fehler zu begehen.
  • Demnach kann eine erste morphologische Öffnungsoperation mit dem isotropen Strukturelement des in 5A gezeigten Typs durchgeführt werden. Dieser Operation wird durchgeführt, indem dieses isotrope Strukturelement auf den Punkten eines Bilds Jo, das einem Originalbild Joo entspricht, wie zum Beispiel in 7A dargestellt, an Zeilen und Spalten entlang geführt wird, um ein Öffnungsbild zu ergeben, wie zum Beispiel in 7B dargestellt, wo die kreisförmigen Objekte oder die Blutgefäße, die solche Querabmessungen aufweisen, daß das Strukturelement dort eingefügt werden kann, erkannt werden.
  • Es ist anzumerken, daß die Bilder von 7A bis 7D im Vergleich zum tatsächlichen Arbeitsbild Jo invertierte Helligkeiten aufweisen. In diesem Bildverarbeitungsverfahren ist solch eine Umkehr rein symbolisch und wird hier durchgeführt, um verständlichere Bilder zu zeigen.
  • Dann kann eine Vielzahl von morphologischen Öffnungsoperationen jeweils mit Hilfe der Elemente des Satzes aus N anisotropen ausgerichteten Strukturelementen durchgeführt werden. Diese Operationen werden durchgeführt, indem diese anisotropen Strukturelemente auf den Punkten des Bilds Jo an den Linien der Punkte entlang geführt werden, die zu den großen Hauptachsen parallel liegen, um einen Satz aus N Öffnungsbildern zu ergeben, in denen jeweils Blutgefäßabschnitte erkannt werden, die die gleiche Ausrichtung wie diese Hauptachsen haben. Demnach zeigt 7C ein Öffnungsbild, das durch den Durchlauf eines Strukturelements der Ausrichtung π/2 erzeugt wurde, und 7D zeigt ein Strukturelement der Ausrichtung π/4.
  • Allgemein sind die Helligkeitsfunktionen der Strukturelemente monomiale Funktionen der Ordnung größer als 1 oder quadratische Funktionen wie zum Beispiel: G(u) = a.un, wobei u die Variable entlang einer Bildverarbeitungsachse ist, a eine Konstante ist, und n eine Konstante größer als 1 ist. Die Einstellung der Werte dieser Konstanten erlaubt die Bestimmung des Maßstabs des Strukturelements.
  • Bezug nehmend auf 9, umfaßt die unscharfe Segmentierungsoperation 130 zunächst einen ersten Unterschritt der Erosion 111. Bezug nehmend auf 6A, wird die Erosion an einem Helligkeitsprofil I(x) des Bilds Jo durchgeführt, in einer Ebene, die von einer Abszissenachse x definiert wird, die zu einer Richtung einer Hauptachse D parallel liegt, oder gelegentlich zu d, oder zum Radius eines gegebenen Strukturelements G; diese Ebene wird auch durch eine Koordinatenachse z definiert, auf der die Helligkeitswerte übertragen sind.
  • Die Erosion wird mit Hilfe der Helligkeitsfunktion G(u) des Strukturelements durchgeführt, das in dieser Ebene ein Maximum aufweist. Der Erosion wird an jedem Abszissenpunkt x0 des Helligkeitsprofils I(x) durch aufeinanderfolgende Verschiebungen der Helligkeitsfunktion G(u) unterhalb des Helligkeitsprofils I(x) mit einem Tangentenpunkt T durchgeführt; die Bestimmung des geometrischen Orts des Maximums der Funktion G(u) bei dieser Verschiebung bestimmt die erodierte Form IE(x) des Helligkeitsprofils I(x), die in 6A als punktierte Linie dargestellt ist.
  • Bezug nehmend auf 9, umfaßt der der unscharfe Segmentierungsoperation 130 einen zweiten Unterschritt der Dilatation 112, der am erodierten Profil mit Hilfe der invertierten Helligkeitsfunktion –G(u) des Strukturelements durchgeführt wird, das in der Ebene x, z ein Minimum an Helligkeit aufweist. Die Dilatation wird an jedem Abszissenpunkt x0 des erodierten Profils (IE(x)) durch aufeinanderfolgende Verschiebungen der invertierten Helligkeitsfunktion –G(u) oberhalb des erodierten Profils mit einem Tangentenpunkt T durchgeführt. Die Bestimmung des geometrischen Orts des Minimums der Funktion –G(u) bei dieser Verschiebung bestimmt die dilatierte Form ID(x) des erodierten Helligkeitsprofils, die in 6B mit einer gestrichelten Linie dargestellt ist.
  • Bezug nehmend auf 6C, erlaubt der Operation der Erosion-Dilatation die Bestimmung des Strukturelements von den Elementen der Bank, das sich am besten in die Blutgefäßab-schnitte einfügt. Der Durchlauf der anisotropen Elemente parallel zu ihrer großen Hauptachse erlaubt die Bestimmung der Blutgefäßabschnitte mit einer signifikanter Länge, die dieser großen Achse entsprechend ausgerichtet sind, während der Durchlauf des isotropen Elements die Querabmessungen der Blutgefäße bestimmt.
  • Der Durchlauf des isotropen Elements erlaubt auch eine sehr wichtige Erkennung von Anomalien, die Erweiterungen der Blutgefäße sind, da diese Anomalien eine abgerundete Form aufweisen, die einen Blutgefäßvorfall formt. Solche Anomalien lassen sich nicht anders erkennen als durch Kombination der anisotropen ausgerichteten Strukturelemente mit dem isotropen Element. Mit Hilfe der Bank oder den Bänken von Strukturelementen, die in einem oder mehreren Maßstäben vorliegen, werden diese Anomalien auf unfehlbare Weise erkannt.
  • Bezug nehmend auf 9, werden durch die N Öffnungsoperationen 121 bis 129 demnach N Öffnungsbilder geformt. Demnach werden zum Beispiel mit neun Strukturelementen neun Öffnungsbilder J1 bis J9 geformt. Bezug nehmend auf 9, wird in 113 von den Öffnungsbildern ausgehend ein neues Bild geformt. In diesem neuen Bild wird jedem Pixel die maximale Helligkeit von den Helligkeiten zugewiesen, die durch die N Strukturelemente berechnet wurde. Dieses Bild wird Bild der maximalen Helligkeiten JMAX genannt.
  • Die Informationen der verschiedenen Öffnungsbilder können auch durch eine Operation 114 in einem Zusatzbild zusammengefaßt werden, das Ausrichtungsbild JOR genannt wird, wie in 8 gezeigt, das ein in 9 Ausrichtungsklassen segmentiertes Bild ist, das den Blutgefäßabschnitten entspricht, die durch die 9 Strukturelemente von 5A erkannt wurden, die die größte Helligkeit ergeben haben. Die verschiedenen segmentierten Abschnitte werden mit Streifen dargestellt, die zu den großen Achsen der entsprechenden anisotropen Strukturelemente parallel sind, oder mit Punkten im Falle der Abschnitte, die durch das isotrope Strukturelement erkannt wurden.
  • 4) Binärer Segmentierungsschritt
  • Dann wird erstmals in diesem Verfahren ein Binärbild JSB durch einen Schwellenwertvergleich 115 geformt. Am Ende dieses Schwellenwertvergleichs nach einem Verfahren, das vom Stand der Technik bekannt ist, wird das Bild in verbundene Bereiche unterteilt. Zwei Pixel werden verbunden genannt, wenn die Entfernung, in der Pixelzahl gemessen, die diese zwei Pixel trennt, kleiner als eine vorgegebene Entfernung ist.
  • Auf diese Weise werden Bereiche mit einer Mindestfläche definiert, verbundene Bereiche genannt, die verbundene Pixel enthalten. In einer Operation 116 werden die Pixel entfernt, die nicht zu derart definierten verbundenen Bereichen gehören.
  • Ein segmentiertes Binärbild JB wie das von 1B wird dann erhalten. Es ist anzumerken, daß das Segmentierungsverfahren eine morphologische Öffnungsoperation mit den Unterschritten der Dilatation-Erosion an einem Bild durchgeführt hat, in dem die Objekte vor hellem Hintergrund dunkel sind.
  • Es ist möglich und es ist äquivalent, solch ein Segmentierungsverfahren an einem Bild durchzuführen, in dem die Objekte vor dunklem Hintergrund hell sind, durch Ausführung einer morphologischen Schließungsoperation mit den Unterschritten der Dilatation-Erosion, und durch Verwendung der Bank von Strukturelementen, die oben beschrieben wurde. Auch die Operation der Subtraktion des Hintergrunds kann wie zuvor beschrieben durchgeführt werden, wobei zu berücksichtigen ist, daß die Helligkeiten invertiert sind.
  • Vorrichtung
  • Bezug nehmend auf 10, umfaßt eine Vorrichtung zur Verarbeitung von medizinischen Digitalbildern, die in Verbindung mit einer Vorrichtung zur Erzeugung von Hirnarteriogrammen verwendet werden kann, oder die in Verbindung mit diversen Röntgengeräten:
    ein System 100 zur Erfassung eines medizinischen Digitalbilds, insbesondere ein Arteriogramm, ein Bildverarbeitungssystem 200, das Zugriff auf Digitalbilddaten hat, umfassend einen Mikroprozessor, um das oben beschriebene Segmentierungsverfahren auszuführen, und ein Anzeigesystems 201, das mit einem Ausgang des Mikroprozessors verbunden ist, um die verschiedenen Bilder, die im Verfahren verwendet werden, anzuzeigen.

Claims (9)

  1. Verfahren zur Verarbeitung eines Digitalbilds, das bandförmige Objekte mit uneinheitlicher Helligkeit darstellt, die zu einem Hintergrund kontrastieren, wobei dieses Verfahren einen Schritt der automatischen Segmentierung dieser bandförmigen Objekte einschließt, umfassend einen oder mehrere morphologische Öffnungs- oder Schließungsoperation(en), je nach Helligkeit des Hintergrunds, die jeweils mit einem oder mehreren dreidimensionalen Strukturelementen) durchgeführt werden, die aus einem isotropen Strukturelement (G9) und anisotropen ausgerichteten Strukturelementen (G1–G8) gewählt werden, die in zwei ersten Dimensionen (u, v), räumliche Dimensionen genannt, durch ein zweidimensionales Raumelement, jeweils isotrop oder anisotrop, parallel zur Bildebene definiert werden, und die in einer dritten Dimension (z), Helligkeitsdimension genannt, von einer nichtbinären Helligkeitsfunktion (G(u)) definiert werden, die von den zwei räumlichen Dimensionen abhängig variabel ist.
  2. Verfahren nach Anspruch 1, umfassend im Segmentierungsschritt: eine morphologische Öffnungs- oder Schließungsoperation, die mit einem Strukturelement durchgeführt wird, das ein zweidimensionales isotropes Raumelement mit einem Symmetriezentrum aufweist, und eine nichtbinäre Helligkeitsfunktion mit einem Optimum (Maximum oder Minimum) im Symmetriezentrum, wobei diese morphologische Öffnungs- oder Schließungsoperation durchgeführt wird, indem dieses isotrope Strukturelement an Zeilen und Spalten entlang über die Punkte des Digitalbilds geführt wird, um ein Öffnungsbild zu ergeben, in dem im wesentlichen kreisrunde Objekte erkannt werden, und eine Aufbauoperation des segmentierten Bilds, das die erkannten kreisrunden Objekte und den Hintergrund enthält.
  3. Verfahren nach Anspruch 1, umfassend im Segmentierungsschritt: eine Vielzahl von morphologischen Öffnungs- oder Schließungsoperationen, die jeweils mit Elementen aus einem Satz aus N dreidimensionalen Strukturelementen durchgeführt werden, die zweidimensionale anisotrope Raumelemente aufweisen, jeweils mit Hauptachsen, deren Winkel in der Bildebene regelmäßig von π/N zu π/N beabstandet ist, und jeweils mit nichtbinären Helligkeitsfunktionen in der dritten Dimension mit einem Optimum (Maximum oder Minimum) im Zentrum der Hauptachse des Elements, wobei diese morphologische Öffnungs- oder Schließungsoperation durchgeführt wird, indem die anisotropen Strukturelemente auf den Punkten des Digitalbilds an Linien der Punkte entlang geführt wird, die zu diesen Hauptachsen parallel sind, um einen Satz aus N Öffnungs- oder Schließungsbildern zu ergeben, in welchen jeweils die bandförmigen Objektabschnitte erkannt werden, die die gleiche Ausrichtung wie die Hauptachsen haben, und eine Aufbauoperation des segmentierten Bilds, das diese erkannten Abschnitte und den Hintergrund enthält.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei die Helligkeitsfunktionen der Strukturelemente monomiale Funktionen der Ordnung größer als 1 oder quadratische Funktionen sind, wie z.B.: G(u) = a.un, wobei u die Variable entlang einer Verarbeitungsachse parallel zur Bildebene ist, a eine Konstante ist, n eine Konstante größer als 1 ist, die als Exponent der Variablen eingesetzt wird.
  5. Verfahren nach einem der Ansprüche 1 bis 4, wobei die morphologischen Öffnungs- oder Schließungsoperationen) in verschiedenen Maßstäben durchgeführt wird oder werden, indem die Werte der Konstanten so eingestellt werden, daß Objekte unterschiedlichen Durchmessers im Bild gut erkannt werden.
  6. Verfahren nach einem der Ansprüche 1 bis 5, wobei die Öffnungsoperation umfaßt: einen ersten Unterschritt der Erosion, der an einem Helligkeitsprofil I(x) des Digitalbilds in einer Ebene durchgeführt wird, die durch eine Abszissenachse (x) definiert wird, die parallel zu einer Richtung einer Hauptachse (D) eines Strukturelements oder einem gegebenen Radius (G) liegt, und durch eine Ordinatenachse (z), auf der die Helligkeitswerte übertragen sind, und mit Hilfe der Helligkeitsfunktion [G(u)] des Strukturelements, das ein Maximum in dieser Ebene aufweist, wobei dieser erste Unterschritt der Erosion an jedem gegebenen Abszissenpunkt (x0) des Helligkeitsprofils durchgeführt wird, durch aufeinanderfolgende Verschiebungen der Helligkeitsfunktion [G(u)] unterhalb dieses Helligkeitsprofils [1(x)] mit einem Tangentenpunkt (T), und durch Bestimmung des geometrischen Orts des Maximums der Helligkeitsfunktion [G(u)] als das Erodierte [1E(x)] des Helligkeitsprofils [1(x)], wobei der Öffnungsoperation nach diesem Verfahren auch umfaßt: einen zweiten Unterschritt der Dilatation, der am Erodierten [1E(x)] des Helligkeitsprofils [1(x)] durchgeführt wird, mit Hilfe der invertierten Helligkeitsfunktion [–G(u)] des Strukturelements, das ein Minimum in dieser Ebene aufweist, wobei dieser zweite Unterschritt der Dilatation an jedem gegebenen Abszissenpunkt (x0) des erodierten Helligkeitsprofils durchgeführt wird, durch aufeinanderfolgende Verschiebungen der invertierten Helligkeitsfunktion [–G(u)] oberhalb des erodierten Helligkeitsprofils [–1s(x)] mit einem Tangentenpunkt (T'), und durch Bestimmung des geometrischen Orts des Minimums der Helligkeitsfunktion [G(u)] als das Dilatierte [1(x)] des erodierten Helligkeitsprofils.
  7. Verfahren nach einem der Ansprüche 1 bis 6, wobei ein aufgerufenes Bild der maximalen Helligkeiten aufgebaut wird, indem jedem Pixel das Maximum von allen Werten zugewiesen wird, die für dieses Pixel von den morphologischen Öffnungsoperationen bestimmt wurden, und wobei dieses Bild der maximalen Helligkeiten einem Schwellenwertvergleich unterzogen wird, um ein binäres Bild zu erhalten.
  8. Verfahren nach einem der Ansprüche 1 bis 7, wobei zuvor ein Digitalbild (J0) erfaßt wird, das bandförmige Objekte mit uneinheitlicher Helligkeit darstellt, die zu einem Hintergrund kontrastieren, in diesem Bild die Objekte eine geringe Helligkeit vor einem Hintergrund mit höherer Helligkeit aufweisen, wobei dieses Verfahren vor dem Segmentierungsschritt umfaßt: einen Unterschritt des Inversion der Helligkeiten, einen Unterschritt der Glättung des Rauschens, der ein Bild ergibt, das geglättetes Bild J01 genannt wird, und wobei dieses Verfahren auch einen Schritt der Hintergrundextraktion umfaßt, der am geglätteten Bild durchgeführt wird, umfassend: einen Unterschritt des Führens, auf den Pixeln des geglätteten Bilds, eines Satzes von M Filtern, die in Winkeln von π/M zu π/M regelmäßig ausgerichtet sind, jeweils ein Helligkeitsmittel der Punkte bestimmen, die beiderseits des aktuellen Pixels liegen, in einem Abstand (R1, R2), der größer ist als der Radius der Blutgefäße in diesem geglätteten Bild, und dem aktuellen Pixel dieses Mittel zuweisen, einen Unterschritt der Formung eines Hintergrundbilds, wobei jedem Pixel der niedrigste Helligkeitswert von den Helligkeiten zugewiesen wird, die von den Filtern des Satzes bestimmt wurden, einen Unterschritt der Subtraktion des Hintergrunds im geglätteten Bild, um ein Arbeitsbild (J0) bereitzustellen.
  9. Vorrichtung für ein medizinisches System zur Verarbeitung von medizinischen Digitalbildern, die bandförmige Objekte mit uneinheitlicher Helligkeit darstellen, die zu einem Hintergrund kontrastieren, umfassend ein System zur Erfassung eines Digitalbilds, ein Bildverarbeitungssystem, das Zugriff auf die Bilddaten hat, umfassend einen Mikroprozessor, um ein Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
DE69734801T 1996-07-31 1997-07-24 Verfahren zur automatischen Segmentierung von numerischen Bildern und Vorrichtung zur Ausführung dieses Verfahrens Expired - Fee Related DE69734801T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9609641 1996-07-31
FR9609641 1996-07-31

Publications (2)

Publication Number Publication Date
DE69734801D1 DE69734801D1 (de) 2006-01-12
DE69734801T2 true DE69734801T2 (de) 2006-08-17

Family

ID=9494673

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69734801T Expired - Fee Related DE69734801T2 (de) 1996-07-31 1997-07-24 Verfahren zur automatischen Segmentierung von numerischen Bildern und Vorrichtung zur Ausführung dieses Verfahrens

Country Status (4)

Country Link
US (1) US6047090A (de)
EP (1) EP0822515B1 (de)
JP (1) JPH1099308A (de)
DE (1) DE69734801T2 (de)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6295392B1 (en) * 1998-05-20 2001-09-25 Itt Manufacturing Enterprises, Inc. Super resolution methods for electro-optical systems
US6366797B1 (en) * 1998-08-25 2002-04-02 The Cleveland Clinic Foundation Method and system for brain volume analysis
AUPQ449899A0 (en) 1999-12-07 2000-01-06 Commonwealth Scientific And Industrial Research Organisation Knowledge based computer aided diagnosis
US6980675B2 (en) * 2000-10-18 2005-12-27 Paieon, Inc. Method for processing images of coronary arteries
FR2818855A1 (fr) * 2000-12-26 2002-06-28 Koninkl Philips Electronics Nv Procede de traitement d'images
US7225011B2 (en) * 2001-04-02 2007-05-29 Koninklijke Philips Electronics, N.V. Heart modeling using a template
US7526112B2 (en) * 2001-04-30 2009-04-28 Chase Medical, L.P. System and method for facilitating cardiac intervention
US7327862B2 (en) * 2001-04-30 2008-02-05 Chase Medical, L.P. System and method for facilitating cardiac intervention
US20030095696A1 (en) * 2001-09-14 2003-05-22 Reeves Anthony P. System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
US6947040B2 (en) * 2001-10-23 2005-09-20 Siemens Corporate Research, Inc. Vessel detection by mean shift based ray propagation
GB0205000D0 (en) * 2002-03-04 2002-04-17 Isis Innovation Unsupervised data segmentation
US20030190063A1 (en) * 2002-03-08 2003-10-09 Acharya Kishore C. Method and system for performing coronary artery calcification scoring
US7149335B2 (en) * 2002-09-27 2006-12-12 General Electric Company Method and apparatus for enhancing an image
US7899245B2 (en) * 2002-12-30 2011-03-01 Lockheed Martin Corporation Morphological based segmenter
US20050043609A1 (en) * 2003-01-30 2005-02-24 Gregory Murphy System and method for facilitating cardiac intervention
WO2004068406A2 (en) * 2003-01-30 2004-08-12 Chase Medical, L.P. A method and system for image processing and contour assessment
US20040260540A1 (en) * 2003-06-20 2004-12-23 Tong Zhang System and method for spectrogram analysis of an audio signal
US20070014452A1 (en) * 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
US7616794B2 (en) * 2004-01-26 2009-11-10 Siemens Medical Solutions Usa, Inc. System and method for automatic bone extraction from a medical image
US7333643B2 (en) * 2004-01-30 2008-02-19 Chase Medical, L.P. System and method for facilitating cardiac intervention
US20050174085A1 (en) * 2004-02-10 2005-08-11 Olympus Corporation Micromanipulation system
US7248736B2 (en) * 2004-04-19 2007-07-24 The Trustees Of Columbia University In The City Of New York Enhancing images superimposed on uneven or partially obscured background
JP4747175B2 (ja) * 2004-09-22 2011-08-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用画像における器官の等角セグメント化方法及び装置
WO2006064438A1 (en) * 2004-12-16 2006-06-22 Koninklijke Philips Electronics N.V. A method, an apparatus and a computer program for segmenting a structure in a multi-dimensional dataset
US7773787B2 (en) * 2005-04-19 2010-08-10 Siemens Medical Solutions Usa, Inc. Method and apparatus for detecting blood vessel boundaries using multi-scale mean-shift ray propagation
FR2889382A1 (fr) * 2005-07-29 2007-02-02 Canon Res Ct France Soc Par Ac Procede et dispositif de filtrage d'un signal numerique multidimensionnel et procedes et dispositifs de codage et decodage associes
JP2007207009A (ja) 2006-02-02 2007-08-16 Fujitsu Ltd 画像処理方法及び画像処理装置
US9042606B2 (en) * 2006-06-16 2015-05-26 Board Of Regents Of The Nevada System Of Higher Education Hand-based biometric analysis
US7940977B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7983459B2 (en) 2006-10-25 2011-07-19 Rcadia Medical Imaging Ltd. Creating a blood vessel tree from imaging data
US7873194B2 (en) * 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US7860283B2 (en) 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US8761466B2 (en) * 2008-01-02 2014-06-24 Bio-Tree Systems, Inc. Methods of obtaining geometry from images
WO2010121146A2 (en) * 2009-04-17 2010-10-21 Malek Adel M Aneurysm detection
US8655084B2 (en) * 2009-06-23 2014-02-18 Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno Hand-based gender classification
JP5586209B2 (ja) * 2009-11-04 2014-09-10 三菱電機株式会社 画像信号処理装置
CN101770577B (zh) * 2010-01-18 2011-11-30 浙江林学院 无人机航片松材线虫病病死木的膨胀-剔除信息提取法
MY152058A (en) * 2010-06-21 2014-08-15 Univ Putra Malaysia A method of constructing at least one 3 dimensional image
US8861814B2 (en) * 2010-12-22 2014-10-14 Chevron U.S.A. Inc. System and method for multi-phase segmentation of density images representing porous media
TR201101980A1 (tr) * 2011-03-01 2012-09-21 Ulusoy İlkay Bir nesne temelli bölütleme yöntemi.
US9256940B2 (en) 2011-09-13 2016-02-09 Koninklijke Philips N.V. Vascular outlining with ostia visualization
JP5777650B2 (ja) * 2013-01-29 2015-09-09 富士フイルム株式会社 超音波診断装置および超音波画像生成方法
JP6132888B2 (ja) * 2015-09-11 2017-05-24 株式会社日立製作所 生体認証装置および方法
JP6226939B2 (ja) * 2015-11-30 2017-11-08 麗軌 清水 超低解像度画像作成装置及び超低解像度画像作成方法
CN109389116B (zh) * 2017-08-14 2022-02-08 阿里巴巴(中国)有限公司 一种字符检测方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5574803A (en) * 1991-08-02 1996-11-12 Eastman Kodak Company Character thinning using emergent behavior of populations of competitive locally independent processes
FR2708166A1 (fr) * 1993-07-22 1995-01-27 Philips Laboratoire Electroniq Procédé de traitement d'images numérisées pour la détection automatique de sténoses.
DE4435796C1 (de) * 1994-10-06 1995-12-07 Siemens Ag Verfahren zur automatischen Erkennung von Kanten und Durchmessern in Bildern
US5832134A (en) * 1996-11-27 1998-11-03 General Electric Company Data visualization enhancement through removal of dominating structures

Also Published As

Publication number Publication date
JPH1099308A (ja) 1998-04-21
EP0822515B1 (de) 2005-12-07
EP0822515A1 (de) 1998-02-04
US6047090A (en) 2000-04-04
DE69734801D1 (de) 2006-01-12

Similar Documents

Publication Publication Date Title
DE69734801T2 (de) Verfahren zur automatischen Segmentierung von numerischen Bildern und Vorrichtung zur Ausführung dieses Verfahrens
DE69630935T2 (de) Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild
DE69629732T2 (de) Vorrichtung zur rechnerunterstützten Diagnose
DE19851597B4 (de) Verfahren und Gerät zur Erzeugung verbesserter Bilder von Kranzarterien
DE3826287C2 (de) Verfahren und Vorrichtung zur automatischen Analyse von Lungengewebe aus einem röntgenologischen Brustbild
DE69908526T2 (de) Verfahren und System zur Bildverarbeitung unter Verwendung von Konturerfassungsschritten
DE69724906T2 (de) Numerisches Bildverarbeitungsverfahren zur automatischen Extraktion bandförmiger Objekte
DE102008007231B4 (de) Verfahren und System zum Berechnen eines Vesselness-Maßes und Gefäßbaummodellierung mittels dieses Vesselness-Maßes
DE69817704T2 (de) Verfahren für Spülung und Kalibrierung eines Sensors für System zur Analyse einer körperlichen Flüssigkeit
EP2187351B1 (de) Verfahren und Vorrichtung zum Erkennen von Objekten
DE69631085T2 (de) Bildverarbeitungsverfahren und -vorrichtung
DE19614975C2 (de) Gesichtsbildverarbeitungssystem
DE69917829T2 (de) Bildverarbeitungsverfahren mit multidimensionalen Bildsegmentationsstufen und medizinische Vorrichtung die diese verwendet
DE10107765A1 (de) Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens
DE102006017113A1 (de) Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen
DE102006038776A1 (de) Verfahren, Einrichtung und Computerprogramm zur Gefäßkonturdetektion unter Anwendung von Röntgen-Densitometrie
DE10249320A1 (de) Gefäss-Detektion durch Strahlausbreitung auf der Grundlage der mittleren Abweichung
DE3833309C2 (de)
DE10392341T5 (de) System-GUI zur Identifikation und synchronisierten Anzeige einer Objektkorrespondenz in CT-Volumenbildsätzen
DE102006034358A1 (de) System und Verfahren zur Segmentierung der Koronararterie von Herz-CT-Volumen
DE102005039685A1 (de) Verfahren zur Identifizierung eines kontrastierten Blutgefäßes in digitalen Bilddaten
DE60208431T2 (de) Verfahren zur automatischen etikettierung von zweigen
WO2007124960A2 (de) Vorrichtung und verfahren zur computergestützten analyse von mammogrammen
DE102010041619B4 (de) Verfahren und Röntgensystem zur Summation von DSA-Serienbildern
DE102005010076A1 (de) Bildbearbeitungsverfahren für ein digitales medizinisches Untersuchungsbild und zugehörige Untersuchungseinrichtung

Legal Events

Date Code Title Description
8320 Willingness to grant licences declared (paragraph 23)
8328 Change in the person/name/address of the agent

Representative=s name: VOLMER, G., DIPL.-ING., PAT.-ANW., 52066 AACHEN

8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee