JPH1031745A - 自動画像解析方法 - Google Patents

自動画像解析方法

Info

Publication number
JPH1031745A
JPH1031745A JP9081240A JP8124097A JPH1031745A JP H1031745 A JPH1031745 A JP H1031745A JP 9081240 A JP9081240 A JP 9081240A JP 8124097 A JP8124097 A JP 8124097A JP H1031745 A JPH1031745 A JP H1031745A
Authority
JP
Japan
Prior art keywords
image
section
sections
image section
contrast
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.)
Pending
Application number
JP9081240A
Other languages
English (en)
Inventor
Thorsten Dr Buzug
ブーツーク トールシュテン
Juergen Dr Weese
ヴェーゼ ユールゲーン
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
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 Philips Electronics NV filed Critical Philips Electronics NV
Publication of JPH1031745A publication Critical patent/JPH1031745A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

(57)【要約】 【課題】 本発明は、ディジタル引き算血管造影法にお
いても適切な結果を提供する、異なる瞬間に形成された
診療対象領域の画像を解析する方法を提供することを目
的とする。 【解決手段】 本発明は、異なる瞬間に記録された画像
が、変換関数が画像セクションのずれを基に決定される
ことで解析され、変換関数は一方の画像から他方へのず
れを示す自動画像解析方法に関する。このずれの正確な
決定を可能にするためには、対応する画像セクションは
ヒストグラム解析によって二つの画像内で決定される。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、異なる瞬間に記録
された一つの物体の二つの画像が、 ａ） 一の画像において処理される画像領域内の多数の
画像セクションを画成し、 ｂ） 探索範囲において、これらの画像セクションを、
上記一の画像内の夫々の画像セクションに関して、同じ
位置或いはずれた位置を占める他の画像内の画像セクシ
ョンと比較し、 ｃ） 上記一の画像内の画像セクションに最もよく対応
する、他の画像内の画像セクションを決定し、 ｄ） 最もよい対応を示す画像セクション間のずれを決
定し、 ｅ） 個々の画像セクション間のずれを近似させる変換
関数を決定することによって、解析される自動画像解析
方法に関する。
【０００２】本発明はまた、上記方法を実行するための
装置に関する。
【０００３】
【従来の技術】一つの応用分野は、患者の画像が異なる
瞬間に作られる医療診断である。「画像（Ｉｍａｇ
ｅ）」は、以下二次元あるいは三次元の空間ゾーンの画
素において、例えば、（Ｘ線画像あるいはＸ線ＣＴ画像
の場合の）Ｘ線の吸収、あるいは（磁気共鳴やＭＲ画像
の場合の）横方向磁化の強さといった物理的パラメータ
を特徴づけるデータセットを意味すると理解される。個
々の画像セクションのずれを近似させる変換関数は、二
つの画像の変形の方向と程度に関する定量的な情報を供
給する。このような方法は、たとえば股関節の手術ある
いは他の外科的介入といった手術の前と後に撮った画像
を基に手術ゾーンの付近の変化の評価を可能にする。
【０００４】ディジタル引き算血管造影法（ＤＳＡ）
は、本発明の望ましい応用分野である。造影剤の注入の
前に、第１の画像（マスク画像）が記録され、造影剤の
注入の後に更なる画像（コントラスト画像）が記録され
る。二つの画像は、患者の同じ領域を再生する。患者の
血管もまたコントラスト画像の中で再生されているた
め、これらは互いに離れている。この二つの画像から得
られた差分画像は、本質的には血管のみを示す。
【０００５】コントラスト画像とマスク画像の記録の間
には、ある程度の時間が経過するため、必然的に呼吸に
よる患者のわずかな動きや変形が生じる。従って、マス
ク画像とコントラスト画像は、互いに関してわずかにず
れた、患者内の領域を示す。マスク画像は完全には除去
できないため、このことは差分画像にアーティファクト
をもたらし、残るバックグラウンド構造は差分画像の血
管構造の上に望ましくなく重畳される。
【０００６】米国特許第５，０４８，１０３号によって
公知の上述の種類の方法では、第一にいわゆる「ランド
マーク（ｌａｎｄｍａｒｋｓ）」が計算され、ランドマ
ークは画像を横切ってできる限り一様に分布される。あ
る画像セクションは、その中心にランドマークが位置す
るように画成され、ランドマークに対応する画素の周り
の探索範囲内の他の画像では、画像セクションは最もよ
くランドマークの周りのセクションに対応するように決
定される。この対応は相互相関によって決定され、二つ
の画像の中で最もよく対応する画像セクションは、相互
相関が最大を有するセクションであるように決定され
る。しかしながら相互相関は、対応する画像セクション
が存在しない、例えば一の画像では画像セクションが血
管の画像を含み、他方の画像ではそのような血管は撮像
されていない場合は、誤差を引き起こす。このように決
定された画像セクションは、従って、実際のずれには対
応せず、よってそこから得られた変換関数は、変化を正
確には示さない。従って、一方の画像が変換関数に従っ
て変換され、二つの画像が引き算された場合、差分画像
におけるアーティファクトは除去されない。
【０００７】
【発明が解決しようとする課題】本発明の目的は、ディ
ジタル引き算血管造影法においても適切な結果を提供す
る上述の種類の方法を提供することである。
【０００８】
【課題を解決するための手段】上記目的は、 ｆ） 差分画像セクションは、比較される二つの画像の
画像セクションから作られ、 ｇ） ヒストグラムは、差分画像セクション内の画像値
から作られ、 ｈ） 最もよい対応を示す二つの画像内の画像セクショ
ンは、関連する差分画像セクションが最も狭い度数の山
を示すヒストグラムを有する画像セクションとして決定
されることにより、達成される。
【０００９】従って、二つの画像セクション間の対応の
程度を決定するために、差分画像セクションが決定され
る（一方の画像セクションの画像値は、空間的に対応す
る画素に関連する他の画像セクションの画像値から引き
算される）。画像値のヒストグラムは、差分画像セクシ
ョンについて決定され、つまり個々の画像値の度数が決
定される。画像セクションが対応するならば、差分画像
セクションは、画像値が０あるいは不変の画像値の場合
に一つの度数の山を有するはずである；ディジタル引き
算血管造影法の場合は、コントラスト画像内の造影剤に
満たされた血管によって、更なる度数の山が起こりう
る。従って、最もよい対応を提供する画像セクション
は、差分画像セクションのヒストグラムが、最も際立っ
た複数の度数の山を示す画像セクションとして決定され
る。
【００１０】最も際立った複数の度数の山の画像セクシ
ョンは、様々な方法によって決定され得る。例えば、度
数の当該の一つの山は夫々の差分画像セクションについ
て決定することができ、そして一つの最も高い度数の山
を有する差分画像セクションが選択されうる。しかしな
がら、本発明の望ましい形式では、重みづけ度数分布の
積分が計算され、そして最も狭い度数の山を有する差分
画像セクションが、この積分が極値を有する差分画像セ
クションとして決定されることにより、ヒストグラムに
よって与えられた度数分布は、重み関数を適用すること
により重みづけ度数分布に変換される。鮮明度当たりの
度数分布の積分（即ちヒストグラムの全ての度数値の合
計）は１であり、よって全ての画像セクションに対して
この積分は１になる。しかしながら、（夫々の度数値を
重み関数によって与えられた値で置き換えることによ
り）適当な重み関数が度数分布に適用されたとすると、
積分は最もよい対応を示す画像セクションに対して極値
（最大或いは最小）を取る。
【００１１】重み関数は、本発明の更なる形式では、ｐ
b が差分画像セクションにおける画像の値ｂの度数であ
るとすると、ｐb ＝０とｐb ＝１との間の範囲では、変
曲点を有しない。このような重み関数では、差分画像セ
クションに関連する画像セクションが最もよい対応を示
すならば、積分はその変化に応じて最大あるいは最小化
のいずれかになることが証明されうる。
【００１２】関数ｆ（ｐ）＝−ｐb ｌｏｇｐb は、本発
明の望ましい形式では、重み関数として用いられ、積分
が最小である画像セクションが決定される。すると積分
は、例えば情報理論によって既知の情報の尺度である、
エントロピー尺度に対応する。二つの画像が対応するな
らば、そこから得られた差分画像セクションは情報理論
の観念では最も少ない情報を含む。しかしながら、関数
ｆ（ｐ）＝−ｐb ｌｏｇｐb を近似させる重み関数もま
た使用され得る。
【００１３】本発明による方法の他の方式は、好ましく
はディジタル引き算血管造影法に使用され、そのとき差
分画像はコントラスト画像及びマスク画像から得られ、
処理されるコントラスト画像あるいはマスク画像の画像
領域の全ての画素はこの変換関数に従った変換を受け、
そして差分画像は変換されたマスク画像（コントラスト
画像）から変換されていないコントラスト画像（マスク
画像）を引き算することによって得られる。この形式
は、上述のアーティファクトが非常によく取り除かれた
差分画像を与える。
【００１４】本発明の更なる形式では、処理される画像
領域は、位置及び大きさに関して調整可能な画像ウィン
ドウにより使用者によって予め決めることができる。診
断上重要な領域が使用者によって予め決められたとする
と、変換は画像ウィンドウの中でのずれのみを示せばよ
い；従って、画像全体の中のずれを示すよりもより簡単
に構成することができる。これにより、計算時間は実質
的に減少する。さらに、ＤＳＡ方法のように、処理され
る変換領域の全ての画素が変換関数を受けなくてはなら
ないならば、画像ウィンドウが変換をより少ない画素数
に限定する点で、計算時間はまた減らされる。
【００１５】画像セクション内でのコントラストが低い
場合には、夫々の他の画像の中の対応する画像セクショ
ンの位置の正確な決定は、難しいかあるいは不可能でさ
えある。従って、そのような画像セクションが、変換関
数を計算するのに用いられたならば、誤差が起こりう
る。これらの誤差は、処理される画像領域を多数の同様
な隣接する画像セクションに細分化し、個々の画像セク
ションに対するコントラストを決定し、そしてずれの決
定において最も高いコントラストの画像セクションのみ
を選択することによって、回避することができる。本発
明の更なる形式においては、個々の画像セクションのコ
ントラストは、当該の画像セクションの画像値のヒスト
グラムから得られる。
【００１６】本発明の方法を実施するための装置は、検
査される物体の少なくとも二つの画像を作るための、造
影装置と、処理される一の画像の画像領域内で、多数の
同様な画像セクションを予め決める手段と、探索範囲に
おいて、各々の該画像セクションと、それに関して、該
一の画像セクションと同じ位置或いはずれた位置を占め
る他の画像内の画像セクションとを比較する手段と、該
一の画像内の画像セクションに最もよく対応する、他の
画像内の画像セクションを決定する手段と、そのように
対応する画像セクションのずれを決定する手段と、個々
の画像セクション間のずれを近似させる変換関数を決定
する手段とを含み、差分画像セクションを二つの画像の
当該の画像セクションから作るための構成手段を比較す
るための手段と共に、ヒストグラムを、差分画像セクシ
ョン内の画像値から作るための手段と、関連する差分画
像セクションは、最も狭い山を示すヒストグラムを有す
る、二つの画像の中の画像セクションを決定するための
手段を備えることを特徴とする。
【００１７】
【発明の実施の形態】図１は、検査台２に配置された患
者３を照射するＸ線源１を含むＸ線システムを示す。こ
のように作られたＸ線レリーフは、輝度が増感された出
力画像がビデオカメラ５によって撮像される、Ｘ線画像
増感器４の入力スクリーンに投射される。ビデオカメラ
によって供給されるアナログ信号は、アナログ／ディジ
タル変換器６によってディジタルデータワードのシリー
ズに変換される。データワードは、当該の夫々の画素の
画像値、即ち当該の画素における画像の輝度を示す。デ
ータワードは、ビデオ制御ユニット７の制御のもと、メ
モリ１０の連続するアドレスに記憶される。
【００１８】上述のＸ線画像情報の取得の代わりに、例
えばＣＣＤ（電化結合素子）カメラ或いは半導体Ｘ線検
出器によっても、取得が実行されうる。メモリ１０は、
バスシステム９を経由し、該バスシステムを経て更なる
画像メモリ１１及び１２にアクセスしうるマイクロコン
ピュータ８に接続している。画像メモリ１０、１１及び
１２は、コントラスト画像、マスク画像、差分画像を記
憶する役目をする。例えば差分画像といった画像は、ビ
デオ制御ユニット７を経てメモリ１１から読まれ、ディ
ジタル／アナログ変換器１３を経てディスプレイユニッ
ト（モニタ）１４へ転送されうる。中でもマイクロコン
ピュータ８へは、使用者が様々な画像を取得し、或いは
画像内で画像ウィンドウを画成しうる入力ユニット１５
が、接続されている。
【００１９】図３は、引き算血管造影法によって作られ
たマスク画像Ｍを示し、概して、それは血管への造影剤
の注入の前に記録される。マスク画像は、血管造影法に
おける画像バックグラウンドを表す構造を示す。図４
は、前に注入された造影剤が患者の血管系を通じて伝達
された時点で記録されたコントラスト画像Ｃを示す。こ
れはバックグラウンドだけでなく、造影剤によって満た
された血管も示す。
【００２０】図５は、コントラスト画像とマスク画像か
ら引き算によって得られ、本質的に血管系のみを表す差
分画像Ｄを示す。バックグラウンドが、画像Ｍ及び画像
Ｃの記録の間にずれたならば、画像バックグラウンドの
一部は、画像のアーティファクトとして現れる。図２
は、初めに差分画像Ｄ内で起こるアーティファクトを削
除するための、本発明による方法を示すフローチャート
である。このフローチャートによれば、マイクロコンピ
ュータ８は、二つの画像、画像Ｍ及び画像Ｃを処理す
る。初期化（ブロック１００）の後、図３乃至図５に示
される画像は、記録され、そして記憶される。差分画像
Ｄ内で、コントラスト画像及びマスク画像を形成する間
のずれによる画像のアーティファクトが起こると、使用
者は、入力ユニット１５（図１）を通して、差分画像内
で調節可能な位置と大きさのウィンドウＦ（図５）を画
成し（ブロック１０１）；このウィンドウは、診療にお
いて特に問題となる画像領域を囲う。
【００２１】図６の（ａ）は、位置と大きさに関して差
分画像内の所定のウィンドウに対応する、マスク画像内
のウィンドウＦm を示す。マスク画像内のウィンドウＦ
m は、次に多数の画像セクションＡ1 ，Ａ2 ．．．Ａ3
に細分化される（図２のブロック１０２）。これらの画
像セクションは、図６の（ａ）に破線によって示されて
いる。これらは同じ大きさと、好ましくは矩形の同じ形
を有することが望ましい。マスク画像が、１０００ｘ１
０００ピクセルから成る場合は、矩形の画像セクション
は４０乃至８０ピクセルの辺の長さを有しうる。画像セ
クションが非常に小さければ、個々の画像セクションの
ずれを決定することはますます難しい。画像セクション
が非常に大きくなるように選択されるならば、画像ウィ
ンドウＦ m のひずみは比較的不正確に計算されうる。画
像ウィンドウから画像セクションへの細分化（ブロック
１０２）は、自動的に起こり；好ましくは、ウィンドウ
の大きさは、ウィンドウの辺の長さが画像セクションの
辺の長さの倍数の正数となるように自動的に予めセット
される。
【００２２】次の段階（ブロック１０３）の間は、画像
ウィンドウの画像セクションは、最も高いコントラスト
を示すものが選択される。これは以下の関係式に従っ
て、エントロピー尺度ｈによって簡単に実行できる。
【００２３】
【数１】
【００２４】式中：ｂは、画像セクションの個々の画素
の画像値を示し（即ちディジタルデータワードとしてこ
れらの画像点に関連づけられる輝度或いはグレー値）、
ｂmin は、画像セクション内の最も小さな画像値を示
し、ｂmax は、最も大きな画像値を示し、ｐb は、当該
の画像セクションの画像値ｂの度数を示す。
【００２５】周知のごとく、度数ｐb に関して以下の関
係式が成り立つ。
【００２６】
【数２】
【００２７】図７の（ａ）及び（ｂ）は、当該の画像値
ｂ、即ちコントラストの高い画像セクション（図７の
（ａ））及びコントラストの低い画像セクション（図７
の（ｂ））に対する関数として度数ｐb を示す。コント
ラストの高い画像（図７の（ａ））では、比較的多くの
明るい画素と暗い画素、そして中間のグレー値の画素も
また生じる。このような度数分布を有する画像セクショ
ンに対して、比較的大きなエントロピーｈが計算され
る。
【００２８】図７の（ｂ）は、しかしながら、コントラ
ストの低い画像セクションの関数として度数ｐb を示
す。画像セクションは、ほとんど一定の輝度を有し、そ
のため度数分布は画像値の小さな範囲に限られる。式
（１）に従い、小さなエントロピーｈが計算される。
（一定に明るい画像セクションの場合は、単一の画像値
が度数ｐb ＝１を有し得り、そのためｌｏｇｐb 、ゆえ
にエントロピーｈもまたゼロとなる。） 夫々の画像セクションＡ1 ，Ａ2 ．．．Ａ3 に対してこ
のようにエントロピーｈが決定された後、最も高いコン
トラストを有する画像セクションが選択される。これ
は、最も高い値ｈを有する画像セクションの所与のパー
センテージ或いは所与の数を選択することによってなさ
れる。しかしながら、代わりにエントロピーが限界値を
越えるような画像セクションを選択することも可能であ
る。図６の（ａ）では、これらの画像セクションは、そ
の中央にあるプラスの符号によって示されている。
【００２９】ブロック１０４では、マスク画像とコント
ラスト画像との間の個々の画像セクションのずれが計算
される。このブロックは、図９のフローチャート図で詳
述される一連の段階からなる。第１の段階２０１では、
まずそこから選択された画像セクションが、例えばＡ 1
と定義される。続く段階２０２の間は、コントラスト画
像内の画像セクションが、選択された画像セクションに
関してｘ方向及びｙ方向にｖx 、ｖy のどちらの距離だ
けずれるかを特定する。ｖx 、ｖy は、ゼロ、正数或い
は負数であり得る。ｖx ＝ｖy ＝０ならば、そこから差
分画像セクションが得られるコントラスト画像及びマス
ク画像の画像セクションはは、二つの画像の位置に関し
て全く同じである。（例えば２０ピクセルに対応しう
る）ｖx 、ｖy の最大値は、対応する画像セクションが
コントラスト画像内で探索されるときの、探索範囲の大
きさを決定する。
【００３０】続いて、段階２０３では、関連する差分画
像セクションが計算され、その画像値ｂd （ｘ，ｙ）
は、マスク画像内の選択された画像セクションの画像値
ｂm （ｘ，ｙ）及びコントラスト画像Ｃ内の画像セクシ
ョンの画像値ｂc （ｘ−ｖx ，ｙ−ｖy ）から計算され
る。以下の式は、差分画像セクションの画像値ｂ
d （ｘ，ｙ）に適用される。
【００３１】 ｂd （ｘ，ｙ）＝ｂm （ｘ，ｙ）−ｂc （ｘ−ｖx ，ｙ−ｖy ） （３） 段階２０４では、この差分画像セクションに対して画像
値ｂd のヒストグラムが作られ、即ち差分画像セクショ
ン内で個々の画像値がどれほど頻繁に起こるかが決定さ
れ、この度数分布は再び関係式（２）に従う。図８の
（ａ）及び（ｂ）は、二つの差分画像セクションについ
て、度数ｐb を画像値ｂd の関数として示す。図８の
（ｂ）は、コントラスト画像とマスク画像の中の本質的
に対応する画像セクションから得られた差分画像セクシ
ョンを示す。二つの関係する山、即ち画像バックグラウ
ンドに関連づけられた一つの山と画像セクション内に存
在する血管に関連づけられた一つの山を認識することが
できる。そこから差分画像セクションが得られた二つの
セクションが正確に一致しななければ、山はますます平
坦になり、図８の（ａ）に示される度数分布が得られ
る。その中で対応する画像セクションの場合には、比較
的多くの画像値が度数ゼロで生じるだけでなく、平均あ
るいは高い度数の画像値が生ずる（図８の（ｂ））が、
それに対して対応しない画像セクションの場合には、比
較的多くのゼロ以外の低い度数の画像値に反して、。
【００３２】差分画像セクションを相互に識別できるよ
うにするために、次の段階２０５では、重み関数ｆ（ｐ
b ）がヒストグラムの度数値に適用され（即ち値ｐb は
ｆ（ｐb ）によって置き換えられ）、重みづけ度数分布
をもたらす。適当な重み関数はｆ（ｐ）＝−ｐb ｌｏｇ
ｐb によって与えられる。この重み関数は、度数０及び
１に対してゼロの値を有する。このように重みづけされ
た度数分布の積分は、従って、図８の（ａ）による度数
分布の場合よりも、図８の（ｂ）による分布の場合の方
が実質的に小さい。しかしながら、中間度数値よりも少
ない（或いは多い）高い及び低い度数値ｐb を重み付け
する、他の重み関数も使用されうる。
【００３３】次の段階２０６の間は、重みづけ度数によ
って与えられた曲線の下の表面積に対応する値、即ち重
みづけ度数の積分或いは全ての重みづけ度数値の合計が
作られる。上記の重み関数が使用されれば、この表面積
に対するエントロピー尺度ｈは、そこから式（１）に従
って得られる。このエントロピー尺度は、そこから差分
画像セクションが得られる、画像セクションの最適の対
応の場合に最小となる。
【００３４】次の段階２０７の間は、ａに対する関係す
る最小が得られるかどうかをチェックする。得られない
場合には、プログラムはブロック２０２へ戻り、その後
ｖx、ｖy の他の値に対して段階２０２から２０７が繰
り返される。夫々の値ｈが、複数の差分画像セクション
に対して既に計算されているならば、方向は、エントロ
ピー尺度ｈが最小に達するまで値ｖx 及びｖy を変化さ
せることにより、たやすく概算することができる。この
方向において、ずれは最小のｈが見つかるまで自動的に
変化される。従って、コントラスト画像内の該探索範囲
に存在する全ての画像セクションを探索する必要はな
い。
【００３５】差分画像セクションのエントロピー尺度ｈ
が最小を示すような、コントラスト画像内の画像セクシ
ョンのオフセットｖx 、ｖy が、そのように見つけられ
た後、値ｖx 、ｖy は、マスク画像の記録とコントラス
ト画像の記録との間の時間に当該の画像セクションが受
けたずれとして記憶される（ブロック２０８）。これら
の値は、当該の画像セクションの所与の点、好ましくは
中心点へのずれとして割り当てられる。
【００３６】ブロック２０９では、ブロック１０３で選
択された全ての画像セクションが処理されたかどうかを
チェックする。処理されていなければ、プログラムはブ
ロック２０１へ戻り、その後他の画像セクションに対し
て段階２０１から２０９が繰り返される。ブロック１０
４内部の方法の段階を表す、図９に示されるサブルーチ
ンは、全ての画像セクションが処理された時点で完了す
る。
【００３７】図６の（ｂ）は、このように選択された画
像セクションに対して見つけられたずれのベクトルを示
す。異なるセクションに対するずれのベクトルは、大き
さと方向に関して互いにそれていることが明らかに示さ
れる。次の段階（ブロック１０５）では、以下の、 Ｘ＝ａ0 ＋ ａ1 ｘ ＋ ａ2 ｙ （４） Ｙ＝ａ3 ＋ ａ4 ｘ ＋ ａ5 ｙ （５） の形を取る変換関数が、このようにして見つけられたず
れ、或いはずれによるコントラスト画像の選択された画
像セクションの中心点によって占められる位置から得ら
れる。
【００３８】式中：ｘ、ｙは、マスク画像内の選択され
た画像セクションの中心点の座標であり、Ｘ、Ｙは、ず
れによるコントラスト画像内の中心点の座標であり、ａ
0 ．．．ａ5 は、選択された画像セクションの中心点に
ついて前もって決定されたずれによって計算され得る係
数である。
【００３９】ずれは、通常は３つ以上の画像セクション
について決定されるため、式（４）及び式（５）は、式
の冗長な体系を表しており、それは最小二乗偏差におけ
る特異値解析によって解くことができる。この解法につ
いての詳細については、Ｗ．Ｈ．Ｐｒｅｓｓ外による
「Numerical Recipies in C 」、Cambridge University
Press, Cambridge, 1990 、pp.534-539 を参照のこ
と。
【００４０】変換関数のパラメータ（即ち係数
ａ0 ．．．ａ5 ）が、この方法で計算された後、マスク
画像の画像ウィンドウ内の画素は、式（４）及び式
（５）によって定義されるアフィン幾何学的変換を受け
（ブロック１０６）、その後再びマスク画像はコントラ
スト画像から消去される（ブロック１０７）。そこで本
方法の実行は完了する（１０８）。
【００４１】画像ウィンドウＦの領域では、このように
形成された差分画像は、実質的に該画像アーティファク
トを含まない。たとえ式（４）及び式（５）による変換
関数が、画像セクションの並進運動のずれのみを基に決
定されていたとしても、ひずみの効果は並進運動だけで
なく回転にもよるものであるが、スケール及び／又は傾
斜の変化もまた除去されうる。複雑なひずみの場合に
は、例えば高次の多項式の関数といった、異なる差分変
換関数が使用されうる。
【００４２】上述の実施例では、いかにしてコントラス
ト画像内の選択された画像セクションの中心点の位置が
変化するかが決定され；そこから、マスク画像内の画像
ウィンドウに含まれる画素が受ける、変換関数が決定さ
れた。しかしながら、マスク画像を変化させずにおき、
代わりにコントラスト画像内の画像ウィンドウに逆変換
を受けさせることも可能であり、すると画像ウィンドウ
内の点は逆変換関数によってずらされる。この変換関数
は、しかしながら、式（４）及び式（５）に関する逆変
換を表す。
【００４３】
【発明の効果】本発明は、二次元画像のＤＳＡ方法を基
に示された。しかしながら、本発明はまた、コンピュー
タ断層放射線写真或いはＭＲ方法によって形成され得た
三次元画像にも使用されえ；その場合には比較される画
像セクションもまた三次元である。更に、本発明は、デ
ィジタル引き算血管造影法に限定されず；本発明は、手
術領域内の変化が外科的介入の後に認められるような方
法にも使用されうる。その場合には、二つの画像の記録
の間には比較的長い時間が経つため、例えば差し込まれ
たマークによって、確実に二つの画像が患者の同じ領域
を再生するようにすることは有意義である。これらの応
用では、二つの画像から差分画像を得ることもまた必要
ではなく；変換関数によって変化の程度を表すことがで
きれば充分である。特別な場合には、一方の画像内で所
与であり得る画素については、変換関数によって他の画
像内でのそれらの位置が示され、再生されることで充分
であり得る。
【図面の簡単な説明】
【図１】本発明が実施されうるＤＳＡ装置のブロック系
統図である。
【図２】本発明による方法のフローチャート図である。
【図３】マスク画像を示す図である。
【図４】コントラスト画像を示す図である。
【図５】差分画像を示す図である。
【図６】（ａ）及び（ｂ）は、マスク画像及びコントラ
スト画像における画像ウィンドウを示す図である。
【図７】（ａ）及び（ｂ）は、マスク画像の様々な画像
セクションにおける度数分布を示す図である。
【図８】（ａ）及び（ｂ）は、様々な差分画像セクショ
ンにおける画像値の度数分布を示す図である。
【図９】図２のブロック１０４に関連するフローチャー
ト図である。
【符号の説明】
１ Ｘ線源 ２ 検査台 ３ 患者 ４ Ｘ線画像増感装置 ５ ビデオカメラ ６ アナログ／ディジタル変換器 ７ ビデオ制御ユニット ８ マイクロコンピュータ ９ バスシステム １０ メモリ １１ メモリ １２ メモリ １３ ディジタル／アナログ変換器 １４ ディスプレイユニット １５ 入力ユニット

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】 ａ） 一の画像において処理される画像
    領域（Ｆ）内の多数の画像セクション（Ａ1 ，
    Ａ2 ，．．．Ａn ）を画成し、 ｂ） 探索範囲において、これらの画像セクションを、
    上記一の画像内の夫々の画像セクションに関して同じ位
    置或いはずれた位置を占める、他の画像内の画像セクシ
    ョンと比較し、 ｃ） 上記一の画像内の画像セクションに最もよく対応
    する、他の画像内の画像セクションを決定し、 ｄ） 最もよい対応を示す画像セクション間のずれ（ｖ
    x,ｖy ）を決定し、 ｅ） 個々の画像セクション間のずれ（ｖx,ｖy ）を近
    似させる変換関数（Ｘ，Ｙ）を決定することによって、
    異なる瞬間に記録された同じ物体の二つの画像が解析さ
    れる自動画像解析方法であって、 ｆ） 差分画像セクションは、比較される二つの画像の
    画像セクションから作られ、 ｇ） ヒストグラムは、差分画像セクション内の画像値
    （ｂ）から作られ、 ｈ） 最もよい対応を示す二つの画像内の画像セクショ
    ンは、関連する差分画像セクションが最も狭い度数の山
    を示すヒストグラムを有する画像セクションとして決定
    されることを特徴とする自動画像解析方法。
  2. 【請求項２】 ヒストグラムによって与えられる度数分
    布（ｐ（ｂ））は、重み関数（ｆ（ｐ））を適用するこ
    とで重みづけ度数分布に変換され、重みづけ度数分布の
    積分が計算されることと、最も狭い山を有する差分画像
    セクションは、上記積分が極値を有するような差分画像
    セクションとして決定されることを特徴とする請求項１
    記載の自動画像解析方法。
  3. 【請求項３】 重み関数（ｆ（ｐ））は、ｐb を差分画
    像セクション（ｂd（ｘ，ｙ）における画像の値ｂの度
    数であるとすると、ｐb ＝０とｐb ＝１との間の範囲で
    は、変曲点を有しないことを特徴とする請求項２記載の
    自動画像解析方法。
  4. 【請求項４】 重み関数として関数ｆ（ｐ）＝−ｐb ｌ
    ｏｇｐb が使われ、積分（ｈ）が最小になるような画像
    セクションが決定されることを特徴とする請求項３記載
    の方法。
  5. 【請求項５】 差分画像（Ｄ）は、コントラスト画像
    （Ｃ）及びマスク画像（Ｍ）から得られ、処理されるコ
    ントラスト画像あるいはマスク画像（ＣあるいはＭ）の
    画像領域（Ｆ）の中の全ての画素（ｘ，ｙ）は、この変
    換関数に従って変換され、差分画像（Ｄ）は、変換され
    たマスク画像（コントラスト画像）及び変換されていな
    いコントラスト画像（マスク画像）からの引き算によっ
    て得られるディジタル引き算血管造影法に使用されるこ
    とを特徴とする請求項１記載の自動画像解析方法。
  6. 【請求項６】 処理される画像領域は、位置及び大きさ
    に関して調整可能な画像ウィンドウ（Ｗ）として、使用
    者によって予め決めることができることを特徴とする請
    求項１記載の自動画像解析方法。
  7. 【請求項７】 処理される画像領域（Ｆ）は、多数の同
    様の隣接する画像セクション（Ａ1 ，Ａ2 ．．．Ａn ）
    に細分され、コントラストは個々の画像セクション（Ａ
    1 ，Ａ2 ．．．Ａn ）に対して決定されること、及び最
    も高いコントラストを持つ画像セクションのみがずれ
    （ｖx,ｖy ）の決定のために選択されることを特徴とす
    る請求項１記載の自動画像解析方法。
  8. 【請求項８】 個々の画像セクション（Ａ1 ，
    Ａ2 ．．．Ａn ）に対するコントラストは、関連する画
    像セクションの画像値のヒストグラムから得られること
    を特徴とする請求項７記載の自動画像解析方法。
  9. 【請求項９】 検査される物体の少なくとも二つの画像
    を作る造影装置（１．．．５）と、 処理される一の画像（Ｍ）の画像領域（Ｆ）内で、多数
    の同様な画像セクション（Ａ1 ，Ａ2 ．．．Ａn ）を予
    め決める手段（１０２）と、 探索範囲において、各々の該画像セクション（Ａ1 ，Ａ
    2 ．．．Ａn ）と、それに関して、該一の画像セクショ
    ンと同じ位置或いはずれた位置を占める該他の画像
    （Ｃ）内の画像セクションとを比較する手段（１０４）
    と、 該一の画像（Ｍ）内の画像セクションに最もよく対応す
    る、該他の画像（Ｃ）内の画像セクションを決定する手
    段（１０４）と、 そのように対応する画像セクションのずれ（ｖx,ｖy ）
    を決定する手段（１０４）と、 個々の画像セクション間のずれ（ｖx,ｖy ）を近似する
    変換関数（Ｘ，Ｙ）を決定する手段（１０５）とを含
    み、 差分画像セクションを二つの画像（Ｃ，Ｍ）の各々の夫
    々の画像セクションから作る構成手段を比較するための
    手段（１０４）及び、差分画像セクション内の画像値
    （ｂ）からヒストグラムを作る手段（１０４）と、 関連する差分画像セクションは、最も狭い山を示すヒス
    トグラムを有する、二つの画像の中の画像セクションを
    決定するための手段（２０６．．．２０７）を備えたこ
    とを特徴とする請求項１記載の方法を実行するための装
    置。
JP9081240A 1996-04-03 1997-03-31 自動画像解析方法 Pending JPH1031745A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19613342:4 1996-04-03
DE19613342A DE19613342A1 (de) 1996-04-03 1996-04-03 Automatisches Bildauswertungsverfahren

Publications (1)

Publication Number Publication Date
JPH1031745A true JPH1031745A (ja) 1998-02-03

Family

ID=7790374

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9081240A Pending JPH1031745A (ja) 1996-04-03 1997-03-31 自動画像解析方法

Country Status (4)

Country Link
US (1) US5956435A (ja)
EP (1) EP0801361A3 (ja)
JP (1) JPH1031745A (ja)
DE (1) DE19613342A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004081394A (ja) * 2002-08-26 2004-03-18 Ge Medical Systems Global Technology Co Llc 組織内脂肪評価方法、画像処理装置およびｘ線ｃｔシステム
JP2008152480A (ja) * 2006-12-15 2008-07-03 Sony Corp 登録装置、登録方法及びプログラム
JP2009268827A (ja) * 2008-05-09 2009-11-19 Canon Inc 放射線画像撮影装置及びその駆動方法
WO2011110987A1 (en) 2010-03-12 2011-09-15 Koninklijke Philips Electronics N.V. Motion visualisation in angiographic images
JP2021500123A (ja) * 2017-10-22 2021-01-07 レイサーチ ラボラトリーズ，エービー Ｃｔ画像を補正するための方法、コンピュータプログラム製品、及びコンピュータシステム

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2777374B1 (fr) * 1998-04-10 2000-05-12 Commissariat Energie Atomique Procede de recalage de deux images differentes d'un meme objet
ES2147533B1 (es) * 1998-11-30 2001-04-01 Univ Sevilla Metodo de analisis de coincidencias de imagenes medicas y/o de microscopia mediante combinacion de filtrado de histogramas e identificacion holografica.
US6282326B1 (en) * 1998-12-14 2001-08-28 Eastman Kodak Company Artifact removal technique for skew corrected images
US20050182434A1 (en) * 2000-08-11 2005-08-18 National Research Council Of Canada Method and apparatus for performing intra-operative angiography
KR100425324B1 (ko) * 2002-02-09 2004-03-30 삼성전자주식회사 영상 신호의 콘트라스트 처리 방법
JP3898075B2 (ja) * 2002-03-18 2007-03-28 株式会社リコー 画像処理装置、画像処理方法及び記録媒体
US7177486B2 (en) * 2002-04-08 2007-02-13 Rensselaer Polytechnic Institute Dual bootstrap iterative closest point method and algorithm for image registration
KR20040008067A (ko) * 2002-07-15 2004-01-28 삼성전자주식회사 화면간의 상관도를 이용한 화질 개선 회로 및 방법
US7403646B2 (en) * 2002-10-24 2008-07-22 Canon Kabushiki Kaisha Image processing apparatus, image processing method, program, and recording medium for generating a difference image from a first radiographic image and second radiographic image
US7432924B2 (en) * 2003-08-28 2008-10-07 Kabushiki Kaisha Toshiba 3D digital subtraction angiography image processing apparatus
US7349583B2 (en) * 2003-09-05 2008-03-25 The Regents Of The University Of California Global motion estimation image coding and processing
US20050174085A1 (en) * 2004-02-10 2005-08-11 Olympus Corporation Micromanipulation system
US7483591B2 (en) * 2004-02-17 2009-01-27 Xerox Corporation Image transfer apparatus with streak removal system
JP4647360B2 (ja) * 2004-04-05 2011-03-09 富士フイルム株式会社 差分画像作成装置、差分画像作成方法、及び、そのプログラム
US20050244045A1 (en) * 2004-04-30 2005-11-03 Elekta Ab (Publ) Method and system for automatically improving the usability of a medical picture
SE528089C2 (sv) * 2004-04-30 2006-08-29 Elekta Ab Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild
US7653264B2 (en) 2005-03-04 2010-01-26 The Regents Of The University Of Michigan Method of determining alignment of images in high dimensional feature space
US20060239921A1 (en) 2005-04-26 2006-10-26 Novadaq Technologies Inc. Real time vascular imaging during solid organ transplant
FR2885717B1 (fr) * 2005-05-16 2007-08-03 Gen Electric Procede d'estimation de correction d'une image et dispositif d'angiographie le mettant en oeuvre
US20070122344A1 (en) 2005-09-02 2007-05-31 University Of Rochester Medical Center Office Of Technology Transfer Intraoperative determination of nerve location
JP5161427B2 (ja) * 2006-02-20 2013-03-13 株式会社東芝 画像撮影装置、画像処理装置及びプログラム
CN100463655C (zh) * 2006-07-27 2009-02-25 沈阳东软医疗系统有限公司 一种腹部ct图像自动测量装置
US7826884B2 (en) * 2006-07-31 2010-11-02 Siemens Medical Solutions Usa, Inc. Live fluoroscopic roadmapping including targeted automatic pixel shift for misregistration correction
US20080161744A1 (en) 2006-09-07 2008-07-03 University Of Rochester Medical Center Pre-And Intra-Operative Localization of Penile Sentinel Nodes
US20090024440A1 (en) * 2007-07-18 2009-01-22 Siemens Medical Solutions Usa, Inc. Automated Workflow Via Learning for Image Processing, Documentation and Procedural Support Tasks
KR100941774B1 (ko) * 2007-09-06 2010-02-11 성균관대학교산학협력단 인체안전성이 우수한 온도 및 피에치 민감성 블록공중합체및 이의 제조방법과 이를 이용한 약물전달체
US8406860B2 (en) 2008-01-25 2013-03-26 Novadaq Technologies Inc. Method for evaluating blush in myocardial tissue
US10219742B2 (en) 2008-04-14 2019-03-05 Novadaq Technologies ULC Locating and analyzing perforator flaps for plastic and reconstructive surgery
ES2671710T3 (es) 2008-05-02 2018-06-08 Novadaq Technologies ULC Métodos para la producción y uso de eritrocitos cargados con sustancias para la observación y el tratamiento de la hemodinámica microvascular
US10492671B2 (en) 2009-05-08 2019-12-03 Novadaq Technologies ULC Near infra red fluorescence imaging for visualization of blood vessels during endoscopic harvest
US9406146B2 (en) * 2009-06-30 2016-08-02 Koninklijke Philips N.V. Quantitative perfusion analysis
DE102010013360B4 (de) * 2010-03-30 2017-01-19 Siemens Healthcare Gmbh Verfahren zur Rekonstruktion von Bilddaten eines zyklisch sich bewegenden Untersuchungsobjektes
JP6016403B2 (ja) * 2012-03-27 2016-10-26 キヤノン株式会社 画像処理装置、画像処理方法
WO2013190391A2 (en) 2012-06-21 2013-12-27 Novadaq Technologies Inc. Quantification and analysis of angiography and perfusion
CN107209118B (zh) 2014-09-29 2021-05-28 史赛克欧洲运营有限公司 在自体荧光存在下生物材料中目标荧光团的成像
EP3915467A1 (en) 2014-10-09 2021-12-01 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography
WO2018145193A1 (en) 2017-02-10 2018-08-16 Novadaq Technologies ULC Open-field handheld fluorescence imaging systems and methods
US10755030B2 (en) * 2017-06-29 2020-08-25 Salesforce.Com, Inc. Color theme maintenance for presentations
US10740901B2 (en) * 2018-12-17 2020-08-11 Nvidia Corporation Encoder regularization of a segmentation model

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59207791A (ja) * 1983-05-10 1984-11-24 Toshiba Corp 画像修正装置
JPS62122635A (ja) * 1985-11-22 1987-06-03 株式会社東芝 放射線画像処理装置
US4719571A (en) * 1986-03-05 1988-01-12 International Business Machines Corporation Algorithm for constructing tree structured classifiers
NL8603059A (nl) * 1986-12-01 1988-07-01 Philips Nv Inrichting en werkwijze met bewegingsartefactreductie voor verschilbeeldbepaling.
DE3710011A1 (de) * 1987-03-26 1988-10-06 Philips Patentverwaltung Verfahren, bei dem ein untersuchungsbereich aus mehreren strahlenquellenpositionen durchstrahlt wird
FR2645300B1 (fr) * 1989-03-29 1994-09-09 Gen Electric Cgr Procede de recalage automatique d'images

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004081394A (ja) * 2002-08-26 2004-03-18 Ge Medical Systems Global Technology Co Llc 組織内脂肪評価方法、画像処理装置およびｘ線ｃｔシステム
JP2008152480A (ja) * 2006-12-15 2008-07-03 Sony Corp 登録装置、登録方法及びプログラム
US8103124B2 (en) 2006-12-15 2012-01-24 Sony Corporation Registration apparatus, registration method and program
JP2009268827A (ja) * 2008-05-09 2009-11-19 Canon Inc 放射線画像撮影装置及びその駆動方法
WO2011110987A1 (en) 2010-03-12 2011-09-15 Koninklijke Philips Electronics N.V. Motion visualisation in angiographic images
US9025840B2 (en) 2010-03-12 2015-05-05 Koninklijke Philips N.V. Motion visualisation in angiographic images
JP2021500123A (ja) * 2017-10-22 2021-01-07 レイサーチ ラボラトリーズ，エービー Ｃｔ画像を補正するための方法、コンピュータプログラム製品、及びコンピュータシステム

Also Published As

Publication number Publication date
EP0801361A3 (de) 2003-01-22
US5956435A (en) 1999-09-21
EP0801361A2 (de) 1997-10-15
DE19613342A1 (de) 1997-10-09

Similar Documents

Publication Publication Date Title
JPH1031745A (ja) 自動画像解析方法
JP4340334B2 (ja) 対象と対象の３次元表現との間の変換を決定する方法及びその装置
EP1302163B1 (en) Apparatus for calculating an index of local blood flows
JP4130661B2 (ja) 時間的に連続する胸部画像間の経時変化を検出する装置
JP4355746B2 (ja) Ｘ線画像化方法
JP4495926B2 (ja) Ｘ線立体再構成処理装置、ｘ線撮影装置、ｘ線立体再構成処理方法及びｘ線立体撮影補助具
JP4309062B2 (ja) 画像化方法
US6078699A (en) Composing an image from sub-images
JP2003116843A (ja) 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体
CN103544690A (zh) 获取血管造影图像的方法
CN106530236B (zh) 一种医学图像处理方法及系统
US4802093A (en) X-ray image-processing apparatus utilizing grayscale transformation
JPH10272129A (ja) 異なる視点からの一連の画像によるｘ線撮像方法
JPH11313802A (ja) 構造の二次元画像化用の医療診断方法
JPH11259650A (ja) ノイズを含む多次元画像を処理する方法及び医用映像化装置
US20080165247A1 (en) Image processing apparatus and method
JPH10108073A (ja) 骨部画像処理方法および装置
JP3931792B2 (ja) 時系列処理画像の表示装置及び表示方法
CN113538419B (zh) 一种图像处理方法和系统
JP4571378B2 (ja) 画像処理方法および装置並びにプログラム
JPH06133962A (ja) 画像処理装置
KR100399051B1 (ko) 흉부 단순 엑스선 영상에서 늑골의 경계를 자동으로추출하는 방법
JP2009054013A (ja) 画像処理装置
Hiroshima et al. Digital subtraction angiogram registration method with local distortion vectors to decrease motion artifact
JP2851057B2 (ja) ディジタルｘ線画像における自動化分析のための方法および装置