KR20160145067A

KR20160145067A - 디지털 이미저의 교정 방법

Info

Publication number: KR20160145067A
Application number: KR1020167031028A
Authority: KR
Inventors: 장-미셸 비그놀
Original assignee: 트릭셀
Priority date: 2014-04-11
Filing date: 2015-04-03
Publication date: 2016-12-19
Also published as: KR102286373B1; CN106464779A; EP3130144B1; WO2015155373A1; US20170140553A1; FR3019959B1; FR3019959A1; JP2017518780A; CN106464779B; JP6552520B2; US9773323B2; EP3130144A1

Abstract

본 발명은 P 입력 이미지들 (An) 의 시퀀스를 이용하여 디지털 이미저를 교정하는 방법으로서, 상기 이미지들에 교정 이미지 (C_REF) 가 적용되어 P 출력 이미지들 (Yn) 의 시퀀스를 획득하는, 디지털 이미저를 교정하는 방법에 관한 것이다. 본 발명에 따르면, 교정 이미지 (C_REF) 를 나타내는 이미지 (Cn) 를, 1 이상의 정수인 n 반복에서, 추정하는 것에 의해 교정 이미지 (C_REF) 를 업데이트함으로써 교정이 수행된다.

Description

디지털 이미저의 교정 방법{METHOD FOR CALIBRATING A DIGITAL IMAGER}

본 발명은 디지털 이미저의 분야에 관한 것이다. 본 발명은 임의의 타입의 이미저, 특히 x-선, 가시광 또는 적외광을 이미징하기 위한 이미저들에 적용될 수도 있다. 본 발명은 다른 이미저 분야에의 적용가능성이 손실됨이 없이 여기서 예로 x-선 이미저들의 분야에서 설명된다.

본 발명은 다양한 레벨들에서 이미저의 전달 함수 (transfer function) 를 교정하는 방법에 관한 것이다. 예를 들어, 오프셋의 교정, 이득의 교정 및 결함 및 아티팩트들의 교정이 언급될 수도 있다.

디지털 이미저 (digital imager) 는 소스 이미지를 검출할 수 있고 상기 이미지를 또한 이른바 출력 이미지인 숫자들의 매트릭스로 전환할 수 있는 시스템이다. 다음으로, 이 출력 이미지는 스크린 상에서 오퍼레이터에게 표시되고 그 오퍼레이터는 그에 기초하여 결정을 내리거나 또는 측정을 수행하거나, 또는 그 오퍼레이터는 단순히 예술적 또는 가족적인 사용의 경우에 이미지의 시각적 품질을 감상할 것이다.

x-선 이미저들의 경우에, 임상 이미지 (clinical image) 가 x-선 소스와 이미저 사이에 환자를 개재시킴으로써 만들어진다. x-선에 대한 환자의 투과 이미지가 획득된다. 오퍼레이터는 방사선 전문의 또는 방사선 촬영 기사이다.

디지털 이미저는 일반적으로 하기 페이즈들 : 트랜스덕션 (transduction), 샘플링, 디지털화, 보정 및/또는 프리젠테이션 중 하나 이상을 구현하여 출력 이미지를 생성한다.

트랜스덕션은 소위 캡쳐가능한 이미지, 즉 일렉트로닉스에 의해 캡쳐가능한 이미지: 예를 들어, 가시 광자의 이미지, 또는 전자 전하의 이미지로의 소스 이미지의 전환이다. 어떤 이미저들은, 소스 이미지를 직접 캡쳐 (예를 들어, CCD 센서 (CCD 는 전하 결합 소자를 나타냄) 에 의해 가시 이미지를 캡쳐) 할 수 있기 때문에, 트랜스덕션이 필요하지 않다.

어떤 평탄 x-선 이미지 (flat x-ray image) 들의 경우에, x-선 광자들로서, 이로부터 소스 이미지가 형성되는, 그러한 x-선 광자들은 신틸레이터 (scintillator) 에 의해 가시광으로 전환된다.

다음으로, 이 전자 이미지는 매트릭스의 형태로 샘플링된다. 이것이 소위 샘플링이다. 이 샘플링 매트릭스는 (TFT 픽셀들의 매트릭스 어레이의 경우) 실제로 존재할 수도 있거나, 또는 정보를 캡쳐하는 프로세스 동안 가상적으로 생성될 수도 있다. 규칙적 시간 인터벌로 샘플링된 전자 판독 빔으로 표면을 스캔하는 진공 관 (vacuum tube) 의 경우가 언급될 수도 있다.

어떤 평탄 x-선 이미저들의 경우에, 샘플링은 감광성 픽셀들의 매트릭스 어레이에 의해 수행된다.

디지털화 동안, 아날로그 정보는 디지털 정보로 전환되고, 그 정보는 독출 일렉트로닉스에 의해 전달되고, 샘플링 매트릭스에 따라 이미지로 배열된다. 이 이미지는 로우 이미지 (raw image) 로 불린다. 그것은 무차원 값들을 포함하지만, 이것들은 관례상 LSB (최하위 비트의 두문자어) 로 표현되는 것으로 고려된다.

로우 이미지는 소스 이미지에 정비례하지 않는다. 그것은 보정을 받아야 한다. 그러므로, 그것은 소스 이미지의 재현을 가능한한 충실하게 만들기 위해 처리된다, 즉 소스 이미지에 정비례하게 계산에 의해 변환된다. 이 새로운 이미지는 클린 이미지 (clean image) 또는 심지어 전처리 이미지로 불린다. 수행되는 처리 동작들은 오프셋 보정, 이득 보정 및 결함 및 아티팩트 보정으로 지칭된다. 이들 처리 동작들은 아래에 상세히 나타나 있다.

클린 이미지는 오퍼레이터의 필요에 보다 잘 적응된 이미지를 생성하기 위하여 수정되는데, 이 이미지는 후처리된 이미지로 불린다. 이것이 소위 프리젠테이션 단계이다.

방사선 촬영을 위한 평탄 x-선 이미저들의 경우에, 프리젠테이션은 아웃라인 샤프닝, 동적 범위 (대수 스케일) 압축, 및 (이미지가 x-선 필름에 나타나는 것처럼 종래의 방사선 사진에 유사하게 이미지를 만들기 위한) 레벨 반전으로 이루어진다. 다른 양식들 (예를 들어, 형광 투시법) 은 상이한 처리 동작들을 적용한다.

로우 이미지는 A 로 불릴 것이다. 매트릭스의 각각의 픽셀이 지칭되는 경우, Aij 가 쓰여지고, 그 접미사 ij 는 행 좌표 i 및 열 좌표 j 의 픽셀에 대응한다. 소스 이미지는 S 로 불려질 것이고, 동일한 관습에 의해, Sij 가 쓰여진다. 일반적으로, 이들 2개의 이미지들은 다음 식에 의해 픽셀 대 픽셀로 관련된다.

Aij = Sij x Gij + OFij (1)

이 식은, 적어도 Sij 의 값들의 어떤 범위에서, 임의의 디지털 이미저에 대해, 그리고 그의 픽셀들의 대부분에 대해, 참이다. 이 범위는 이미저의 선형성의 범위로 불린다. G 및 OF 는 이미저의 이득 및 오프셋으로 각각 불린다.

보정 처리 동작들의 첫번째 단계는 오프셋의 보정이다. A 에서 오프셋 보정 결과는 A_Oc 로 불리는 이미지이다. 수행되는 계산은 다음과 같다:

A_Ocij = Aij - OF_REFij (2)

이미지 OF_REF 는 오프셋 기준 (offset reference) 으로 불린다. 이 이미지는, 소위 오프셋 교정 절차 (offset calibration procedure) 로, 디지털 이미저리 시스템의 사용자에 의해 각각의 검출기에 대해 측정되야 한다. 오프셋 기준은 처음에, 어두운 이미지들을 획득함으로써 측정될 수도 있다.

x-선 이미저들의 분야에서, 어두운 이미지는 x-선에 노출됨이 없이 만들어진다. 오프셋 기준을 결정하기 위하여, 어두운 이미지, 또는 기준 오프셋 이미지에서 잔여 노이즈를 최소화하기 위하여 평균내어지는 복수의 어두운 이미지들이 만들어진다. 이 절차는 x-선 이미저가 임상 서비스에서 사용되기 얼마 전 (즉, 수분 또는 수시간 전), 또는 임상 이미지의 획득 직후 또는 직전에 수행된다. 이 절차의 구현 동안, 검출기는 임상 이미지들을 획득하는데 이용가능하지 않다.

등식 (1) 을 등식 (2) 에 대입함으로써, 다음이 획득된다:

A_Ocij = Sij x Gij + (OFij - OF_REFij) (3)

오프셋 교정이 올바르게 수행되었다면 :

(OFij - OF_REFij) ~ 0, (4)

여기서, “~” 는 "대략 동일" 을 의미하고, 그러므로:

A_Ocij = Sij x Gij (5)

이 스테이지에서, 오프셋에 대해 보정된 이미지 A_Oc 가 획득된다.

다음 단계는 이득의 보정이다. A_Oc 의 이득의 보정의 결과는 A_OcGc 로 불리는 이미지이다. 수행되는 계산은 다음과 같다:

A_OcGcij = A_Ocij / G_REFij (6)

이미지 G_REF 는 이득 기준 (gain reference) 으로 불린다. 이 이미지는, 소위 이득 교정 절차를 이용하여, 디지털 이미저리 시스템의 사용자에 의해 각각의 검출기에 대해 측정되야 한다. 이득 이미지를 결정하기 위하여, 오프셋에 대해 보정된 복수의 백색 이미지들이 만들어지고 이들 이미지들의 평균을 취함으로써 이득 이미지가 계산된다. 이 평균화의 목적은 이득 이미지에서 잔여 노이즈를 최소화하는 것이다. x-선 이미저의 분야에서, 백색 이미지들은 이미저와 방사선 소스 사이에 환자 또는 물체를 개재시키지 않고서 이미저를 x-선에 노출시킴으로써 만들어진다. 이 절차는 x-선 이미저가 임상 서비스에서 사용되기 얼마전 (수분전, 수시간전, 수일전 또는 수년전) 에 수행되고 교정이 소요되는 기간만큼 검출기가 사용 불능이 될 것을 요구한다.

등식 (5) 을 등식 (6) 에 대입함으로써, 다음이 획득된다:

A_OcGcij = Sij x Gij / G_REFij (7)

이득 교정이 올바르게 수행되었다면 :

Gij / G_REFij ~ k (8)

여기서 k 는 이미지의 모든 픽셀들에 대해 동일한 상수이고 그러므로:

A_OcGcij = Sij x k (9)

그러므로, 오프셋 및 이득에 대해 보정된 이미지 A_OcGc 는 이미지 S 의 충실한 재현, 즉 팩터 k 내에서, S 와 동일하다.

이미저의 어떤 픽셀들은 식 (1) 을 만족하지 않고 단계 (9) 후에 S 의 충실한 재현이 아닌 값을 갖는다. 편차가 과도하게 크면, 이들 픽셀들은 결함이 있는 것으로 고려되고, 그들의 값을 다른 값으로 바꾸는 것이 선택된다. 이 계산이 소위 결함 보정이다. 예를 들어, 결함 보정은 결함 픽셀의 값을 4 또는 8개 가장 가까운 비결함 이웃들의 평균으로 바꾸는 것으로 이루어질 수도 있다. 결함 보정은 일반적으로, 이미지 A_OcGc 에 대해, 오프셋 및 이득 보정 후에 수행되고, 결과적인 이미지는 A_OcGcDc 로 불린다.

결함 보정을 수행하기 위하여, 결함 픽셀들의 리스트를 알 필요가 있다. 결함 픽셀들의 리소트를 결정하는 목적의 절차는 결함 교정으로 불린다. 예를 들어, 이미지들 OF_REF 또는 G_REF 에서, 비전형 값을 갖는 픽셀들을 검색하고, 이들 픽셀들은 결함있다고 판정하는 것이 가능하다. x-선 이미저들의 경우에, 이 절차는 x-선 이미저가 임상 서비스에서 사용되기 얼마전 (수분전, 수시간전, 수일전 또는 수년전) 에 수행되고 교정이 소요되는 기간만큼 검출기가 사용 불능이 될 것을 요구한다.

결함들의 리스트는, DM_REF 로 불리는 이미지에 저장될 수도 있고, 그의 픽셀들에는, 그것들이 결함있을 때 0 의 값이 배정되고 그렇지 않으면 1의 값이 배정된다.

이미저의 어떤 픽셀들은 식 (1) 을 만족하지 않고 단계 (9) 후에 S 의 충실한 재현이 아닌 값을 갖는다. 하지만, 편차는 그것들이 결함있는 것으로 고려되지 않을 만큼 충분히 작다. 하지만, 이들 픽셀들 또는 픽셀들의 그룹은 이미지에서 볼 수도 있는 불충실도 (infidelity) 를 생성한다: 다음으로 아티팩트들이 쓰여진다. 아티팩트들은 다양한 형태를 취할 수도 있고 다양한 진폭을 가질 수도 있다, 예를 들어, 아티팩트는 다른 것들보다 약간 더 하얀 행일 수도 있다. 이들 아티팩트들은 알려져 있고 충분히 예측가능하고 특정 거동을 가질 때, 소스 이미지에 대한 충실도를 떨어트리지 않고서 계산에 의해 이미지로부터 아티팩트들을 제거할 수 있다. 이 동작은 아티팩트 교정으로 불린다. 결함 보정과 대조적으로, 아티팩트 보정은 보정의 임의의 스테이지에서, 즉 이미지 A 또는 A_Oc 또는 A_OcGc 또는 A_OcGcDc 에 대해 수행될 수도 있다. 가장 적합한 단계는 아티팩트 생성 프로세스에 따라 선택된다. 예를 들어, 가산 아티팩트 (additive artefact) 가 이미지 A_Oc 에서 보정되고, 승산 아티팩트 (multiplicative artefact) 는 이미지 A_OcGc 또는 A_OcGcDc 에서 보정된다.

아티팩트들을 보정하기 위하여, 그들의 개수, 위치 및 진폭을 결정할 필요가 있다. 이것은 아티팩트 교정으로 불리는 절차에서 행해진다. 종종 아티팩트의 교정은, 아티팩트를 위한 기준 이미지 A_REFij 를 획득하기 위하여, 아티팩트가 나타나게 하고 다른 효과들은 나타나지 않게 하는 특정 조건들하에 이미저를 두는 것으로 이루어진다.

x-선 이미지들의 분야에서, 예시적인 아티팩트는, 특허 FR0707563 가 부여된, 온도에 의한 픽셀화 (pixelization) 이다. 이 아티팩트는, 온도에 의존하고 따라서, 단일 온도에서 만들어지는 이미지 G_REFij 에서 캡쳐될 수 없는 이득의 국부적 드리프트 (local drift) 이다. 그 특허는 2개의 상이한 온도들에서 2개의 이득 기준들을 측정하고, 이로써 이미저내에 통합되는 온도 센서에 의해 전달되는 온도에 기초하여, 영향을 받는 구역들에만 이득 보정의 계산이 적용될 수 있게 하는, 방법을 설명한다. 이 이득 보정은 각각의 픽셀에 대해 상이하고, 이로써 온도에 대한 민감성의 이미지 A_REFij 의 형태를 취하게 한다. 이 절차는 x-선 이미저가 임상 서비스에서 사용되기 얼마전 (수분전, 수시간전, 수일전 또는 수년전) 에 수행되고 교정이 소요되는 기간만큼 검출기가 사용 불능이 될 것을 요구한다.

위에 보여진 바처럼, 보정들은 교정들을 필요로 한다. 이들 교정들은, 아래에서 총칭적으로 C_REF 로 불리는 기준 이미지들 OF_REF, G_REF, DM_REF 또는 A_REF 를 만드는 것으로 이루어진다. 교정 절차는 많은 문제들을 제기한다.

그것들은 그것들이 소요되는 기간만큼 이미저를 사용 불능되게 한다. 특히, 교정 절차들은 일반적으로, 중단 (disruption) 없이, 매우 제어된 조건들하에서 이미지들이 만들어질 것을 요구하며, 이것은 이미저의 보통 사용과는 맞지 않다.

그것들은, 예를 들어, 절차가 복잡하거나 또는 특정 도구들 (예를 들어, 교정 테스트 패턴들) 을 필요로 하기 때문에, 이들 절차들의 구현을 전문으로 하는 오퍼레이터의 개입을 필요로 할 수도 있다. x-선 이미저의 경우에, 이득을 교정하기 위한 종래 절차는 x-선으로 이미지들이 취해질 것을 요구하고, 이 경우에, 현행 표준들은 인간 오퍼레이터가 존재할 것을 요구한다.

교정은 때때로 시간이 흐름에 따라 안정적이지 않고 상대적으로 빈번한 재교정들을 필요로 할 수도 있다. 이 불안정성의 원인은 검출기의 구성 하드웨어의 가역적 또는 비가역적 변화들, 또는 검출기 외부의 환경의 변동들 (온도, 습도, 압력) 일 수도 있다. x-선 이미저들의 경우에, 오프셋은, 가능한한 자주, 때때로 심지어 각각의 임상 이미지 사이에서도, 재교정된다. 결함들은 동일하게 빈번하거나 덜 빈번한 (1년에 한번) 재교정을 필요로 할 수도 있다. 이득은 하루에 여러번 또는 1년에 한번 재교정을 필요로 할 수도 있다. 아티팩트와 관련하여, 그것은 아티팩트의 유형에 따라 매우 상이하다: 빈도는 이미지당 한번에서 년당 한번으로 달라질 수도 있다.

이들 문제들은 사용자로 하여금 추가 비용 : 다운타임 비용 및 인간 개입의 비용을 부담하게 한다. 이것은 어떤 경우들에서는 검출기가 사용자에 의해 필요한 만큼 자주 재교정되지 않는 것으로 이어질 수도 있으며, 따라서 만들어진 이미지들의 최종 품질이 떨어진다.

그러므로, 전술된 결함들을 갖지 않는 교정 절차, 즉 다음의 특징들을 갖는 교정 절차를 마음대로 사용하는 것이 매우 유용할 것이다:

- 검출기가 사용 불능이 되지 않게 하는 특징, 즉 보통의 이미저 사용에 의해 중단되는 이미지들로 작업할 수 있는 특징;

- 인간 개입을 필요로 하지 않는 특징. x-선 이미저의 경우에, 이것은 특히 임상 이미지들로 이득 교정을 수행하는 것을 의미한다;

- 매우 빈번한 재교정을 허용하는 특징: 2개의 선행 사항들 덕분에, 교정 동작들의 비용은 감소되고 따라서 재교정들을 필요한 만큼 자주 수행할 수 있고, 이에 의해 검출기가 수명 전체에 걸쳐 최대 이미지 품질을 전달할 것을 보장한다.

본 발명의 하나의 요지는 위의 이점들을 갖는 신규한 교정 방법이다.

특히, 본 발명의 하나의 요지는 이미저에 의해 사전에 획득된 P 입력 이미지들 An 의 시퀀스를 이용하여 디지털 이미저를 교정하는 방법으로서, 그 이미지들에 교정 이미지 C_REF 가 적용되어 P 출력 이미지들 Yn 의 시퀀스를 획득하고,

교정 이미지 C_REF 를 나타내는 이미지 Cn 을, 1 이상의 정수인 n 반복에서, 추정하는 것에 의해 교정 이미지 C_REF 를 업데이트함으로써 교정이 수행되고, 교정 이미지 C_REF 를 나타내는 초기 이미지 C0 가 정의되고, 교정 이미지 C_REF 를 나타내는 이미지 Cn 의 추정은

· 적어도 하나의 P 출력 이미지들 Yn 을 변환하는 단계로서, 각각의 변환은 출력 이미지 Yn 의 변환의 이미지 Zn 를 제공하는, 상기 변환하는 단계;

· 교정 이미지 C_REF 를 나타내는 초기 이미지 C0 와 교정 이미지 C_REF 사이의 편차의 이미지 dCn 의 변환을 나타내는 이미지 MZn 를 선행하는 반복들의 출력 이미지의 변환의 이미지들 및 그 나타내는 이미지들로부터 추정하는 단계;

· 편차의 이미지 dCn 를 획득하기 위하여 그 나타내는 이미지 MZn 를 역 변환하는 단계; 및

· 초기 이미지 C0 과 편차의 이미지 dCn 를 합성 (combining) 하는 단계 및 교정 이미지 C_REF 를 나타내는 이미지 Cn 을 획득하는 단계를 포함한다.

예로써 주어지는 일 실시형태의 상세한 설명을 읽을 때 본 발명은 더 잘 이해될 것이고 다른 이점들이 분명해질 것이고, 그 설명은 첨부 도면들에 의해 예시되며, 그 첨부된 도면들 중에서:
- 도 1a 는 본 발명이 교정 체인에 삽입되는 경우를 보여주는 차트를 예시하고, 그 교정 단계는 기준 이미지 C_REF 를 이용하여 이미지 A1n 으로부터 이미지 A2n 으로 보내고,
- 도 1b 는 도 1a 에 도시된 교정 단계를 위한 본 발명의 구현을 도시하고,
- 도 2 는 교정 이미지 C_REF 를 나타내는 이미지 Cn 이 본 발명에 따라 계산될 수 있게 하는 업데이트 블록의 상세들을 도시한다.

명료성을 위하여, 동일 엘리먼트들에는 여러 도면들에서 동일한 참조 부호들이 부여되었다.

본 발명에 따른 방법의 원리는, 교정 이미지 C_REF의 현재 값 (및 선택적으로 p 선행 값들) 로부터, 그리고 보통 사용 중 검출기에 의해 획득된 현재 이미지 A0 (및 선택적으로 p 선행 이미지들) 로부터, 교정 이미지 C_REF 를 나타내는 이미지 Cn 을, 연속적인 반복들에서, 추정하는 것으로 이루어지고, 이것은 전문가 개입을 필요로 하지 않는다. 현재 반복은 아래의 설명에서 인덱스 "n" 으로 참조 표시될 것이다. 현재 이미지들은 A0_n 으로 불릴 것이다. 일반성의 손실 없이, 연속적인 반복들 A0₁, A0₂, 등의 입력 이미지들은 바로 연속되거나 또는 그렇지 않을 수도 있다.

도 1a 및 도 1b 는 본 발명이 교정 체인에 삽입되는 경우를 보여주는 차트를 도시한다.

도 1a 는 교정 이미지 C_REF 를 이용하여 이미지 A1n 로부터 A2n 로 보내는 보정 단계 (100) 를 도시한다.

도 1b 는 이 단계 (100) 를 위한 본 발명의 구현을 도시한다. 이미저에 의해 사전에 획득된 P 입력 이미지들 An 의 시퀀스로서, 그 이미지들에 P 출력 이미지들 Yn 을 획득하기 위해 교정 이미지 C_REF 가 적용되는, 상기 P 입력 이미지들 An 의 시퀀스로부터, 교정 이미지 C_REF 를 나타내는 이미지 Cn 를, 1 이상의 정수인 n 반복에서, 추정하는 것에 의해 교정 이미지 C_REF 를 업데이트 (단계 110) 함으로써 교정이 수행된다.

이미지 A2n (또는 이전 보정 단계들로부터 이슈된 A3n) 은 일반 명 Yn 하의, C_REF 를 업데이트하기 위한 블록으로의 입력이다. 이 블록은, Cn 으로 불려지는 교정 이미지 C_REF 를 나타내는 이미지의 새로운 추정을 계산할 것이다. 현재 교정 이미지 C_REF 는 이제 이미지 Cn 에 의해 교체될 수도 있다. 블록은 또한, 첫번째 반복 전에 이용가능한 C_REF 의 추정의 초기 이미지 C0 에 액세스할 것이다. 이것은, C_REF 의 종래 교정, 또는 빈 이미지 (즉, 보정들의 부재를 나타내는 이미지만을 포함함) 의 결과일 수도 있다.

본 설명에서, 도면들을 어수선하게 하지 않기 위하여 그리고 일반성의 손실 없이, 1개의 단일 이미지 Yn 만이 업데이트 블록으로 입력되는 것으로 나타내었다. 하지만, 추정을 수행하기 위하여, 복수의 이전 이미지들 A2 (또는 A3) 가 이 블록에 입력될 수 있음을 말할 필요도 없다; 이 경우 블록의 입력들은 Yn, Yn-1,…Yn-p 이 된다.

마찬가지로, Cn 은 교정 이미지 C_REF 를 즉시 교체하는 것으로 나타내었지만, 이미지 Cn 을 사용하기 전에 어떤 수의 업데이트 단계들을 기다리는 것이 가능하다는 것은 말할 필요도 없다.

도 2 는 교정 이미지 C_REF 를 나타내는 이미지 Cn 이 계산될 수 있게 하는 업데이트 블록 (단계 110) 의 상세들을 도시한다. 교정 이미지 C_REF 를 나타내는 초기 이미지 C0 가 정의된다. 교정 이미지 C_REF 를 나타내는 이미지 Cn 의 추정은:

· 적어도 하나의 P 출력 이미지 Yn 을 변환하는 단계로서, 각각의 변환은 출력 이미지 Yn 의 변환의 이미지 Zn 를 제공하는, 상기 변환하는 단계 (단계 120);

· 교정 이미지 C_REF 를 나타내는 초기 이미지 C0 와 교정 이미지 C_REF 사이의 편차의 이미지 dCn 의 변환을 나타내는 이미지 MZn 를 선행 반복들의 출력 이미지들의 변환의 이미지들 및 그 나타내는 이미지들로부터 추정하는 단계 (단계 130);

· 편차의 이미지 dCn 를 획득하기 위하여 그 나타내는 이미지 MZn 를 역 변환하는 단계 (단계 140); 및

· 초기 이미지 C0 과 편차의 이미지 dCn 를 합성하는 단계 및 교정 이미지 C_REF 를 나타내는 이미지 Cn 을 획득하는 단계 (150) 를 포함한다.

즉, 이미지 Yn 은, 아래에서 설명될 수학적 변환에 의해 이미지 Zn 으로 전환된다. 이미지 dC_REF 은 C_REF 에 대해 추정된 초기 이미지 C0 와 C_REF 의 실제 현재 이미지 사이의 편차의 이미지이다. dC_REF 의 변환을 나타내는 이미지는 아래에서 설명될 방법을 이용하여 MZn-1 및 Zn 로부터 추정된다. 이미지 MZn 는 사전에 사용된 변환의 역 수학적 변환에 의해 이미지 dCn 으로 전환된다. 이미지들 dCn 및 C0 는 C_REF 를 나타내는 이미지인 이미지 Cn 으로 합성된다.

본 설명에서, 도면들을 어수선하게 하지 않기 위하여 그리고 일반성의 손실 없이, 1개의 단일 이미지 Zn 및 MZn-1 만이 추정 블록으로 입력되는 것으로 나타내었다. p 개의 이전 이미지들 Zn-1, Zn-2,…, Zn-p 또는 MZn-1, MZn-2, ..MZn-p 가 또한 이 추정을 수행하는데 사용될 수 있다는 것은 말할 필요도 없다.

간결성을 위하여, 용어 "변환" 은 도 2에서 변환으로 라벨링된 블록 (단계 120) 을 아래에서 나타낼 때 사용될 것이다. 마찬가지로, 용어 "보정" (correction) 은 이미지 dC_REF 를 써야하는 것을 세이브 (save) 하는데 사용될 것이다. 일반성의 손실 없이, 본 방법의 적용의 실제 예들은 이득 보정의 추정을 위해서만 아래에 제공된다. 이 보정은 보다 정확하게는, 이득 기준의 드리프트를 나타내는 추정이다. 하지만 "보정" 은 텍스트를 불필요하게 길게 하지 않기 위하여 쓰여질 것이다.

변환의 목적은 추정될 보정으로부터 임상 배경 (clinical background) 을 분리시키는 것이다. 변환은, 주파수 분석에서 사용되는 용어의 일반화에 의해, 대역들로 불리는 새로운 차원들의 픽셀 값들을 포함한다. 마찬가지로, 고주파수 또는 저주파수 대역은 상세 및 큰 구조들을 각각 포함하는 대역들을 정의하는데 쓰여진다.

보정들을 2개의 주된 유형들: 가산 보정 (additive correction) 및 승산 보정 (multiplicative correction) 으로 분류하는 것이 가능하다. 일반적으로, 가산 보정들 (이를테면 오프셋 보정) 에 대해, 가법 분해를 수행하는 변환이 사용된다, 즉 분해된 이미지 C 의 성분들이 Ci 로 불리는 경우:

C = sum(Ci)

이 경우에, 배경 (즉, 이미지들 Ci 의 전형 값) 은 신호의 부재시 0 과 동일하다. 이 값은 뉴트럴 값 (neutral value) 으로 불린다.

승산 보정들 (이를테면 이득 보정) 에 대하여, 이미지를 승산 성분들로 분해하는 변환이 사용된다, 즉:

C = product(Ci)

이 경우에, 배경은 신호의 부재시 1과 동일하고 그러므로 뉴트럴 값은 1 과 동일하다. 하지만, 1개 또는 2개의 조합 중 어느 하나를 사용하는 것도 가능하다.

즉, 변환은 가법 또는 승법 분해 (additive or multiplicative decomposition) 를 수행한다.

대부분의 종래 변환들은 가법 분해들을 수행한다. 그것들을 여러 계산 방법들에 의해 승법 분해들로 전환하는 것이 가능하다. 하나의 가능한 방법은 대수 스케일로의 전환이다:

LC = log(C)

이 경우에, 이미지 LC 는 종래 변환에 의해 가산 성분들 LCi 로 분해된다. 그러므로, 분해는 지수 함수 (exp 로 표기됨) 의 속성들 덕분에 승법 (multiplicative) 으로 만들어진다.

C = exp(LC) = exp(sum(LCi)) = product(exp(LCi))

분해의 승산 성분 (multiplicative component) 들은 exp(LCi) 항들이다.

즉, 이미지의 승법 분해 변환은 대수 변환의 이미지를 획득하기 위하여 이미지에 대수 변환을 적용한 다음, 대수 변환의 이미지에 가산 변환을 적용함으로써 수행된다.

다른 가능한 방법은 승법 분해를 수행하도록 사용되는 변환의 직접적인 수정이다. 이미지는 고 주파수 및 저 주파수를 포함한다. 이미지의 승법 분해는, 고 주파수 HF 를 획득하기 위하여 저 주파수 BF 에 의해 이미지를 나누는 것에 의해 변환의 각 단계에서 이미지의 고 주파수 HF 및 저 주파수 BF 을 분리시킴으로써 수행된다. 즉, 다른 가능한 구현은, 2 대역들, 즉 저 주파수 대역 (BF) 및 고 주파수 대역 (HF) 으로 분해를 계산할 때, 다음 방식으로 HF 대역을 계산하는 것이다:

HF = C / BF

승산 재구성 (multiplicative reconstruction) 은 다음과 같다는 것을 의미한다:

C = HF x BF = C1 x C0

분해의 모든 단계들을 이런 식으로 진행함으로써, 승법 분해가 획득된다:

C = product(Ci)

일반적으로, 변환은 고역 필터 동작, 웨이블릿 변환, 푸리에 변환 또는 커블릿 변환 또는 이들 변환들의 조합, 또는 심지어 추정하기를 원하는 보정으로부터 임상 배경이 분리될 수 있게 하는 속성들을 갖는 임의의 다른 변환일 수도 있다.

본 발명은 또한, 항등 변환으로 불리는 변환으로, 즉 변환 없이 적용될 수 있다. 항등 변환의 결점은 "보정" 부분으로부터 "임상 배경" 부분의 매우 열악한 분리이다. 보정을 나타내는 이미지를 추정하는데 사용되는 방법이 평균이면, 매우 많은 수의 이미지들 p 이 평균내어지더라도, 잔여 노이즈는 보정 이미지에서 매우 높게 남으며, 너무 높아서 후자가 사용가능할 수 없다. 특히, 예를 들어, 폐의 이미지들만을 취하는 병원에서, 모든 방사선 사진들은 환자의 가슴 뒤쪽 중앙이 어둡고, 주위는 x-선이 감쇠 없이 도착하므로, 매우 밝다. 많은 수의 이미지들을 평균내는 것은 상대적으로 균일한 보정을 만들지만 "평균적인 환자" 의 가슴의 이미지를 나타내고 이것은 결코 바람직한 효과가 아니다. 절차는 임상 배경이 아니라 이득 기준의 드리프트에 기인하거나, 또는 적어도 가시성 임계치 아래의 레벨에 기인한 변동들을 캡쳐해야 한다. 가시성 임계치는 통상적으로 1% 과 0.1% 사이이다.

방법이 임상 배경을 캡쳐하지 않을 경우, 구성에 의해, 임상 배경이 임상 배경의 부재시 값과 통상적으로 동일하도록 보장할 변환을 적용할 필요가 있다. 이것을 행하기 위하여, 예를 들어, 승법 분해의 경우에, 약 1 백개 픽셀들에 적용된 가우시안 필터에 의해 미리 필터링된 자신의 사본으로 이미지를 나눔으로써, "고 대역" 필터를 적용하는 변환을 사용하는 것이 가능하다. 그러한 필터는 저 주파수 임상 배경을 효과적으로 제거할 것이며, 임상 배경의 남아있는 부분은 무작위적으로 주어진 픽셀에서 1보다 크거나 또는 작으며, 평균은 1과 같다. 하지만, 이 변환은 또한, 결함들의 저 주파수 부분을 제거할 것이다. 그러므로, 보정은 수행되는 필터링이 가역적 (invertible) 이지 않기 때문에 불완전하다. 따라서, 한 방향으로만 큰 크기 (예를 들어, 50개 열들의 그룹) 를 갖고 (예를 들어, 보정 1.2 의) 고 진폭 결함들은 그들 신호의 상당한 부분이 제거되고 따라서 보정되지 않는다.

이러한 결점들을 해결하기 위하여, 임상 배경이 1로 평균내어질 뿐만 아니라, 결함들을 보존하도록 보장하거나 또는 심지어 그들의 신호 대 노이즈 비를 증폭함으로써, 추정을 보다 신뢰적으로 만드는 변환들을 사용할 필요가 있다. 예를 들어, 웨이블릿 변환을 사용하는 것이 가능하다. 이 유형의 변환은 수평 또는 수직 에지들을 갖는 구조들을 특히 잘 검출한다. 교정 결함들은 종종 이런 유형의 구조에 합치되므로 (그러나 항상 그런것은 아니다), 따라서 그것들이 확실히 캡쳐된다. 임상 배경은, 일반적으로, 수평 및 수직과 정확하게 정렬되지 않으므로, 그것은 임의의 결함들로부터 보다 잘 분리된다. 웨이블릿 변환들은 또한, 매우 계산적으로 저렴한 이점을 가지며, 이것은 본 발명이 빌트인 일렉트로닉스 시스템에서 구현될 경우에 중요한다. 예를 들어, 다음으로부터의 웨이블릿 필터를 사용하는 것이 가능하다: Haar, Daubechies(n) 여기서 n = 2 내지 20, Symlet(n) 여기서 n = 4 내지 20, Coiflets(n) 여기서 n = 6, 12, 18, 24 또는 30, Battle-lemarie(n) 여기서 n = 0 내지 6, Bspline(m,n) 여기서 (m,n) = (1,1) 내지 (1,5), 또는 (2,2) 내지 (2,8) 또는 (3,1) 내지 (3,9). 또한, 다이아딕 유형 (dyadic type) 의 언데시메이트된 (undecimated) 또는 데시메이트된 (decimated) 웨이블릿 변환, 또는 양자의 조합을 사용하는 것이 가능하다. 양자 모두의 조합은, 예를 들어, 변환의 각각의 단계의 경우인, 고 주파수의 비데시메이션 및 저 주파수의 데시메이션으로 이루어질 수도 있다.

또한, 적은 계수들을 갖는 이차 (second order) (매우 급격한 수렴) 로 제한되는 전개 (development) 에 의해 근사가능한 결함들을 추정하는데 최적인 특이성을 갖는 커블릿 변환을 사용하는 것이 가능하다. 커블릿 변환들은 임의의 방향에서 결함들을 효과적으로 캡쳐한다 (그것들은 수평 또는 수직으로 센터링될 필요가 없다). 또한, 이 유형의 변환은 현재 이해되는 바와 같이 인간의 눈의 동작의 보다 나은 근사이다: 그러므로, 눈에 가장 가시적인 결함들은 보정에서 더 잘 캡쳐된다. 그의 결점은 푸리에 변환, 복소수 (complex number), 약 x7 의 리던던시 (변환은 초기 이미지보다 약 7배 더 많은 포인트들을 포함하고, 이들 포인트들은 복소수들이다), 및 그의 상대적으로 높은 계산 비용을 쓴다는 것이다 : 약 4개 고속 푸리에 변환들이 1개 라운드 트립 변환에 대해 요구된다.

많은 다른 가역 또는 비가역 공간 변환들이 있다. 임의의 변환 또는 변환들의 조합 또는 변형들 (예를 들어, 평활 또는 비평활 변환, 실제로 데시메이트된 또는 언데시메이트된 변환 등을 선택하는 것이 가능하다) 및 연관된 필터들 (이를테면 예를 들어 고역 필터) 을 사용하는 것이 가능한데, 그것이 적어도 부분적으로 결함들로부터 임상 배경을 격리시키고, 임상 배경만이 존재하는 경우에, 변환의 원자들 중 어떤 것들에서, 변환에 의해 취해진 많은 수의 값들의 평균이 뉴트럴 값 (승법 분해에 대해서는 1, 가법 분해에 대해서는 0) 이고 반대의 경우에 결함의 변환과 동일하도록 보장하는 것을 조건으로 한다.

도 2는 dC_REF 의 변환을 나타내는 이미지를 추정하기 위한 블록의 사용을 예시한다.

이 추정은 반복적이므로, 사용된 임상 이미지들은 연속적이거나 그렇지 않을 수도 있다. 예를 들어, n 에서 하나의 이미지를 스킵 (skip) 하는 것, 여기서 n = 2, 3 또는 그 보다 큰 수, 또는 실로 설정된 시간에서 이미지들을 취하는 것이 가능하다; 예를 들어, 제 1 이미지는 10 또는 30분 후에 취해질 수도 있다. 또한, P개 이미지들의 각각의 세트에 대해, 또는 실로 시리즈에서 각각의 새로운 이미지에 대한 계산을 재시작하는 것이 가능하다 (따라서 새로운 시리즈는 선행하는 시리즈와 공통되는 P-1개 이미지들을 가질 것이다). 또한, 사용자의 필요와 맞지 않을 경우 이미저가 하나 이상의 업데이트들을 수행하는 것이 허락되지 않는 구성을 상상하는 것이 가능하다. 예를 들어, 새로운 이미지들이 요구되기 때문에 이미저가 이용가능하지 않을 때 그러한 상황에 직면하는 것이 가능하다. 이 경우에, 업데이트 계산은 인터럽트되고 일시정지되어 나중에 마무리될 수도 있거나, 또는 그것은 버려지고 프로세서가 한번 더 이용가능할 때 (예를 들어, 환자에 대한 검사가 마무리됨) 후속 이미지로 재시작될 수도 있다.

C0 과 C_REF 사이의 편차의 이미지 dCn 의 변환을 나타내는 이미지 MZn 은 다양한 방식으로, 즉 평균 (mean), 네이브 평균 (naive mean), 시간 이동 평균 (time moving mean), 메디안 (median), 반복 메디안 (iterative median), 또는 실로 메디안과 편차의 컨조인트 반복 추정 (반복 뮤-시그마 (mu-sigma) 추정으로도 불림) 에 의해 추정될 수도 있다.

네이브 평균은, 계산으로부터 마킹된 값들을 제외하면서, i 최종 값들의 평균을 각각 픽셀에 대해 계산하는 것으로 이루어진다. 이 방법은 많은 결점들을 갖고 있다: 메모리, 계산 리소스들에 있어서 값비싸고, 임상 배경에 대해 아주 강건하지도 않다.

이동 평균은 다음 식을 이용하여 현재 이미지 Zn 으로부터 그리고 단계 (n-1) 에서 이루어진 추정 MZ_n-1 로부터의 평균을 추정하는 것으로 이루어진다:

MZ_n = MZ_n-1 x (1-a) + Z_n x a.

계수 a 는 0 과 1 사이에 포함되는 값을 취한다, 예를 들어, a = 0.001 이다. 이 식은, i 최종 이미지들 대신에, 하나의 이미지, MZ_n-1 만이 메모리에 저장될 것을 요구 하고, 평균을 계산하기 위해 하나의 가산만이 수행될 것을 요구 하는 이점을 갖는다. a = 0.01 이면, 이것은 대략적으로, 100 개 이미지들을 평균내는 것과 등가이다. 그러므로, 이 기법은 최종 100개 이미지들을 메모리에 저장하고 100 개 가산들을 수행해야 하는 것을 피한다. 또한, 이것은 가장 최근의 이미지들에 더 높은 가중을 제공한다. 특히, 이미지 (n-p) 는 대략적으로 x ((1-a)^p) 에 의해 가중되고 (1-a)^p 는 0을 급히 향하는 경향이 있으며, 이것은 결함이 추정 동안 달라지는 경우에 바람직하다. 이 기법은 필요한 메모리 및 계산 능력을 향상시키지만, 임상 배경에 대한 강건성을 향상시키지는 못한다. 특히, 통상적으로 10% 와 0.1% 사이의 결함들을 추정하는 것이 바람직하고, 임상 배경에 기인한 국부적 중단들은 매우 상당할, 예를 들어, 100% 일 수도 있다. 100% 의 임상 중단이 기록되고, 계수 a = 0.01 이 사용되면, 보정은, 너무 높아 허용가능하지 않은 레벨인, 100% x 0.01 = 1% 과 동일한 중단을 포함한다. 또한, 이 중단은 1/a 에 비례하는 수의 이미지들, 즉, 100 개 이미지들에서 가시적이다. 이것은 작은 숫자가 아니다. a 의 값을, 예를 들어, a = 0.001 로 감소시킴으로써 이 효과를 감소시키는 것이 가능하다. 이 경우에, 임상 잔여는 0.1% 과 동일할 것이고, 이것은 가능하게는 시각적으로 허용가능하지만, 그것은, 결함을 추정하기 위해, 약 2/a 이미지들, 즉 2000 개 이미지들 필요로 할 것이고, 이것은 작은 숫자가 아니다.

중단들의 존재시 대표 이미지 (representative image) 를 추정하기 위한 많은 기법들이 있으며, 평균의 강건 추정자 (robust estimator) 가 쓰여진다. 이들 강건 추정자들 중 가장 대중적인 것은 메디안이다. 특히, 각각의 픽셀에 대해 i 최종 이미지들 Zn 의 메디안을 계산하는 것이 가능하다. 하지만, 이것은 i 최종 이미지들이 메모리에 저장될 것을 요구하고 메디안의 계산은 그 자체로 계산 시간에 있어서 비용이 드는 연산이다. 실로, 각각의 픽셀의 i 값들을 오름 순으로 소팅하여 그들 중 어느 것이 중간에 있는지 결정할 필요가 있다.

계산 비용 및 메모리 측면의 비용을 제한하기 위하여, 반복 메디안을 사용하는 것이 가능하다. 이것은, MZ_n-1 와 Z_n 를 비교하는 문제이며, MZ_n-1 는 (n-1)번째 반복에 대한 이미지 Z 의 추정이다:

Zn > MZ(n-1) 이면, MZn = Mz(n-1) + a

Zn < MZ(n-1) 이면, MZn = Mz(n-1) - a

a 의 값은 2개 이미지들 사이의 변동이 무시가능할 만큼 충분히 낮도록, 예를 들어, 0.01%으로 선택된다. 이 추정자는 메디안을 향해 수렴하고 이동 평균보다 더 많은 이미지들이 메모리에 저장되는 것을 요구하지 않는다. 또한, 임상 배경에 의한 100% 의 중단은, 오직 a 의 오차, 즉 0.01% 를 생성한다. 이 기법으로, 수렴의 레이트 및 잔여 노이즈가 팩터 a 를 조정하는 것에 의해 용이하게 제어된다. 이 예에서, 적어도 200 개의 이미지들이 2% 진폭의 결함을 보정하기 위하여 요구될 것이고, 1000 개 이미지들이 10% 의 결함을 보정하기 위해 요구될 것이다. 잔여 노이즈는 실제로, a 의 약 5배, 이 경우에 0.05% 로 제한될 것이다. 이 방법의 결점은 노이즈를 낮은 레벨 (1% 미만) 으로 제한하기 위하여, 낮은 a 값이 사용되야 하고 갑자기 나타내는 고 진폭 결함이 느리게 보정된다는 것이다: 결함 진폭이 10% 이면, 1000 개 이미지가 필요하다.

이들 결점들을 해결하기 위하여, 메디안 및 표준 편차를 추정하기 위한 반복 컨조인트 기법을 사용할 수 있으며, 이 기법은 또한 반복 뮤-시그마 기법으로도 불린다. 이를 행하기 위하여, 평균 MZ 에 더하여, 강건 표준 편차 SZ 이 다음 방식으로 추정된다:

Zn > MZ_n-1 이면 MZ_n = MZ_n-1 + a. (11)

Zn < MZ_n-1 이면 MZ_n = MZ_n-1 - a. (12)

|Zn-MZn| > Sz(n-1) 이면 Szn = Sz(n-1) x b. (13)

|Zn-MZn| < Sz(n-1) 이면 Szn = Sz(n-1) / b. (14)

마지막으로, a = k x Sz(n-1) 이고 k 는 1 과 0.01 사이, 예를 들어, k = 0.2 이다.

|x| 는 x 의 절대 값을 나타낸다.

(11)-(12) 의 하나의 가능한 변형은 다음과 같다:

Zn > MZ_n-1 이면 MZ_n = MZ_n-1 x a,

Zn < MZ_n-1 이면 MZ_n = MZ_n-1 / a,

여기서 a = 1+ k x Sz(n-1)/ MZ(n-1) 이다.

b 의 값은 필요한 조정 레이트에 따라, 일반적으로 1 과 2 사이, 예를 들어, b = 1.2 로 설정된다. 이것은 표준 편차가 평균 보다 훨씬 더 바르게 조정되는 것을 허용한다. 최소 및 최대 값들, Smax 및 Smin 는 결과가 발산하지 못하게; 예를 들어, Smax = 10% 및 Smin = 0.001% 로 설정된다. 시작에서, S 의 값은 S0 으로, 예를 들어, 0.5% 로 설정된다. 이 절차는 빠르게 각각의 픽셀에서 한 자릿 수 (an order of magnitude) 의 오차를 획득하는 것을 가능하게 한다. 픽셀에 결함이 없으면, 에러는 시작 값보다 더 낮을 것이고 Sz 의 값은 이미지의 평균 X 노이즈를 향해 빠르게 수렴할 것이다. 가시적, 즉 고 진폭, 결함이 존재하면, Sz 는 이 편차의 값을 향해 빠르게 수렴할 것이다.

a 의 값이 각각의 이미지에 대해 조정됨에 따라 그리고 Sz 에 따라, 적용된 보정은 자동적으로 필요에 따라 적응된다: 결함이 존재하면, 보정은 이 결함의 일 부분 (fraction) 과 동일하고, 이는 몇번의 반복들에서 빠르게 보정된다. 결함이 사라졌기 때문에, 편차의 값은 이미지의 X 노이즈의 레벨로 빠르게 감소할 것이고 그러므로 a 의 값은 인식 임계치보다 충분히 아래에 있게 된다. 이 절차는 경시적으로 안정한 적용될 보정의 자기 적응 (self-adaptation) 을 제공하는 이점을 갖는다 : 오차가 크고 체계적일 때, 빠르게 보정되지만, 오차가 없을 때 보정은 알아차릴 정도로 달라지지 않는다. 이 솔루션을을 위해 지불해야 할 대가는 2개의 변환들, Mz 및 Sz 이 메모리에 저장되야 한다는 것과, 몇개의 추가 계산들이 수행된다는 것이다.

이것은 반복 n에서 MZn 의 추정, 즉, 반복 n 에서 보정을 나타내는 이미지를 획득하는데 사용가능한 다양한 방법들을 설명한다.

교정 이미지 C_REF 를 나타내는 이미지 Cn 의 새로운 추정은, 보정 이미지 dCn 를 제공하는, 편차를 나타내는 이미지 MZn 를 역변환하고, 다음으로 dCn 및 C0 를 합성함으로써 계산된다.

dCn 및 C0 를 합성하는데 사용된 방법은 보정이 어떻게 추정되었는지에 의존한다. 예를 들어:

- 가산 합성 C_REF = C0 + dCn

- 승산 합성: C_REF = C0 x dCn

즉, 초기 이미지 C0 와 이미지 dCn 의 합성은 가산 또는 승산 합성이다.

Claims

디지털 이미저에 의해 사전에 획득된 P 입력 이미지들 (An) 의 시퀀스를 이용하여 디지털 이미저를 교정하는 방법으로서, 상기 이미지들에 교정 이미지 (C_REF) 가 적용되어 P 출력 이미지들 (Yn) 의 시퀀스를 획득하고,
상기 교정 이미지 (C_REF) 를 나타내는 이미지 (Cn) 를, 1 이상의 정수인 n 반복에서, 추정하는 것에 의해 상기 교정 이미지 (C_REF) 를 업데이트함으로써 교정이 수행되고,
상기 교정 이미지 (C_REF) 를 나타내는 초기 이미지 (C0) 가 정의되고,
출력 이미지 (Yn) 의 변환으로 불리는 것인 이미지 (Zn) 로 상기 출력 이미지 (Yn) 를 변환할 수 있는 수학적 변환으로서, 상기 수학적 변환에 대해 상기 출력 이미지 (Yn) 의 변환의 역 변환 (Zn) 으로 불리는 것인 상기 이미지 (Yn) 로의 출력 이미지 (Zn) 의 변환을 변환할 수 있는 또 다른 수학적 변환이 존재하는, 상기 수학적 변환이 선택되고,
상기 교정 이미지 (C_REF) 를 나타내는 상기 이미지 (Cn) 의 추정은,
· 적어도 하나의 P 출력 이미지들 (Yn) 을 변환하는 단계로서, 각각의 변환은 상기 출력 이미지 (Yn) 의 변환의 이미지 (Zn) 를 제공하는, 상기 변환하는 단계;
· 상기 교정 이미지 (C_REF) 를 나타내는 상기 초기 이미지 (C0) 와 상기 교정 이미지 (C_REF) 사이의 편차의 이미지 (dCn) 의 변환을 나타내는 이미지 (MZn) 를 선행 반복들의 상기 출력 이미지의 변환의 이미지들 및 나타내는 이미지들로부터 추정하는 단계;
· 상기 편차의 이미지 (dCn) 를 획득하기 위하여 상기 나타내는 이미지 (MZn) 를 역 변환하는 단계; 및
· 상기 초기 이미지 (C0) 와 상기 편차의 이미지 (dCn) 를 합성하는 단계 및 상기 교정 이미지 (C_REF) 를 나타내는 상기 이미지 (Cn) 을 획득하는 단계
를 포함하는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항에 있어서,
상기 변환은 이미지의 가법 또는 승법 분해를 수행하는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 2 항에 있어서,
상기 변환은 이미지의 승법 분해를 수행하며, 상기 이미지의 승법 분해 변환은 대수 변환의 이미지를 획득하기 위하여 상기 이미지에 대수 변환을 적용한 다음, 상기 대수 변환의 이미지에 가산 변환을 적용함으로써 수행되는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 2 항에 있어서,
상기 변환은 이미지의 승법 분해를 수행하며, 상기 이미지는 고 주파수 및 저 주파수를 포함하고, 상기 이미지의 승법 분해는, 상기 고 주파수 (HF) 를 획득하기 위하여 상기 저 주파수 (BF) 에 의해 상기 이미지를 나누는 것에 의해 상기 변환의 각 단계에서 상기 이미지의 상기 고 주파수 (HF) 및 상기 저 주파수 (BF) 를 분리시킴으로써 수행되는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
상기 변환은 항등 변환, 고역 필터, 웨이블릿 변환 또는 커블릿 변환 또는 이들 변환들의 조합인 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 편차의 이미지 (dCn) 의 변환을 나타내는 상기 이미지 (MZn) 는 평균, 시간 이동 평균, 메디안, 반복 메디안, 또는 반복 뮤-시그마 추정에 의해 추정되는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
상기 편차의 이미지 (dCn) 의 변환을 나타내는 상기 이미지 (MZn) 는 반복 뮤-시그마 추정에 의해 추정되고, 표준 편차 (Szn) 가 추정되고, 상기 편차 (dCn) 의 이미지의 변환을 나타내는 상기 이미지 (MZn) 는 선행하는 반복의 표준 편차 (Szn-1) 의 추정 및 상기 편차의 이미지의 변환을 나타내는 이미지 (MZn-1) 로부터 추정되는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
상기 초기 이미지 (C0) 와 상기 이미지 (dCn) 의 합성은 가산 또는 승산 합성인 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
상기 교정 이미지 (C_REF) 를 나타내는 상기 이미지 (Cn) 은 오프셋을 보정하거나, 이득을 보정하거나, 아티팩트를 보정하거나, 또는 결함 지도인 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
x-선 이미저의 응용 분야에서 구현되는 것을 특징으로 하는 디지털 이미저를 교정하는 방법.
제 1 항 내지 제 10 항 중 어느 한 항에 기재된 교정 방법을 구현하도록 구성된 것을 특징으로 하는 디지털 이미저.