KR101760548B1 - 이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치 - Google Patents

이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치 Download PDF

Info

Publication number
KR101760548B1
KR101760548B1 KR1020137025661A KR20137025661A KR101760548B1 KR 101760548 B1 KR101760548 B1 KR 101760548B1 KR 1020137025661 A KR1020137025661 A KR 1020137025661A KR 20137025661 A KR20137025661 A KR 20137025661A KR 101760548 B1 KR101760548 B1 KR 101760548B1
Authority
KR
South Korea
Prior art keywords
roi
pixels
candidates
candidate
image
Prior art date
Application number
KR1020137025661A
Other languages
English (en)
Other versions
KR20140014204A (ko
Inventor
아레스테 로메인
와림브 비벡
샤오 수안
Original Assignee
제너럴 일렉트릭 캄파니
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 제너럴 일렉트릭 캄파니 filed Critical 제너럴 일렉트릭 캄파니
Publication of KR20140014204A publication Critical patent/KR20140014204A/ko
Application granted granted Critical
Publication of KR101760548B1 publication Critical patent/KR101760548B1/ko

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/42—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4233—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using matrix detectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/465—Displaying means of special interest adapted to display user selection data, e.g. graphical user interface, icons or menus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/467—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06T2207/10121—Fluoroscopy
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Abstract

본 발명은 이미지 자동 휘도 검출 방법 및 장치를 개시하며, 상기 방법은 이미지에서 관심 영역(ROI) 후보들을 결정하는 단계와, 상기 ROI 후보들의 각각으로부터 특징들을 추출하는 단계와, 상기 ROI 후보들의 각각의 가중 스코어(weighted score)에 기초하여 최적의 ROI 후보를 선택하는 단계와, 휘도 피드백으로서 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 단계를 포함한다. 본 발명의 실시예들에 따른 이미지 자동 휘도 검출 방법 및 장치는 임상의(clinician)들을 위한 관심 지점을 자동으로 검출할 수 있고, 이미징 시스템에 대해 보다 정확한 피드백을 제공함으로써, 이미징 시스템에서 더욱 효율적인 용량 관리(dose management)를 제공할 수 있고, 따라서 용량 낭비 없이 일정한 이미지 품질을 달성할 수 있으며, 이에 의해 용량/IQ 성능을 더욱 최적화하고 시스템을 고효율로 활용할 수 있다.

Description

이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치{METHOD AND DEVICE FOR AUTOMATICALLY DETECTING BRIGHTNESS BASED ON IMAGE CONTENT}
본 발명은 이미징 기술에 관한 것이고, 특히, 이미지 자동 휘도 검출을 위한 방법 및 장치에 관한 것이다.
자동 휘도 검출(ABD; Automatic Brightness Detection)은 이미징 검출, 특히 실시간 X선 형광투시법(X-ray fluoroscopy)에 필수적인 것이다. 자동 휘도 검출은 작은 관심영역(ROI; region of interest)에 주어진 프레임의 휘도를 검출하는 것을 포함하며, 이것은 이미징 기술 파라미터들(예컨대, kV, mA...)의 자동 조정을 위한 시스템으로의 피드백 제공에 사용된다. 기존의 자동 휘도 검출 방법들은 주로 고정되어 있는 ROI의 수동 선택에 의존하거나 또는 단순히 ROI를 낮은 그레이 스케일(두꺼운 해부학적 구조) 영역으로 이동시키는 것이다. 이러한 방법들은 관심영역이 임상의(clinician)의 관점에서 항시 일정하게 유지되는 것이 아니고, 또한 항시 두꺼운 구조만 존재하는 것이 아니기 때문에 진료 수행시에 너무 낮거나 혹은 너무 높은 신호를 줄 수 있다.
그러므로, 임상의의 관심 지점을 자동으로 검출할 수 있고, 이에 따라 이미징 시스템에 보다 정확한 피드백을 제공할 수 있는 자동 휘도 검출 방법 및 장치가 필요하다.
본 발명의 목적은 이미지에서 조영제(contrast agent)를 검출하고 추적함으로써 실제의 이미징 상황으로 임상의의 관심 지점을 더욱 양호하게 나타내는 이미지 콘텐츠-기반 ROI 검출 방법을 제공하는 것으로 종래의 문제점들을 극복하는 것이다.
이러한 목적을 달성하기 위해, 본 발명은 다음의 기술적 해결책들을 취하게 된다.
본 발명의 일 실시예의 제 1 양태에 따르면, 이미지에서 관심 영역(ROI) 후보들을 결정하는 단계와, 상기 ROI 후보들의 각각으로부터 특징들을 추출하는 단계와, 상기 ROI 후보들의 각각의 가중 스코어(weighted score)에 기초하여 최적의 ROI 후보를 선택하는 단계와, 휘도 피드백으로서 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 단계를 포함하는 이미지 자동 휘도 검출 방법이 제공된다.
일 실시예에 따라, 상기 이미지에서 관심 영역(ROI) 후보들을 결정하는 단계는 상기 ROI 후보들의 사이즈들 및 각 방향들에서의 그들의 중첩(overlapping)을 계산하는 것을 포함한다.
일 실시예에 따라, 상기 ROI 후보들의 각각으로부터 특징들을 추출하는 단계는 픽셀에 대한 그레이-스케일 값(grey-scale value)의 통계적 특성에 기초하는 특징들, 픽셀들 간의 관계에 기초하는 특징들 및/또는 이미지 변환에 기초하는 특징들을 추출하는 것을 포함한다. 바람직하게는, 일 실시예에 따라, 상기 추출된 특징들은 최대값을 가진 픽셀들의 음의 평균(negative mean), 최소값을 가진 픽셀들의 음의 평균, 및 에지 검출 필터(edge detection filter)를 적용하는 것에 의해 추출된 에지 정보를 포함한다.
여기서, 상기 최대값을 가진 픽셀들은 내림 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하고, 상기 최소값을 가진 픽셀들은 오름 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭한다.
일 실시예에 따라, 상기 ROI 후보들의 각각의 가중 스코어에 기초하여 최적의 ROI 후보를 선택하는 단계는, 상기 특징들의 각각에 대해 내림 차순으로 상기 ROI 후보들 모두를 큐잉하고, 그 큐(queue)에서의 상기 ROI 후보들의 각각의 일련 번호를 상기 ROI 후보의 특징의 스코어로서 결정하는 단계와, 상기 ROI 후보들의 각각에 대해 추출된 특징들의 스코어들 각각에 상기 특징의 사전결정된 가중 계수를 곱함으로써 각 프로덕트(product)들을 획득하고 상기 프로덕트들을 합산하는 것에 의해 상기 ROI 후보들의 각각의 가중 스코어를 계산하는 단계를 더 포함하고, 가장 작은 가중 스코어를 가진 ROI 후보가 상기 최적의 ROI로서 선택된다.
여기서, 상기 사전결정된 가중 계수는 상기 추출된 특징들의 각각에 대한 트레이닝(training)에 의해서 획득된다.
일 실시예에 따라, 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 단계는, 픽셀들의 평균 값들 또는 중간 값들을 계산하는 것을 포함하며, 상기 휘도 값을 계산하는데 사용되는 픽셀들은 모든 픽셀들, 상기 ROI에서 사전선택되어 샘플링된 픽셀들, 또는 사전결정된 퍼센티지의 픽셀 밀도(pixel intensity)를 포함할 수 있다.
본 발명의 일 실시예의 제 2 양태에 따르면, 이미지에서 관심 영역(ROI) 후보들을 결정하는 결정 모듈과, 상기 ROI 후보들의 각각으로부터 특징들을 추출하는 추출 모듈과, 상기 ROI 후보들의 각각의 가중 스코어에 기초하여 최적의 ROI 후보를 선택하는 선택 모듈과, 휘도 피드백으로서 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 피드백 모듈을 포함하는 이미지 자동 휘도 검출 장치가 제공된다.
일 실시예에 따라, 상기 결정 모듈에 의한 상기 관심 영역(ROI) 후보들의 결정은, 상기 ROI 후보들의 사이즈들 및 각 방향들에서의 그들의 중첩(overlapping)을 계산하는 것을 포함한다.
일 실시예에 따라, 상기 추출 모듈은 픽셀에 대한 그레이-스케일 값(grey-scale value)의 통계적 특성에 기초하는 특징들, 픽셀들 간의 관계에 기초하는 특징들 및/또는 이미지 변환에 기초하는 특징들을 추출한다. 바람직하게는, 일 실시예에 따라, 상기 추출 모듈에 의해 추출되는 특징들은 최대값을 가진 픽셀들의 음의 평균, 최소값을 가진 픽셀들의 음의 평균, 및 에지 검출 필터를 적용하는 것에 의해 추출되는 에지 정보를 포함한다.
여기서, 상기 최대값을 가진 픽셀들은 내림 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하고, 상기 최소값을 가진 픽셀들은 오름 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭한다.
일 실시예에 따라, 상기 선택 모듈은 상기 특징들의 각각에 대해 내림 차순으로 상기 ROI 후보들 모두를 큐잉하고, 그 큐(queue)에서의 상기 ROI 후보들의 각각의 일련 번호를 상기 ROI 후보의 특징의 스코어로서 결정하는 큐잉 모듈과, 상기 ROI 후보들의 각각에 대해 추출된 특징들의 스코어들 각각에 상기 특징의 사전결정된 가중 계수를 곱함으로써 각 프로덕트(product)들을 획득하고 상기 프로덕트들을 합산하는 것에 의해 상기 ROI 후보들의 각각의 가중 스코어를 계산하는 계산 모듈을 더 포함하며, 가장 작은 가중 스코어를 가진 ROI 후보가 상기 최적의 ROI로서 선택된다.
여기서, 상기 사전결정된 가중 계수는 상기 추출된 특징들의 각각에 대한 트레이닝에 의해서 획득된다.
일 실시예에 따라, 상기 피드백 모듈에 의한 상기 선택된 최적의 ROI 후보의 휘도 값의 계산은, 픽셀들의 평균 값들 또는 중간 값들을 계산하는 것을 포함하며, 상기 휘도 값을 계산하는데 사용되는 픽셀들은 모든 픽셀들, 상기 ROI에서 사전선택되어 샘플링된 픽셀들, 또는 사전결정된 퍼센티지의 픽셀 밀도를 포함할 수 있다.
본 발명의 일 실시예의 제 3 양태에 따르면, ROI 사전정의 모듈, 사전정의된 ROI 조정 모듈, 이미지 자동 휘도 검출 장치, ROI 디스플레이 선택 모듈, ROI 실시간 조정 모듈을 포함하고, 상기 ROI 사전정의 모듈은 상기 사전정의된 ROI 조정 모듈에 연결되어 사전정의된 ROI를 상기 사전정의된 ROI 조정 모듈에 입력하고, 상기 사전정의된 ROI 조정 모듈은 사전정의된 또는 조정되어 사전정의된 ROI를 초기 위치로 사용하는 상기 이미지 자동 휘도 검출 장치에 연결되고, 상기 이미지 자동 휘도 검출 장치는 또한 상기 ROI 디스플레이 선택 모듈과 연결되어 디스플레이를 위해 현재의 ROI를 상기 ROI 디스플레이 선택 모듈로 입력하고, 상기 이미지 자동 휘도 검출 장치는 또한 상기 ROI 실시간 조정 모듈과 또한 연결되어 상기 ROI 실시간 조정 모듈로부터의 조정된 ROI에 기초하여 자신의 ROI를 설정하는 이미징 시스템이 제공된다.
여기서, 상기 이미징 시스템이 작동하고 있는 경우, 상기 사전정의된 ROI가 사용자에 의해 입력되었는지의 여부를 결정하기 위해, 상기 ROI 사전정의 모듈이 턴 온 또는 턴 오프될 수 있고, 상기 이미징 시스템이 작동하고 있는 경우, 상기 사전정의된 ROI가 조정되었는지의 여부를 결정하기 위해, 상기 사전정의된 ROI 조정 모듈이 턴 온 또는 턴 오프될 수 있고, 상기 이미징 시스템이 작동하고 있는 경우, ROI 위치가 실시간으로 검토되었는지의 여부를 결정하기 위해, 상기 ROI 디스플레이 선택 모듈이 턴 온 또는 턴 오프될 수 있고, 상기 이미징 시스템이 작동하고 있는 경우, 상기 ROI 위치가 실시간으로 수동 조정되었는지의 여부를 결정하기 위해, 상기 ROI 실시간 조정 모듈이 턴 온 또는 턴 오프될 수 있다.
일 실시예에 따라, 상기 이미징 시스템에 포함되는 상기 이미지 자동 휘도 검출 장치는 본 발명의 실시예의 상기 제 2 양태에에 따른 이미지 자동 휘도 검출 장치이다.
본 발명의 실시예에 따른 이미지 자동 휘도 검출 방법 및 장치 그리고 이미징 시스템은 임상의를 위한 관심 지점을 자동으로 검출할 수 있으며, 이에 따라 이미징 시스템에 대해 보다 정확한 피드백을 제공할 수 있다. 이러한 자동 휘도 검출 방법 및 장치의 사용으로, 형광 투시 시스템에서의 용량 관리가 더욱 효율적이게 되며, 이것은 용량 낭비 없이 일정한 이미지 품질이 얻어질 수 있다는 것을 의미한다. 피드백 강도는 모든 특정 적용, 획득 설정(acquisition setting) 등을 위해 설정될 수 있으며, 이에 의해 용량/IQ 성능을 더욱 최적화하고 시스템을 고효율로 활용할 수 있다.
이하, 첨부 도면들과 관련된 실시예들에 의해 본 발명을 구체적으로 설명하도록 하며, 도면들 전체에 걸쳐서 동일한 구성요소들 또는 실질적으로 동일한 구성요소들에 대해서는 동일한 참조 부호가 표시된다.
도 1은 본 발명의 일 실시예에 따른 이미지 자동 휘도 검출 방법의 개략 흐름도이다.
도 2는 본 발명의 다른 실시예에 따른 관심영역(ROI) 후보를 결정하는 개략도이다.
도 3은 본 발명의 일 실시예에 따른 관심영역(ROI) 후보의 최적 영역을 선택하는 개략 흐름도이다.
도 4는 일 실시예에 따른 이미지 자동 휘도 검출 장치의 개략도이다.
도 5는 다른 실시예에 따른 이미지 자동 휘도 검출 장치의 개략도이다.
도 6는 다른 실시예에 따른 이미지 자동 휘도 검출 장치의 개략도이다.
본 발명의 일 실시예에 따른 이미지 분석 방법은 예를 들어, 동적으로 수행되는 X선 형광 투시 시퀀스에 관한 일련의 단계들을 포함한다. 그 계산은 예를 들어, X선 형광 투시 시퀀스에서의 각 프레임들 또는 프레임들의 다운-샘플링된 서브세트에 관한 것이다. 도 1에 도시된 바와 같이, 일 실시예에 따른 이미지 자동 휘도 검출 방법은 주로 결정 단계(100), 추출 단계(200), 선택 단계(300) 및 피드백 단계(400)를 포함한다. 결정 단계(100)는 이미지에서 ROI 후보들을 결정하는데 사용되고; 추출 단계(200)는 각각의 ROI 후보들로부터 특징들을 추출하는데 사용되며; 선택 단계(300)에서는, 각각의 ROI 후보들의 가중 스코어(weighted score)에 기초하여 최적의 ROI 후보가 선택되고; 또한 피드백 단계(400)에서는, 선택된 최적의 ROI 후보의 휘도 값이 휘도 피드백으로서 계산된다. 이하, 이들 단계들을 구체적으로 설명하도록 한다.
일 실시예에 따라, ROI 후보들이 먼저 결정되며, 동일한 사이즈 및 형상을 가진 몇몇 ROI 후보들을 선택하는 것이 바람직하다(단계 100). 조명되는 물체의 위치는 한정되지 않는 것으로 가정되며, ROI 후보들의 선택은 가능한한 전체 시야(예컨대, X선의 전체 시야)를 커버해야 한다. 실제의 필요에 따라, ROI는 사각형, 원형 등과 같은 임의의 형상일 수 있으며, 보통은 정사각형이 편의적으로 선택된다. 실제의 시스템들에서, 상기 시야는 사각형, 원형, 또는 다각형 등일 수도 있다. 도 2에 도시된 바와 같이, 검출된 영역 D에서의 시야(field of view: FOV)는 사각형이고, ROI는 정사각형이며, ROI 후보는 아래의 방식에 의해 결정될 수 있다. ROI 후보들은 시야(FOV)의 영역을 덮는 중첩된 정사각형들이다. 시야의 꼭지점은 시스템 피드백으로부터 얻어질 수 있다. 통상적으로, 사각형의 시야를 사용하는 경우, 시야의 꼭지점 좌표는 도 2에 나타낸 바와 같이 (x1, y1), (x2, y1), (x2, y2), (x1, y2)인 것으로 가정될 수 있으며, 이에 따라 ROI 후보의 사이즈 RS는 다음이 된다:
Figure 112013088019712-pct00001
중첩(overlapping)은 시야가 항시 정사각형은 아니라는 점을 고려하여, 각 방향들로 계산되며, 즉:
Figure 112013088019712-pct00002
여기서, Nx 및 Ny 는 각 방향들에서의 ROI 후보들의 최대 개수들이고, Nx*Ny 는 ROI 후보들의 최대 총 개수이다. 알고리즘의 시간 요건에 따라, Nx 및 Ny 의 사이즈들이 조정될 수 있다.
ROI가 사각형, 원형, 타원형 및 다른 형상들인 경우, 유사한 방법들이 또한 사용되어 단순히 상이한 파라미터들에 대해 X 방향 및 Y 방향으로 RS를 설정하는 계산에 의해서 ROI 후보들을 선택할 수 있다. X 방향에서의 RS의 길이는 X 방향에서의 ROI의 최소 외접 사각형의 변의 길이를 나타내고, Y 방향에서의 RS의 길이는 Y 방향에서의 ROI의 최소 외접 사각형의 변의 길이를 나타낸다. 시야들이 상이한 형상들인 경우에, ROI의 이동 범위가 시야 내로 한정된다면, 유사한 방법들이 또한 ROI 후보들을 선택하는데 사용될 수 있다.
이미지는 4 종류의 영역들, 즉 원시 방사선(raw radiation), 해부학적 구조(anatomy), 조영제(contrast agent), 및 이물질(foreign object)을 포함할 수 있다. 자동 휘도 검출(ABD) 알고리즘에 있어서, 조영제가 사용되는 경우에는, 콘트라스트 영역(contrast area)을 덮는 ROI가 선택되어야 하며; 또한 조영제가 사용되지 않는 경우에는, 해부학적 구조를 덮는 ROI가 선택되어야 한다. 그러나, 어느 경우든, 원시 방사선(raw radiation)이나 이물질(foreign object)을 가진 ROI는 버려져야 한다.
각각의 ROI 후보들에 의해 덮인 영역의 종류를 검출하기 위해, 각각의 ROI들로부터 몇몇 특징들을 추출할 필요가 있으며(단계 200), 이들 특징들은 픽셀에 대한 그레이-스케일 값의 통계적 특성에 기초하는 특징들, 예컨대 평균 값, 중간 값 등; 픽셀들 사이의 관계에 기초하는 특징들, 예컨대 에지 연산자(edge operator)를 사용하여 이미지를 필터링하고 그 필터링된 픽셀들의 평균 값을 특징으로서 추출함으로써 얻어진 것; 이미지 변환에 기초하는 특징들, 예컨대 웨이블릿 변환(wavelet transformation)을 적용하고 그 변환된 픽셀들의 평균 값을 특징으로서 추출함으로써 얻어지는 것을 포함하며, 이에 한정되지 않는다. 시간 복잡도(time complexity) 등으로서 이러한 인자들을 고려하는 경우, 일 실시예에서는, 다음의 3 종류의 상대적으로 효과적인 특징들을 사용하는 것이 바람직하다:
Tmax: 최대 10% 픽셀들의 음의 평균(negative mean);
Tmin: 최소 10% 픽셀들의 음의 평균;
Edge: 에지 검출 필터를 적용하여 추출된 에지 정보.
이들 특징들은 형광투시 이미지 콘텐츠들에 기초하여 설계되며, 예를 들어, 원시 방사선(raw radiation)은 상대적으로 낮은 Tmax 값을 가지며, 콘트라스트 영역(contrast area)은 일반적으로 높은 Tmin 값 및 Edge 값을 갖는다. 상기 특징들을 선택하는 목적은 조영제(contrast agent)를 갖는 ROI와 원시 방사선을 가지지 않는 ROI를 구별하기 위한 것이다. 다음 단계를 준비하기 위해, 상기 특징의 값이 클수록, ROI가 타겟에 더 근접하게 되는 것으로 가정된다. 그러므로, 필요할 경우, 상기 특징의 값, 예컨대 Tmax 의 앞에는 음의 부호(negative sign)가 부가되어야 하며, 그것은 최소 10% 픽셀들의 음의 평균으로서 정의된다. 조영제를 가진 ROI는 보통 상대적으로 낮은 평균의 픽셀들을 갖기 때문에, 음의 평균이 더 크다.
전술한 바와 같이, 선택된 ROI는 콘트라스트 영역 또는 해부학적 구조(anatomy)를 덮을 것이지만, 원시 방사선 및 이물질은 버리게 된다. 일 실시예에서, 이들 추출된 특징들에 기초하여, 최적의 ROI가 가중 스코어 방법에 의해 선택된다(단계 300). 이 방법은 어떤 임계값도 필요로 하지 않으며, 다만 상이한 영역들 사이에서의 본래의 휘도 관계들에만 의존하고, 따라서 달라지는 이미징 기술들에 대해 안정적이다. 도 3에 도시된 바와 같이, 일 실시예에 따라, 각각의 ROI 후보들의 가중 스코어에 기초하여 최적의 ROI 후보를 선택하는 것은 큐잉 단계(301) 및 계산 단계(303)를 더 포함한다. 상세하게 설명하면 다음과 같다.
첫째, 각각의 특징들에 있어서, 모든 ROI 후보들이 내림 차순으로 큐잉되며(단계 310), 그 큐에서의 각 ROI 후보들의 일련 번호가 ROI 후보의 특징의 스코어로서 결정된다. 예를 들어, 3개의 ROI 후보들, 즉 ROI1, ROI2 및 ROI3 이 존재하며, 그들의 Tmax 의 값들이 각각 170, 210 및 150 인 경우, 특징 Tmax 에 대한 ROI들의 큐는 ROI1(2), ROI2(1) 및 ROI3(3)이며, 결국 ROI1, ROI2 및 ROI3의 스코어들은 각각 2, 1 및 3이 된다. 전술한 바와 같이, 상기 특징의 값이 커질수록, ROI는 더욱더 최적이 되며, 따라서, 최적의 ROI는 큐잉 이후에 상대적으로 작은 스코어를 가져야 한다.
둘째, 각 ROI들의 가중 스코어가 다음과 같이 계산되며(단계 320):
Figure 112013088019712-pct00003
가중 계수(wi로 나타냄)가 특징 i(i=1-3)에 대해 설정되는데, 이것은 상이한 영역들이 차별화되어 있는 경우 각 특징들이 똑같이 완료되지 않기 때문이다. 상기 특징이 선택된 이후에, 가중 값, 즉 가중 계수가 트레이닝(training)의 평균에 의해 얻어질 수 있다. 일 실시예에서, 특징들 Tmax, Tmin 및 Edge 이 선택되는 경우, 트레이닝의 평균에 의해 얻어진 가중 값들은 각각 [1, 1, 1.5]이 되며, 실험 데이터 세트에 대해 가중 값들을 적용하는 것은 더욱 양호한 효과를 달성할 수 있다. 그러므로, 계산 중에, Tmax, Tmin 및 Edge 의 가중 계수들은 각각 [1, 1, 1.5] 에 대한 세트가 될 수 있다. Si 는 특징 i에 대한 ROI의 스코어를 나타낸다.
마지막으로, 가장 작은 가중 스코어를 가진 ROI가 최적의 ROI로서 선택된다. 전술한 큐잉 및 계산 프로세스들 및 일 실시예에 따른 계산 결과들이 아래의 표 1에 나타나 있다.
Figure 112013088019712-pct00004
물론, 수행될 임상적 적용에 기초하여 가중 솔루션(weighting solution)이 달라질 수도 있으며, 이에 따라 방사선 전문의(radiologist)를 위해 상이한 임상적 관심 지점을 보여주도록 할 수 있다.
전술한 단계들 이후에, 임상의를 위한 관심 지점을 덮는 적어도 하나의 ROI가 선택된다. 다음으로, 관심 지점의 신호 레벨을 나타내도록 하기 위해 상기 선택된 ROI의 휘도 값이 계산되며, 이것은 휘도 피드백으로서 사용된다(단계 400). 일 예로서, ROI의 평균 픽셀 값이 휘도 피드백으로서 사용될 수 있다. 이러한 예로는 픽셀들의 평균 값, 중간 값 등을 포함하지만, 이에 한정되지 않는다. 상기 메트릭(metric)을 계산하는데 사용되도록 선택된 픽셀들은 픽셀들 모두, 사전 선택된 ROI에서의 샘플링된 픽셀들, 사전 결정된 픽셀 밀도의 퍼센티지 등을 포함할 수 있다.
본 발명의 실시예들에 따른 방법은 임상의를 위한 관심 지점을 자동으로 검출할 수 있으며, 그 후에 형광 투시 시스템에 대해 보다 정확한 피드백을 제공할 수 있다. 이러한 ABD 방법의 사용으로, 형광 투시 시스템에서의 용량 관리(dose management)는 더욱 효율적으로 되며, 이것은 용량 낭비 없이 일정한 이미지 품질이 얻어질 수 있다는 것을 의미한다. 피드백 강도는 모든 특정 적용, 획득 설정(acquisition setting) 등을 위해 설정될 수 있으며, 이에 의해 용량/IQ 성능을 더욱 최적화하고 시스템을 고효율로 활용할 수 있다.
기존의 ABD 방법과 비교할 때, 본 발명의 실시예들에 따른 이미지 콘텐츠-기반 ABD 방법은 시야 영역에 기초하여 ROI의 개수 및 사이즈를 동적 및 자동적으로 조정할 수 있는데 비해 기존의 방법들은 통상적으로 ROI의 고정된 개수 및 사이즈를 사용하며; 본 발명의 실시예들에 따른 이미지 콘텐츠-기반 ABD 방법은 일련의 이미지-기반 특징들을 추출 및 분석하는데 비해 기존의 방법들은 ROI의 특징 분석을 갖지 않으며 그것들에 의해 사용되는 유일한 정보는 그레이-스케일 값들의 평균 값일 뿐이며; 또한 본 발명의 실시예들에 따른 이미지 콘텐츠-기반 ABD 방법은 시스템 피드백 없이 가중 스코어에 기초하여 최적의 ROI를 선택하며 달라지는 이미징 기술들에 대해 안정적임에 비해 기존의 ABD 방법들은 이러한 부분을 포함하지 않는다. 또한, 본 발명의 실시예들에 따른 방법은 원시 방사선(raw radiation)의 영향을 방지할 수 있고, 조영제(contrast agent)가 존재하는 경우에는, 콘트라스트 영역을 추적할 수도 있음에 비해 기존의 ABD방법들은 이러한 것을 행할 수 없다.
도 4는 일 실시예에 따른 이미지 자동 휘도 검출 장치(400)의 개략도이다. 장치(400)는 주로 결정 모듈(402), 추출 모듈(404), 선택 모듈(406) 및 피드백 모듈(408)을 포함한다. 이 모듈들은 소프트웨어, 하드웨어, 펌웨어, 또는 그것의 임의 조합에 의해 구현될 수 있다. 여기서:
- 결정 모듈(402)은 단계 100을 수행하는데 사용되고;
- 추출 모듈(404)은 단계 200을 수행하는데 사용되고;
- 선택 모듈(406)은 단계 300을 수행하는데 사용되고;
- 피드백 모듈(408)은 단계 400을 수행하는데 사용된다.
도 5는 다른 이미지 자동 휘도 검출 장치(400)의 일 예이다. 장치(400)는 MCU, DSP 또는 CPU 등과 같은 프로세싱 유닛(513)을 포함한다. 프로세싱 유닛(513)은 전술한 상이한 단계들을 수행하기 위한 단일 유닛 또는 복수의 유닛들일 수 있다. 또한, 장치(400)는 이미지 데이터를 입력하고 피드백 정보를 출력하기 위한 상호작용 인터페이스(580) 및 출력 유닛(590)을 선택적으로 포함할 수 있다. 또한, 장치(400)는 EEPROM, 플래시, 또는 하드디스크 드라이브 등과 같은 비휘발성 메모리의 형태로 적어도 하나의 컴퓨터 프로그램 제품(510)을 포함할 수도 있다. 컴퓨터 프로그램 제품(510)은 실행되는 경우 장치(400)로 하여금 도 1에 나타낸 단계들을 수행하게 하는 프로그램 코드들로 구성되는 컴퓨터 프로그램(511)을 포함한다.
특히, 장치(400)의 컴퓨터 프로그램(511)에 포함된 프로그램 코드들은 단계 100을 수행하기 위한 결정 모듈(511a); 단계 200을 수행하기 위한 추출 모듈(511b); 단계 300을 수행하기 위한 선택 모듈(511c); 단계 400을 수행하기 위한 피드백 모듈(511d)을 포함한다. 즉, 프로세싱 유닛(513) 상에서 상이한 모듈들(511a-511d)이 실행되는 경우, 그들은 도 4에 나타낸 바와 같은 모듈들(402, 404, 406 및 408)에 각각 대응한다.
전술한 실시예들에 따른 이미지 자동 휘도 검출 장치(400)는 여러 가지 이미징 시스템들, 예컨대 X선 디지털 형광 투시 시스템에서의 소프트웨어, 하드웨어, 펌웨어 또는 그것의 임의 조합에 의해 구현될 수 있다. 이러한 구현은 당업자에 의해 용이하게 이루어지는 것이며, 보다 구체적으로 기술하지 않도록 한다.
도 6은 일 실시예에 따른 이미징 시스템의 개략도이다. 이미징 시스템은 ROI 사전정의 모듈(601), 사전정의된 ROI 조정 모듈(602), 이미지 자동 휘도 검출 장치(603), ROI 디스플레이 선택 모듈(604), 및 ROI 실시간 조정 모듈(605)을 포함하며, 여기서 ROI 사전정의 모듈(601)은 사전정의된 ROI 조정 모듈(602)에 연결되어 사전정의된 ROI를 그 사전정의된 ROI 조정 모듈(602)에게 입력한다. 사전정의된 ROI 조정 모듈(602)은 이미지 자동 휘도 검출 장치(603)에 연결되며, 이 이미지 자동 휘도 검출 장치(603)는 사정정의된 또는 조정된 사전정의 ROI를 초기 위치로서 사용한다. 이미지 자동 휘도 검출 장치(603)는 또한 현재의 ROI를 디스플레이를 위해 ROI 디스플레이 선택 모듈(604)에 입력하는 ROI 디스플레이 선택 모듈(604)과 연결된다. 이미지 자동 휘도 검출 장치(603)는 또한 ROI 실시간 조정 모듈(605)로부터의 조정된 ROI에 기초하여 그것의 ROI를 설정하는 ROI 실시간 조정 모듈(605)과 연결된다.
이미징 시스템이 작동하는 경우, ROI 사전정의 모듈(601)은 사전정의된 ROI가 사용자에 의해 입력되었는지의 여부를 결정하기 위해, 턴 온 또는 턴 오프될 수 있다. 사용자는 임상적 적용, 사용자의 습관, 환자의 체형 등에 기초하여 하나 이상의 ROI들을 정의할 수 있다.
이미징 시스템이 작동하는 경우, 사전정의된 ROI 조정 모듈(602)은 사전정의된 ROI를 조정하는데 필요한지 여부를 결정하기 위해, 턴 온 또는 턴 오프될 수 있다. 사용자는 형광 투시 시험의 시작시에 사전정의된 ROI를 검토 및 조정할 수 있다.
이미지 자동 휘도 검출 장치(603)는 사전정의된 ROI를 초기 위치로서 사용하고, 첫번째 프레임은 사전정의된 ROI의 인접 영역의 최적의 ROI 위치를 선택하며, 모든 후속 프레임은 이전의 프레임을 위해 선택된 ROI의 인접 영역의 최적의 ROI 위치를 탐색하여 그것을 업데이트한다.
이미징 시스템이 작동하는 경우, ROI 디스플레이 선택 모듈(604)은 ROI 위치가 실시간으로 검토되었는지의 여부를 결정하기 위해, 턴 온 또는 턴 오프될 수 있다. 사용자는 형광 투시 시험 도중에 ROI 디스플레이를 턴 온 또는 턴 오프할 수 있다.
이미징 시스템이 동작하는 경우, ROI 실시간 조정 모듈(605)은 ROI 위치가 실시간으로 수동 조정되었는지의 여부를 결정하기 위해, 턴 온 또는 턴 오프될 수 있다. 사용자는 형광 투시 시험 도중에 실시간으로 ROI 위치를 검토 및 수동 조정할 수 있다. 조정된 다음 프레임부터 시작해서, 상기 이미지 자동 휘도 검출 방법은 조정된 ROI를 초기 위치로서 사용하며, 모든 프레임은 초기 ROI의 인접 영역의 최적 ROI 위치를 탐색하여 그것을 업데이트 한다.
특정 실시예들을 참조하여 본 발명을 기술하였지만, 본 발명이 이들 특정 실시예들로 한정되는 것으로 의도되지 않는다. 본 발명에 대해 여러 가지 수정, 균등적 대체, 변경 등이 이루어질 수 있다는 것을 당업자는 이해해야 한다. 예를 들어, 상기 실시예에서의 하나의 단계 또는 모듈은 2개 이상의 단계 또는 모듈로 그것을 분리하는 것에 의해 구현될 수 있으며, 반대로, 상기 실시예에서의 2개 이상의 단계 또는 모듈은 그것들을 하나의 단계 또는 모듈로 조합하는 것에 의해 구현될 수도 있다. 그러나, 이러한 변경들은 본 발명의 사상을 벗어나지 않는 범위 내에서 본 발명의 범위 내에 속한다. 또한, 본 출원의 청구범위 및 본 상세한 설명에서 사용된 몇몇 용어들은 예시적인 것으로 고려되어야 하며, 제한적인 것으로 고려되어서는 아니 된다. 또한, " 일 실시예", "다른 실시예", 등에 대한 여러 가지 언급은 상이한 실시예들을 나타내는 것이며, 물론 그들의 모두 또는 일부는 하나의 실시예로 통합될 수 있다.

Claims (19)

  1. 이미지에서 관심 영역(ROI) 후보들을 결정하는 단계와,
    상기 ROI 후보들의 각각으로부터 특징들을 추출하는 단계와,
    적어도, 상기 특징들의 각각에 대해 내림 차순으로 상기 ROI 후보들 모두를 큐잉하고 큐(queue)에서의 상기 ROI 후보들의 각각의 일련 번호를 ROI 후보의 특징의 스코어로서 결정하고, 상기 ROI 후보들의 각각에 대해 추출된 특징들의 스코어들 각각에 상기 특징의 사전결정된 가중 계수를 곱하여 각각의 결과물(product)들을 획득하고 상기 결과물들을 합산함으로써 상기 ROI 후보들의 각각의 가중 스코어를 계산하는 것에 의해, 상기 ROI 후보들의 각각의 가중 스코어(weighted score)에 기초하여 최적의 ROI 후보를 선택하는 단계 ― 가장 작은 가중 스코어를 가진 ROI 후보는 상기 최적의 ROI 후보로서 선택됨 ― 와,
    휘도 피드백으로서 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 단계를 포함하는
    이미지 자동 휘도 검출 방법.
  2. 제 1 항에 있어서,
    상기 이미지에서 관심 영역(ROI) 후보들을 결정하는 단계는 상기 ROI 후보들의 각각의 사이즈들 및 각 방향에서의 중첩의 크기를 계산하는 단계를 포함하는
    이미지 자동 휘도 검출 방법.
  3. 제 1 항에 있어서,
    상기 ROI 후보들의 각각으로부터 특징들을 추출하는 것은,
    픽셀에 대한 그레이-스케일 값(grey-scale value)의 통계적 특성에 기초하는 특징들을 추출하는 것,
    픽셀들 간의 관계에 기초하는 특징들을 추출하는 것,
    이미지 변환에 기초하는 특징들을 추출하는 것
    중 적어도 하나를 포함하는
    이미지 자동 휘도 검출 방법.
  4. 제 1 항에 있어서,
    상기 추출된 특징들은 최대값을 가진 픽셀들의 음의 평균(negative mean), 최소값을 가진 픽셀들의 음의 평균, 및 에지 검출 필터(edge detection filter)를 적용하는 것에 의해 추출된 에지 정보를 포함하는
    이미지 자동 휘도 검출 방법.
  5. 제 4 항에 있어서,
    상기 최대값을 가진 픽셀들은 내림 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하고, 상기 최소값을 가진 픽셀들은 오름 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하는
    이미지 자동 휘도 검출 방법.
  6. 제 1 항에 있어서,
    상기 사전결정된 가중 계수는 트레이닝(training)에 의해 상기 추출된 특징들의 각각에 대해 획득되는
    이미지 자동 휘도 검출 방법.
  7. 제 1 항에 있어서,
    상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 단계는,
    픽셀들의 평균 값들 또는 중간 값들을 계산하는 단계를 포함하고,
    상기 휘도 값을 계산하는데 사용되는 픽셀들은 모든 픽셀들, 상기 ROI에서 사전선택되어 샘플링된 픽셀들, 또는 사전결정된 퍼센티지의 픽셀 밀도를 포함하는
    이미지 자동 휘도 검출 방법.
  8. 이미지에서 관심 영역(ROI) 후보들을 결정하는 결정 모듈과,
    상기 ROI 후보들의 각각으로부터 특징들을 추출하는 추출 모듈과,
    상기 ROI 후보들의 각각의 가중 스코어에 기초하여 최적의 ROI 후보를 선택하는 선택 모듈 ― 상기 선택 모듈은, 상기 특징들의 각각에 대해 내림 차순으로 상기 ROI 후보들 모두를 큐잉하고 큐에서의 상기 ROI 후보들의 각각의 일련 번호를 ROI 후보의 특징의 스코어로서 결정하는 큐잉 모듈과, 상기 ROI 후보들의 각각에 대해 추출된 특징들의 스코어들 각각에 상기 특징의 사전결정된 가중 계수를 곱하여 각각의 결과물들을 획득하고 상기 결과물들을 합산함으로써 상기 ROI 후보들의 각각의 가중 스코어를 계산하는 계산 모듈을 더 포함하고, 가장 작은 가중 스코어를 가진 ROI 후보는 상기 최적의 ROI 후보로서 선택됨 ― 과,
    휘도 피드백으로서 상기 선택된 최적의 ROI 후보의 휘도 값을 계산하는 피드백 모듈을 포함하는
    이미지 자동 휘도 검출 장치.
  9. 제 8 항에 있어서,
    상기 결정 모듈에 의한 상기 관심 영역(ROI) 후보들의 결정은, 상기 ROI 후보들의 사이즈들 및 각 방향에서의 중첩을 계산하는 것을 포함하는
    이미지 자동 휘도 검출 장치.
  10. 제 8 항에 있어서,
    상기 추출 모듈은,
    픽셀에 대한 그레이-스케일 값의 통계적 특성에 기초하는 특징들,
    픽셀들 간의 관계에 기초하는 특징들,
    이미지 변환에 기초하는 특징들
    중 적어도 하나를 추출하는
    이미지 자동 휘도 검출 장치.
  11. 제 8 항에 있어서,
    상기 추출 모듈은 최대값을 가진 픽셀들의 음의 평균, 최소값을 가진 픽셀들의 음의 평균, 및 에지 검출 필터를 적용하는 것에 의해 추출되는 에지 정보를 추출하는
    이미지 자동 휘도 검출 장치.
  12. 제 11 항에 있어서,
    상기 최대값을 가진 픽셀들은 내림 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하고, 상기 최소값을 가진 픽셀들은 오름 차순으로 랭크된 모든 픽셀 값들 중의 사전정의된 퍼센티지의 상위 픽셀들을 지칭하는
    이미지 자동 휘도 검출 장치.
  13. 제 8 항에 있어서,
    상기 사전결정된 가중 계수는 트레이닝에 의해 상기 추출된 특징들의 각각에 대해 획득되는
    이미지 자동 휘도 검출 장치.
  14. 제 8 항에 있어서,
    상기 피드백 모듈에 의한 상기 선택된 최적의 ROI 후보의 휘도 값의 계산은,
    픽셀들의 평균 값들 또는 중간 값들을 계산하는 것을 포함하고,
    상기 휘도 값을 계산하는데 사용되는 픽셀들은 모든 픽셀들, 상기 ROI에서 사전선택되어 샘플링된 픽셀들, 또는 사전결정된 퍼센티지의 픽셀 밀도를 포함하는
    이미지 자동 휘도 검출 장치.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
KR1020137025661A 2011-03-30 2011-03-30 이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치 KR101760548B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/000541 WO2012129724A1 (zh) 2011-03-30 2011-03-30 基于图像内容的自动亮度检测方法与装置

Publications (2)

Publication Number Publication Date
KR20140014204A KR20140014204A (ko) 2014-02-05
KR101760548B1 true KR101760548B1 (ko) 2017-07-21

Family

ID=46929282

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137025661A KR101760548B1 (ko) 2011-03-30 2011-03-30 이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치

Country Status (6)

Country Link
US (1) US9330333B2 (ko)
JP (1) JP6014651B2 (ko)
KR (1) KR101760548B1 (ko)
CN (1) CN103460254B (ko)
DE (1) DE112011105116T5 (ko)
WO (1) WO2012129724A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104224206A (zh) * 2013-06-17 2014-12-24 南京普爱射线影像设备有限公司 一种x光机成像性能检测方法
JPWO2016052289A1 (ja) * 2014-10-03 2017-07-13 株式会社日立製作所 Ｘ線透視装置及びｘ線照射条件設定方法
JP6827707B2 (ja) * 2016-04-13 2021-02-10 キヤノン株式会社 情報処理装置および情報処理システム
WO2018025347A1 (ja) * 2016-08-03 2018-02-08 株式会社島津製作所 Ｘ線透視撮影装置
US10971044B2 (en) * 2017-08-24 2021-04-06 Radiant Vision Systems, LLC Methods and systems for measuring electronic visual displays using fractional pixels
CN110505412B (zh) * 2018-05-18 2021-01-29 杭州海康威视数字技术股份有限公司 一种感兴趣区域亮度值的计算方法及装置
CN111772650B (zh) * 2019-04-03 2023-12-22 苏州博思得电气有限公司 X射线机自动亮度快速配置方法、系统、存储介质、设备
CN111369588A (zh) * 2020-02-21 2020-07-03 上海联影医疗科技有限公司 感兴趣区域处理方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248268A1 (en) * 2006-04-24 2007-10-25 Wood Douglas O Moment based method for feature indentification in digital images
JP2010004543A (ja) 2009-07-13 2010-01-07 Panasonic Electric Works Co Ltd 撮像装置
US20100253846A1 (en) 2007-01-30 2010-10-07 Fergason James L Image acquisition and display system and method using information derived from an area of interest in a video image implementing system synchronized brightness control and use of metadata

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS56137178A (en) * 1980-03-29 1981-10-26 Toshiba Corp Diagnose device for nucleus medicine
JPH0878186A (ja) * 1994-08-31 1996-03-22 Shimadzu Corp Ｘ線透視撮影装置
US5574764A (en) 1995-06-06 1996-11-12 General Electric Company Digital brightness detector
US6795526B2 (en) 2002-03-04 2004-09-21 Ge Medical Systems Global Technology Co., Llc Automatic exposure control for a digital image acquisition system
JP3966461B2 (ja) * 2002-08-09 2007-08-29 株式会社リコー 電子カメラ装置
JP4612845B2 (ja) * 2005-01-27 2011-01-12 キヤノン株式会社 画像処理装置およびその方法
KR100727390B1 (ko) * 2005-12-26 2007-06-12 삼성전자주식회사 적응적인 영상크기 변환장치 및 그의 영상크기 변환방법
JP4966077B2 (ja) 2007-04-12 2012-07-04 キヤノン株式会社 画像処理装置及びその制御方法
CN100456325C (zh) 2007-08-02 2009-01-28 宁波大学 一种医学图像窗口参数的自适应调整方法
JP5197140B2 (ja) * 2008-05-07 2013-05-15 キヤノン株式会社 Ｘ線透視装置、動画処理方法、プログラム及び記憶媒体
US8299391B2 (en) 2008-07-30 2012-10-30 Applied Materials, Inc. Field enhanced inductively coupled plasma (Fe-ICP) reactor
CN101945275B (zh) * 2010-08-18 2012-10-24 镇江唐桥微电子有限公司 一种基于感兴趣区域的视频编码方法
JP2012235948A (ja) * 2011-05-13 2012-12-06 Shimadzu Corp Ｘ線撮影装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248268A1 (en) * 2006-04-24 2007-10-25 Wood Douglas O Moment based method for feature indentification in digital images
US20100253846A1 (en) 2007-01-30 2010-10-07 Fergason James L Image acquisition and display system and method using information derived from an area of interest in a video image implementing system synchronized brightness control and use of metadata
JP2010004543A (ja) 2009-07-13 2010-01-07 Panasonic Electric Works Co Ltd 撮像装置

Also Published As

Publication number Publication date
WO2012129724A1 (zh) 2012-10-04
DE112011105116T5 (de) 2014-01-23
KR20140014204A (ko) 2014-02-05
JP6014651B2 (ja) 2016-10-25
CN103460254B (zh) 2017-03-22
JP2014509538A (ja) 2014-04-21
US9330333B2 (en) 2016-05-03
US20140016868A1 (en) 2014-01-16
CN103460254A (zh) 2013-12-18

Similar Documents

Publication Publication Date Title
KR101760548B1 (ko) 이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치
JP5683888B2 (ja) 画像処理装置、画像処理方法、および画像処理プログラム
Giordano et al. Epiphysis and metaphysis extraction and classification by adaptive thresholding and DoG filtering for automated skeletal bone age analysis
US20160220173A1 (en) Estimating and predicting tooth wear using intra-oral 3d scans
JP5784404B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
EP2962624A1 (en) Image processing device, image processing method and image processing program
RU2012143409A (ru) Вероятностная оптимизация сегментации, основанной на модели
JP2013525011A (ja) 放射線画像における突起形成を伴う悪性質量の検出および分類
WO2005110232A1 (ja) 画像処理装置及びその方法
CN110992376A (zh) 基于ct图像的肋骨分割方法、装置、介质及电子设备
Maitra et al. Accurate breast contour detection algorithms in digital mammogram
CN114022554B (zh) 一种基于yolo的按摩机器人穴位检测与定位方法
JP5290229B2 (ja) 学習装置及び対象物検知装置
CN105701438B (zh) 医学图像处理装置和方法以及医学成像设备
CN104182984A (zh) 动态超声影像中的血管边缘形态快速自动采集方法及系统
CN111126162A (zh) 一种识别图像中炎症细胞的方法、装置及存储介质
CN114757873A (zh) 肋骨骨折检测方法、装置、终端设备及可读存储介质
JP2012143387A (ja) 骨粗鬆症診断支援装置及び骨粗鬆症診断支援プログラム
JP5106047B2 (ja) 画像処理方法及び装置
CN113469942B (zh) 一种ct图像病变检测方法
CN113080874B (zh) 一种多角度交叉验证的智能测肤系统
Reeves et al. Heart region segmentation from low-dose CT scans: an anatomy based approach
US11263763B2 (en) Image processing apparatus, image processing mehod, and storage medium
CN101536033A (zh) 图像信号的降噪
CN109993754B (zh) 从图像上进行颅骨分割的方法和系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant