KR970002885B1 - 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법 - Google Patents

다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법 Download PDF

Info

Publication number
KR970002885B1
KR970002885B1 KR1019890701482A KR890701482A KR970002885B1 KR 970002885 B1 KR970002885 B1 KR 970002885B1 KR 1019890701482 A KR1019890701482 A KR 1019890701482A KR 890701482 A KR890701482 A KR 890701482A KR 970002885 B1 KR970002885 B1 KR 970002885B1
Authority
KR
South Korea
Prior art keywords
gray scale
pixel
pixels
value
scale value
Prior art date
Application number
KR1019890701482A
Other languages
English (en)
Other versions
KR900700972A (ko
Inventor
오. 가우지 제임스
Original Assignee
지디피 테크놀로지스, 인크.
원본 미기재
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 지디피 테크놀로지스, 인크., 원본 미기재 filed Critical 지디피 테크놀로지스, 인크.
Publication of KR900700972A publication Critical patent/KR900700972A/ko
Application granted granted Critical
Publication of KR970002885B1 publication Critical patent/KR970002885B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

내용없음

Description

다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법
제1도는 본 발명의 전체 처리과정의 일 실시예를 보여주는 다이아그램도.
제2도는 화상의 반향 텍스처를 보여주고 정량화시키기 위한 본 발명의 부분을 보여주는 다이아그램도.
제3도는 본 발명의 반향 텍스처 값과 가상적인 예에서의 소정의 3가지의 반향 텍스처 값의 범위의 예를 도시하는 차트도.
제4도는 본 발명의 실시예의 반향 텍스처 정량화 처리의 가상적인 예를 위한 그레이 스케일 값을 가진 9개의 픽셀의 윈도우를 도시하는 설명도.
제5도는 제4도에 도시된 픽셀의 윈도우를 위한 그 값에서의 픽셀 수에 대한 그레이 스케일 값의 그래프.
제6도는 본 발명의 일 실시예의 반향 텍스처 정량화 처리의 가상적인 예를 위한 그레이 스케일 값을 가진 9개의 픽셀의 윈도우를 도시하는 설명도.
제7도는 제6도의 도시된 픽셀의 윈도우를 위한 그 값에서의 픽셀 수에 대한 그레이 스케일 값의 그래프.
제8도는 본 발명의 일 실시예의 반향 텍스처 정량화 처리의 가상적인 예를 위한 그레이 스케일 값을 가진 9개의 픽셀의 윈도우를 도시하는 설명도.
제9도는 본 발명의 일 실시예의 노이즈 감소처리의 가상적인 예를 위한 그레이 스케일 값을 가진 화상의 픽셀의 열을 도시하는 설명도.
제10도는 본 발명의 일 실시예의 평탄화 처리의 가상적인 예를 위한 그레이 스케일 값을 가진 픽셀의 윈도우를 도시하는 설명도.
제11도는 본 발명의 일 실시예의 차등화 처리의 에지(edge)의 가상적인 예를 위한 원형요소를 보여주는 픽셀 윈도우의 설명도.
제12도는 본 발명의 일 실시예의 형상 추종 처리과정을 나타내는 다이그램도.
본 발명은 의료 초음파와 다른 비디오 화상을 정량화시키고 분석하고 해석하고 화질을 향상시키며, 발생된 화상 포맷을 컴퓨터로 나타내기 위한 방법과 장치에 관한 것이다. 이러한 기능들은 화상 처리와 화상 분석의 2개의 범주로 나눌 수 있다.
화상 처리 기능은 화상 화질의 향상과 제공을 포함한다. 화상 분석 기능은 화상이 향상되거나 그렇지 않은 화상의 특성을 정량화시키고, 분석하며 해석하는 것을 포함한다.
의료 초음파 주사 장치에 의해 발생된 화상은 화상 처리와 화상 분석 시스템에 독특한 문제를 제기한다. 초음파 주사 장치는 선체에 대해 가압되는 수동 장치를 통하거나, 직장의 공동과 같은 신체의 공동에 삽입되는 특별히 설계된 변환기를 통하여 신체에 고주파의 음파를 도입시키기 위해 음변환기(sound transducer)를 사용한다. 신체 내의 장기는 장기의 반사율에 따라 변환기로 음파를 반사시킨다. 음파의 방출과 탐지 사이의 측정된 시간은 신체 내의 음파반사 장기의 깊이에 비례한다. 신체의 한 평면 내의 반사 장기의 시각적 투영상은 반사된 파의 크기에 비례하여 반사된 파신호에 그레이 스케일(gray scale) 값을 부여하며 파의 반사 장기의 깊이가 깊어짐에 따라 감쇄되는 손실을 보상하기 위하여 변수 이득 증폭기에 신호를 통과시키고 그 결과를 이차원적으로 보임에 의하여 만들어질 수 있다. 파의 진행(travel) 방향에 평행한 신체 내의 평면에 대응하는 2차원 상이 보여진다. 전시 화상에서의 신체장기는 훈련된 관찰자에 의해 인식되어질 수 있다. 전시 화상은 비디오 모니터 상에 연속적으로 반복된 화상을 발생시켜 보임에 의하여 동화상이 될 수 있다. 초음파 변환기와 처리장치를 이용하는 화상의 이러한 발생과 해석은 음파측정학(sono-graphy)으로 알려져 있다.
신체 내의 파의 반사 장기의 반사 특성은 음파측정학에서는 신체의 당해 부위의 반향성(echogenicity)이라고 불려진다.
화상에서 밝게 나타나는 고 반사율의 장기는 '초반향(hyperechoic)' 어둡게 나타나는 저 반사율의 장기는 '무반향(anechoic)'으로 불려진다. 국부적인 영역에서의 초반향과 무반향상의 혼합은 그 영역의 반향 텍스처(echoic Texture)라고 한다. 유사한 반사율의 균일한 상의 세트는 '등반향(isoechoic)'이라 불려진다. 화상에서 얼룩 패턴으로 나타날 수 있는 광범위하게 혼합된 반사율을 가진 불균일한 상의 세트는 '아반향(hypoechoic)' 이라 한다.
화상에서의 얼룩진 패턴의 기본적인 이유는 음파가 항상 직선 경로를 따라서 변환기에 전달되는 것이 아니고 그 대신 반사파의 진폭에 작은 변화를 야기시키는 몇 번인가의 곡선경로 또는 각이진 반사면에서 반사될 수도 있기 때문이다. 각 픽셀(pixel ; 화상요소)의 표시된 그레이 스케일 값은 이 반사파의 진폭으로부터 파생되는 것이기 때문에, 이러한 변화는 표준 텔레비젼 화상에서 눈이 내리는 듯한 모양과 유사한 얼룩을 만든다. 비록 얼룩이 표준 텔레비젼 화상에서의 눈처림 랜덤한 것은 아닐지라도, 초음파 화상에서 얼룩의 정확한 형태는 신체조직의 비정상적으로 복잡한 형상에 기인하여 실제로는 예측하기가 불가능하다. 얼룩은 많은 초음파 화상 내용의 90% 이상을 차지하고 있어 그러한 화상의 질을 저하시키는 주요한 요인으로 간주되어 왔다. 얼룩은 화상을 흐리게 하여 텔레비젼 화상에서의 눈과 유사하기 때문에, 잡음(noise)으로 처리된다. 그러나 상기한 설명으로부터 얼룩의 특성이 주사되어지는 조직의 음향적, 물리적 구조와 직접적인 관련이 있음이 알려졌다. 따라서 얼룩을 감소시키기 위한 현존의 방법은 조직에 대한 귀중한 정보 역시 감소시킨다.
예를 들면, 전립선의 암종양의 몇몇 영역은 다양한 성장 단계 동안에 매우 특성적인 음향 텍스처를 가지는 것이 발견되었다. 이러한 현상은 1987년 7월에 발행된 '라디오 그래픽스'의 권7, 제4호에 게재된 '진단유도된 생체검사, 잠복성의 암의 색출과 영사에 있어서 직장 투여 초음파의 사용'이라는 제하의 기사에서 어느 정도 학술적으로 논의되었다. 그러나 본 발명 이전의 초음파 화상은 반향 텍스처에 기초한 신뢰성 있는 진단을 하기에는 무리가 있는 화질과 해상력의 것이었다. 더욱이, 반향 텍스처의 정확한 정량화를 위한 어떠한 처리과정도 개발되지 않았다. 그 대신 진단은 순전히 조작자의 경험에 의존하였던 것이다.
얼룩의 분석을 위한 방법과는 별도로, 비디오 화상에 있어서의 노이즈를 감쇄시키기 위한 많은 장치와 방법이 현존하고 있다. 이러한 장치와 방법은 기본적으로 잡음이 일정한 직경을 가지는 화상 요소의 명백한 명·암의 랜덤한 점으로 나타나는 표준 텔레비젼 화상에서의 사용을 위한 것이다.
현존하는 방법과 장치의 대부분은 초음파 화상에서 부딪히게 되는 비정상적인 문제에 특정되지 않는다. 사실은, 이러한 방법들은 종종 초음파 화상을 분석하고 해석하는 데에 중요한 얼룩정보(speckle information)를 줄여버린다.
텔레비젼의 노이즈 감소 시스템은 광범위하게는 2가지의 형태로 분류된다. 시스템의 하나의 형태는 텔레비젼 노이즈가 일반적으로 랜덤하고 더욱이 화상에서의 어떤 주어진 픽셀에서 아주 짧은시간 동안만 남게 된다는 사실에 의존한다. 이러한 형태의 시스템은 화상에서의 여러가지의 연속적인 화상을 구성하는 일정시간 주기의 각 픽셀의 그레이 스케일 값(컬러 화상의 경우는 크로미넌스도 함께)을 기계의 메모리에 저장한다. 시스템은 그후 각 픽셀의 그레이 스케일 값과 조금전의 화상과 그에 연이은 화상에서의 그 그레이 스케일 값을 비교한다. 픽셀이 노이즈를 전달하는 경우에는 이 비교는 인접한 화상 사이에서의 당해 픽셀의 그레이 스케일 값이 갑자기 변화되는 형태를 보여주게 된다. 만일 이 비교가 소정의 양을 초과하는 변화를 보여주게 되면, 시스템은 인접한 화상에서의 그레이 스케일 값을 계산하거나 가중치를 부여함에 의하여 비정상적인 픽셀의 그레이 스케일 값을 변경시킬 것이다.
그러한 시도의 예가 카이저 등에게 허여된 미합중국 특허 제4,064,530호, 아나스타시우 등에게 허여된 미합중국 특허 제4,504,864호, 일렉츠코 등에게 허여된 미합중국 특허 제4,539,594호, 슐츠 등에게 허여된 미합중국 특허 제4,485,399호에 설명되어 있다.
이러한 시스템이 가지는 하나의 문제점은 이들이 적어도 몇 프레임의 주기동안 안정되게 남아 있는 화상내용에 의존한다는 것이다. 표준 텔레비젼 비디오는 초당 30프레임을 사용하기 때문에, 화상 내용은 1/10초 또는, 프레임 비교에 사용되는 프레임의 수에 따라서는 더 이상 동안 안정되어야 한다. 예를 들면, 1초의 주기에 걸쳐 밝은 배경에서 스크린의 일측으로부터 타측으로 이동하는 어두운 피사체를 가지는 화상 내용을 고려해 보자.
만일 스크린이 512×512의 표준 픽셀이면 어두운 물체의 윤곽부는 초당 512픽셀의 속도로 이동할 것이다. 만일 시스템이 4개의 프레임을 비교하고 각 프레임은 표준의 1/30초 동안 나타나면, 피사체는,
Figure kpo00001
계산된 4개의 프레임 기준 주기 동안에 많은 픽셀을 이동시키게 될 것이다. 피사체의 경계부는 피사체가 표시되는 동안 그러한 픽셀의 그레이 스케일 값과 함께 배경을 표시하는 동안 그러한 픽셀의 그레이 스케일 값과의 평균을 잘못 구할 수 있기 때문에 그러한 68픽셀에 따라 흐리게 될 것이다. 화상에서의 동작주기 동안에 평균치의 가중치를 변경시키거나 평균화 처리를 연기시킴에 의하여 화상 내에서 움직이는 피사체의 경계부가 흐려지는 것을 방지하고자 하는 시도가 몇가지의 시스템에서 이루어지고 있다.
그러한 시스템의 하나가 에비하라에게 허여된 미합중국 특허 제4,242,705호에 개시되어 있다. 그러나 그러한 접근은 필연적으로 화상이 동작을 보여주는 주기 동안에 노이즈 감소 시스템은 보통의 텔레비젼 노이즈가 어떤 직경의 다수의 픽셀일 뿐이고 인접한 픽셀에 대하여 높은 콘트라스트를 가진다는 사실에 기초한다. 이러한 시스템은 각 픽셀의 그레이 스케일 값과 인접한 픽셀의 그레이 스케일 값을 비교하게 된다. 만일 그차이가 사전에 정해진 양보다 큰 경우에는 시스템은 픽셀의 그레이 스케일 값을 조정함에 의하여 그 차이를 줄이게 된다. 이런 조정을 개시시키는 소정의 양은 화상의 전체 또는 국부적인 휘도, 화상에서의 이동정도, 시청자의 기준등의 요소에 따라서 변한다. 그 예로서, 레미 등에게 허여된 미합중국 특허 제4,361,853호를 참조하라. 이러한 평활화 시스템은 노이즈 감소, 또는 적어도 고도의 콘트라스트 노이즈를 줄이는 데에는 효과적이지만 몇가지의 결점을 가진다.
중요한 결점은 화상에서의 실질적인 피사체 사이에서의 콘트라스트를 감소시킬 뿐만 아니라 노이즈의 콘트라스트도 감소시켜 노이즈와 피사체 사이를 구분할 수 없게 한다는 것이다. 이것은 화상이 알파베트나 숫자의 문자 또는 대조되는 배경에 대해 제시되는 다른 구분되는 피사체를 포함할때 특히 알아차리기 쉬운 화상에서의 샤프니스의 부족을 야기시킨다. 평탄화 루틴에서의 다른 결점은 전체 화상에 대하여 화상 내용과는 무관하게 잘 구분되지 않게 동작한다는 것이다. 이러한 무차별 작동은 긴 처리시간과 큰 메모리 용량을 요구한다.
(본 발명의 요약)
시각적으로 선명한 화상을 얻기 위한 노력의 하나로써, 현존하는 화상 처리방법은 전형적으로는 화상 얼룩(image speckle)을 감소시키는 것이다.
그렇게 함에 있어서, 반향 텍스처와 다른 조직특성에 관련한 많은 귀중한 정보 또한 억제된다. 본 발명은 화상 얼룩을 분석하고 정량화하며, 해석하는 과정을 포함함에 의하여 반대의 접근을 도모한다. 결과적인 데이터는 조직특성을 예측하기 위하여 반향 텍스처와 관련될 수 있다. 특히, 반향 텍스처는 종양과 같은 병리적인 상태를 예견하기 위하여 사용될 수 있다.
반향 텍스처 분석은 단독으로, 또는 화상 향상의 변형된 형태 또는 조직 샘플과 결합하여 이루어질 수 있다. 본 발명은 노이즈 감소, 평활화, 콘트라스트 향상, 에지의 향상을 위해 조작자가 조정 가능한 처리과정을 가진다. 또한, 화상 요소의 형태가 특정 픽셀의 그레이 스케일 패턴을 찾음에 의하여 추종되는 과정도 기술된다. 소정의 한계치 까지의 형태를 방해하는 노이즈 픽셀은 그에 따라 밝혀지고 수정된다. 처리시간은 소정의 임계치를 넘어서는 픽셀 그레이 스케일 값의 차이에 의하여 결정됨에 따라서 화상 요소의 에지의 기계 메모리 내에 '선작도(line drawing)'을 설정함에 의하여 크게 감소될 수 있다. 형태 추종 처리과정과 같은 다른 처리과정은 스크린 상의 모든 픽셀에서보다 선작도의 픽셀 상에서만 동작할 수 있다.
몇개의 연속된 화상 사이에서의 하나 또는 그 이상의 처리과정의 결과를 비교하기 위한 처리과정이 기술된다. 이 비교는 예를 들면 몇개의 연속적인 화상 사이의 형태 추종 또는 선작도 처리과정의 결과를 비교함에 의하여 단순한 그레이 스케일 값 이상으로 이루어질 수 있다.
본 발명의 전체 처리과정은 제1도에서 다이아 그램으로 도시된다. 자동적인 디지털 처리과정을 통한 비디오 화상의 조작은 초기에 아날로그 비디오 신호를 디지털 데이터로 변환시킬 필요가 있다. 이 처리과정은 당해 기술 분야에서 잘 알려져 있다. 간단하게 각 픽셀에 수직측을 나타내는 i와 수평측을 나타내는 j의 어드레스(i,j)로, 예를 들면 1 내지 256의 그레이 스케일 값을 부여할 필요가 있다. 변환된 결과적인 데이터는 램(RAM)과 같은 기계 메모리에 저장된다.
저장된 변환 데이터는 몇가지 방법의 하나 또는 주사의 환경과 환자의 증상에 따라서 그러한 방법들의 어떤 조합으로 처리될 수 있다. 그러한 방법과 바람직한 조합의 어떤 것들이 후술된다. 반향 텍스처를 정량화시키고 화상의 질을 향상시키기 위한 처리과정의 정확한 형성은 각각의 초음파 장치에 따라서 약간씩 가변할 수 있고 그 파장과 다른 특성에 의존한다. 여기에서는 예로서 '브루엘 앤드 캐어' 모델 1846의 사용을 가정한다. 다른 장치는 알려진 조직 샘플을 사용하여 그 자신의 측정을 요구할 수 있다.
본 발명의 중요한 특성이 내과 의사로 하여금 제2도 내지 8도에 걸쳐서 설명된 화상에서 형태의 반향 텍스처를 정량화하게 할 수 있다. 제3도와 관련하여, 반향 텍스처는 0 내지 500 또는 다른 수치로써 정량화될 수 있으며 0은 광범위한 그레이 스케일 값의 변화를 가지는 거친 반향 텍스처를 나타내며, 500은 액체와 같은 평활한 반향 텍스처를 나타낸다. 첫 번째 단계는 가상적인 예로서 제시된 바와 같은 각 픽셀의 그레이 스케일 값을 가진 제4도의 3×3윈도우와 같은 픽셀의 분명한 윈도우를 검사하는 것이다.
반향 텍스처(T) =(슬로우프) × (Pm-P) × 100
의 공식으로 주어지며 여기에서
T=반향 텍스처
슬로우프-그레이 스케일 값의 픽셀에 대한 경사
Pm=비교를 위한 이론적인 피이크
P=검사된 윈도우를 위한 이론적인 피이크이다.
검사된 윈도우를 위한 이론적인 피이크는 비정상적인 픽셀을 제거한 이후의 윈도우에서의 평균 그레이 스케일 값이다. 만일 주어진 윈도우에서 이 주어진 그레이 스케일 값을 가진 픽셀의 수가, 예를 들면 그 윈도우에서의 전체 픽셀의 수의 3% 이하이면, 그러한 픽셀은 노이즈로 간주된다. 예를 들어, 만일 픽셀 윈도우가 10×10이어서 전체가 100픽셀이면서 단지 2개의 픽셀만이 6의 그레이 스케일 값을 가지면 그 2개의 픽셀은 2가 100의 3% 이하이기 때문에 고려의 대상이 되지 아니한다. 이론적인 피이크(P)는 각 그레이 스케일 값의 산출치의 합과 그 그레이 스케일 값을 가지는 픽셀의 수를 곱하여 비정상적인 픽셀보다 작은 윈도우내의 픽셀의 수로 나눈 것과 동일하다. 결과는 가장 가까운 정수로 반올림된다. 제4도의 윈도우를 예로 들어 이론적인 피이크는,
Figure kpo00002
P=2가 된다.
윈도우를 비교하기 위한 이론적인 피이크는 검사된 윈도우를 가지는 훨씬 큰 픽셀을 사용되는 것을 제외하고는 동일한 방식으로 계산된다. 검사된 윈도의 면적이 적어도 10배의 윈도우의 비교가 대부분의 초음파 화상을 위해서는 유용하다는 것이 발견되었다. 예시의 목적을 위해서 비교 윈도우를 위한 이론적인 피이크가 3이라고 가정한다. 슬로우프는 픽셀수에 대한 그레이 스케일 값 분포를 측정하는 수이다. 이것은 이하의 반복되는 공식에 의하여 주어진다.
Figure kpo00003
여기에서 POP=그레이 스케일 값 i에서의 픽셀 수
i=그레이 스케일 값
N=윈도우 내에서의 중요한 픽셀의 수
P=검사된 윈도우의 이론적인 피이크
슬로우프는 윈도우 내에서의 가장 중요성이 낮은 값에서부터 이론적인 피이크 값을 가지는 값까지 그레이 스케일 값이 가변함에 따라 이 공식을 연속적으로 반복함에 의하여 결정된다. 방정식의 오른쪽의 '슬로우프'는 먼저 반복된 과정에서 결정된 슬로우프이다. 초기 슬로우프는 0이 사용된다. 이론적인 피이크가 도달된 이후에 공식은,
Figure kpo00004
여기에서 POP=그레이 스케일 값 i에서의 픽셀의 수
i=그레이 스케일 값
N=윈도우에서의 픽셀의 수
P=검사된 윈도우의 이론적인 피이크이다.
마지막 그레이 스케일 입력이 이루어지면 공식은 마지막 슬로우프수를 가진다. 제4도와 5도의 예에서, 슬로우프 계산은
Figure kpo00005
이다.
텍스처(H) 는,
T=(슬로우프)×(Pm-P) ×100
T=(0.481)× (3-2)×100=48.1이 된다.
제6도와 7도에 더 작은 범위의 그레이 스케일을 가진 픽셀의 윈도우를 위한 반향 텍스처 수에서의 변화를 보여주는 또 다른 가상적인 예가 도시되어 있다. 이 예에서 가장 근사한 정수로 반올림된 이론적인 피이크(P) 는,
Figure kpo00006
P=2가 된다.
슬로우프의 계산은 이하와 같다.
Figure kpo00007
텍스처(T) 는,
T=(0.722)× (3-2)× (100) =72.2가 된다.
이 예는 먼저 예에서의 48.1에 비교하여 72.2의 반향 텍스처를 보여주고 있다. 이것은 픽셀의 윈도우내의 더 작은 범위의 그레이 스케일 값에 상응하는 이전의 화상보다 더욱 평활한 화상이다.
이러한 예들로써 예시된 방법은 즉시 분명하지는 않은 다른 유용성을 가진다. 이 방법에 의하여 결정된 반향 텍스처는 전체 화상의 명암 변화의 결과로서만 단순히 변하는 것은 아니다. 제8도의 가상적인 예를 고려하라. 이 윈도우 내의 픽셀의 그레이 스케일은 제4도와 5도에서 설명된 제1실시예와 비교하여 그 값에 있어 정확히 10이 높아서 그 만큼 더 밝은 것을 제외하고는 동일하다. 가장 근사한 정수로 반올림된 이론적인 피이크(P)는,
Figure kpo00008
P=12가 된다.
슬로우프의 계산은 이하와 같다.
Figure kpo00009
텍스처(T)는,
T=(0.481)× (13-12)×(100)=48.1이 된다.
P=12의 반향 텍스처는 동일한 그레이 스케일 값을 가지나 10이 낮은 제1실시예에서의 픽셀의 윈도우와 동일한 반향 텍스처이다. 따라서, 이 방법은 화상의 밝기에 관계없이 평활한 반향 텍스처 판독을 하게 한다.
픽셀 윈도우의 반향 텍스처를 결정하는 처리과정은 화상 또는 이 처리과정 하에서 처리되어지는 화상의 선택된 영역에 걸쳐서 반복된다. 그 결과는 수합되어 반향 텍스처의 새로운 화상 포인터로서 전시된다. 바람직하게는 이것은 색조 처리과정과 연관하여 이하에서 더욱 자세히 설명될 반향 텍스처의 다양한 범위에 다른 색을 부여함에 의하여 수행된다.
전술한 방법은 그레이 스케일 범위 그리고 윈도우 내의 반향 텍스처를 정량화하기 위하여 3×3픽셀의 픽셀 윈도우를 사용한다. 시스템은 픽셀 윈도우의 크기를 증가시키거나 감소시키기 위하여 즉시 조정될 수 있다.
하나의 과도하게 매우 큰 윈도우는 그러한 윈도우가 정상적으로는 화상에서의 많은 다른 형태를 지시하는 매우 넓은 범위의 그레이 스케일 값을 가지기 때문에 의미없는 결과를 발생시킨다. 2×2의 다른 극단적인 윈도우는 대표적인 그레이 스케일 범위를 보여주기 위한 그러한 작은 윈도우에 대한 기회는 거의 없기 때문에 해석하기에는 역시 어렵다.
가장 양호한 접근은 화상의 형태, 화상확대, 탐색되는 요소의 형태의 크기에 따라 조작자가 조정할 수 있는 크기의, 이들 극단적인 값 사이의 윈도우이다.
반향 텍스처의 정량화는 하나 또는 그 이상의 화상 화질향상 처리과정과 결합하여 또는 독립적으로 이루어질 수 있다. 그러한 처리과정은 단면의 조직의 고품질의 시각적 검사가 가능하게 하기 때문에 반향 텍스처 진행 과정을 해석하는 데에 도움을 주며 나아가서는 종래 방식에 따른 조직의 검사에도 도움을 준다. 그러한 화상 화질 향상 처리과정은 이하에서 설명된다.
그러한 부가적인 처리과정의 하나는 노이즈 감소 루틴이다. 이 처리과정 하에서 기계는 화상을 좌측에서 우측으로(또는 다른 어떤 연속적인 방향으로) 연속적으로 픽셀의 그레이 스케일 값을 검사하여 현안의 픽셀과 수정할 그레이 스케일 값 사이의 그레이 스케일 값에서의 차이가 소정의 값을 초과할 때까지 먼저의 픽셀에 대응시키기 위한 각 픽셀의 그레이 스케일 값을 변경시킨다. 그리고 기계는 그 픽셀의 그레이 스케일 값을 변경시키지 않는 대신 소정의 양보다 더 큰 그레이 스케일 값을 요구하는 다른 픽셀이 대응될 때까지 그것을 새로운 그레이 스케일 값으로 채택하는 식이다.
이 노이즈 감소 처리과정을 도시하는 간단한 예가 제9도의 픽셀열에 도시되어 있다. 스크린 상에서 가장 좌측의 픽셀은 8개의 그레이 스케일 값을 가진다. 따라서 초기설정 픽셀 그레이 스케일 값은 8이다. 새로운 그레이 스케일 값을 설정하기 위해 필요한 그레이 스케일 값 차이의 소정량을 6이라 가정한다. 기계는 최초 픽셀의 우측에 대하여 즉시 픽셀을 검사하며 5의 그레이 스케일 값을 가짐을 알게 된다. 8-5=3이므로 6이라는 사전에 설정된 제한치보다 적기 때문에 기계는 그 픽셀의 그레이 스케일 값을 5에서 8로 변경시킨다. 기계는 동일하게 다음 픽셀의 그레이 스케일 값을 7에서 8로 바꾸는데 8-7=1은 6보다 적기 때문이다.
다음의 픽셀은 22의 그레이 스케일 값을 가진다. 22-8=14는 6보다 크기 때문에 픽셀은 22로 남게 되고 새로 설정된 그레이 스케일 값은 22이다. 24와 21의 그레이 스케일 값을 가진 다음의 두개의 픽셀은 22와 6이상 차이가 나지 않기 때문에 22로 변경된다. 22와 6 이상의 차이가 나기 때문에 다음 픽셀은 15로 남게되고 마지막의 2개는 15와 6 이상 차이가 나지 않기 때문에 15로 변경된다.
노이즈 감소 처리과정은 점진적인 그레이 스케일 변이의 영역 내에서 현저한 불연속을 설정하는 데에 유효하다. 이 처리과정은 또한 노이즈와 인접한 픽셀 사이의 그레이 스케일 값의 차이가 적으며 아마도 가정된 그레이 스케일 값을 변경시키기 위해 필요한 사전 설정값 보다 적기 때문에 낮은 콘트라스트의 노이즈를 제거하는 데에 효과적이다.
가정된 그레이 스케일 값(전술한 예에서는 6의 값)을 변경시키기 위해 필요한 사전 설정값은 조작자에 의하여 변경될 수 있다. 물론 높은 값은 낮은 콘트라스트 노이즈의 높은 부분을 제거함에 의하여 예외적으로 단순하고도 시각적으로도 호소력이 있는 화상을 만든다. 그러나 높은 값은 또한 낮은 콘트라스트의 세세한 부분(detai1)을 제거하는 경향이 있다. 따라서 이 값은 화상의 특성, 조직, 탐색 이후의 화상요소를 조작자가 고려에 넣음에 의하여 조절될 수 있다.
그 다음의 처리과정은 평활화 처리과정이다. 이 과정은 각 픽셀의 그레이 스케일 값을 그 그레이 스케일 값의 평균과 모든 주위의 픽셀의 그레이 스케일 값 또는 인접한 픽셀에서 가장 빈번히 나타나는 그레이 스케일 값으로 수정한다.
이것은 전체 콘트라스트를 완전히 제거하지 않고도 높은 콘트라스트 픽셀의 그레이 스케일 값을 감소시키는 효과를 가진다. 따라서 화상은 보다 덜 샤프하며 더욱 점진적으로 형상을 변형한다.
이것은 주위의 픽셀과 함께 희석시킴에 의하여 단일의 밝은 픽셀과 같은 적으면서도 높은 콘트라스트의 노이즈를 감소시키는 데에 유용하다. 제10도는 픽셀의 세트 내에서 보여지는 평활화 과정의 예이다. 그레이 스케일 값이 28인 비정상적인 중심픽셀은 주위의 픽셀로서 평균을 구함에 의하여 변경된다. 따라서 그 변경된 값은,
Figure kpo00010
이 된다.
11이라는 새로운 그레이 스케일 값은 주위의 픽셀과 매우 밀접하게 혼합될 것이다.
다른 예로서, 비정상적인 픽셀은 주위의 픽셀에서 가장 빈번하게 나타나는 그레이 스케일 값과 대응하기 위하여 변경될 수 있다. 이 예에서 9가 3번 나타나기 때문에 9가 될 것이다. 이러한 내용에 대한 다른 변경은 당해 기술 분야의 기술자에게 명백할 것이다. 비록 평활화 처리과정이 비정상적인 픽셀을 감소시키는 데에 매우 유용하지만 주위의 픽셀 상의 비정상적인 픽셀에 의하여 효과가 적게 된다. 예를 들면 9의 그레이 스케일 값을 가진 픽셀을 28의 그레이 스케일 값을 가진 비정상적인 픽셀의 우측으로 평활화 하여 그 결과는
Figure kpo00011
이 된다.
10이라는 새로운 값은 단지 원래의 9라는 값으로부터의 단일의 값이며 결과적인 픽셀은 아직도 인정한 픽셀과 긴밀하게 섞여 있다. 만일, 처리과정이 현안의 픽셀을 주위의 픽셀에서 가장 빈번하게 나타나는 그레이 스케일 값에 대응시키기 위하여 변경시킨다면, 역시 주위의 픽셀과 긴밀하게 섞여 있는 7의 그레이 스케일 값으로 될 것이다.
본 발명은 몇가지 다른 처리과정과 함께 에지 차등화 처리과정(Edge differentiation Process)을 사용할 수 있다.
이 과정은 각 픽셀의 그레이 스케일 값과 대각선으로 인접한 픽셀의 그레이 스케일 값을 비교함에 의하여 화상 내에 에지를 설정할 수 있다. 만일 이들 두 픽셀의 그레이 스케일 값 사이의 차이가 소정의 값을 능가하면 픽셀이 콘트라스트 부재의 모서리를 지시한다는 이론 하에서 기계의 메모리에 그 픽셀을 위한 입력이 수행된다. 이 과정이 전체 화면에 적용되면 각 부재의 모서리를 도시하는 '선작도'가 기계의 메모리에 기억된다. 선작도가 원한다면 표시될 수 있지만 이것은 기본적으로는 이하에서 기술될 다른 몇개의 처리과정을 향한 중간 과정이다.
제11도는 밝은 배경에 대한 어두운 픽셀(X를 가진 정사각형으로 표시된)의 원형 부재를 나타내는 픽셀세트를 개략적으로 훨씬 크게 확대한 것이다. 에지 차등화 처리과정은 하측 오른쪽에 인접한 픽셀과 같은 스크린 상의 각 픽셀을 대각으로 인접한 픽셀과 비교함에 따라 어두운 원의 모서리를 위하여 기계 메모리에 선작도를 설정시킬 것이다. 제11도로부터 이 처리과정이 영역 101과 102를 제외한 전체 원을 위해서는 잘 작동하고 있음이 분명하다. 그러한 영역에서 검사되고 있는 하측 오른쪽의 픽셀에 대한 픽셀은 검사되고 있는 픽셀과 그레이 스케일 값은 그러한 픽셀이 진정으로 모서리를 형성하더라도 다르지 않다. 이러한 단축은 부재의 모서리 방향이 비교 픽셀과 검사되는 픽셀 사이의 대각선에 대해 거의 평행할 때마다 발생한다. 그러나 초음파 화상에서의 대부분의 선이 곡선이기 때문에 이것은 단지 짧은 거리에서만 나타난다.
본 발명은 또한 여기에서 설명된 다른 처리과정과 함께 또는 단독으로 콘트라스트 향상과 에지 향상 처리과정(Contrast and Edge Enhancement Proces)을 사용할 수 있다. 콘트라스트 향상 처리과정은 픽셀과 주위 픽셀의 평균치 사이의 그레이 스케일 값의 절대치의 곱에 기초하여 각 픽셀의 그레이 스케일 값을 증가시키거나 감소시킬 수 있다.
예를 들면, 만일 주위의 픽셀의 평균 그레이 스케일 값이 20이고 검사 픽셀이 17의 그레이 스케일 값을 가지면, 주위의 픽셀의 그레이 스케일 값은 이하의 공식에 따라 변경될 것이다.
Pe=P-(Ps-P) ×K
여기에서,
Pe=향상된 그레이 스케일 값
P=원래의 그레이 스케일 값
Ps=주위의 픽셀의 그레이 스케일 값의 평균
K = 승수(multiplier constant)
만일 승수가 이 예에서 1이면,
Pe=17-(20-17) ×(1)
Pe=14
이다.
큰 승수를 선택함에 의하여 콘트라스트는 더욱 향상될 수 있음이 명백하다. 만일 승수가 2이면
Pe=17-(20-17) ×(2)
Pe = 11
이다.
만일 검사된 픽셀의 그레이 스케일 값이 주위의 픽셀의 그레이 스케일 평균값보다 작기보다 오히려 큰 경우에는 그 값의 절대치 곱하기 승수가 원래의 그레이 스케일 값으로부터 빼지 않고 더해진다.
예를 들어, 만일 주위의 픽셀의 그레이 스케일 값이 20이고 검사된 픽셀의 그레이 스케일 값이 23이면
Pe=P+(P-Ps) ×K
Pe=23+(23-20) × (1)
Pe = 26
이다.
콘트라스트 향상의 정도는 검사된 픽셀의 그레이 스케일 값이 주위의 픽셀의 평균보다 적은 경우와 같이 변경된 승수를 사용함에 의하여 변경될 수 있다. 에지 향상 처리과정은 에지 상에 있지 아니한 인접한 픽셀에 대한 그 관계에 기초하여 에지 픽셀을 밝게 하거나 어둡게 할 수 있다. 기계는 먼저 검사된 픽셀이 에지의 일부인가를 결정하기 위하여 그에 대각적으로 인접한 픽셀에 비교하여 각 픽셀을 검사한다. 만일 검사된 픽셀과 대각적으로 인접한 픽셀 사이의 그레이 스케일 값의 차이가 소정값을 능가하면 검사된 픽셀이 에지임을 상정한다. 이 처리과정의 일부는 상술한 에지 차등화 처리과정과 유사하나 에지 차등화 처리과정의 선작도는 이 처리과정에서 검사되는 픽셀의 수를 제한하기 위하여 사용되어질 수 있다. 이 처리과정은 그리고 검사된 픽셀과 대각적으로 인접한 픽셀 사이의 차이에 기초하여 검사된 픽셀을 변경시킨다. 그 차이는 만일 검사된 픽셀이 대각적으로 인접한 픽셀보다 큰 경우에는 검사된 픽셀에 더해지고, 만일 검사된 픽셀이 대각적으로 인접한 픽셀보다 작으면 검사된 픽셀로부터 빼지는 수정상수의 표에서 선택된 소정수가 할당된다. 예를 들어 만일 검사된 픽셀이 20의 그레이 스케일 값을 가지고 대각적으로 인접한 픽셀이 15의 그레이 스케일 값을 가지면 그 차이는 5이다. 5라는 수는 수정상수의 표에 나타나 있고 대응하는 수정수가 원래의 그레이 스케일 값인 20에 더해진다. 만일 그 대신에 대각적으로 인접한 픽셀이 25의 그레이 스케일 값을 가지면 그 차이는 여전히 5이며 수정상수는 동일하다. 그러나 수정상수는 원래의 그레이 스케일 값에 더해지지 않고 오히려 빼지는 바 그 이유는 검사된 픽셀의 그레이 스케일 값이 대각적으로 인접한 픽셀의 그것보다 크지 않고 작기 때문이다.
그레이 스케일 값의 수정상수의 표는 여러가지 방법에 의하여 선택될 수 있다. 그것은 검사된 픽셀과 대각적으로 인접한 픽셀 사이의 그레이 스케일 값 사이의 차이의 직선함수일 수 있고 이것은 에지의 상당히 균일한 향상이라는 결과를 낳는다.
이 대신에 어두운 영역 또는 밝은 영역에서의 에지를 강조할 수 있다. 표는 조건에 따른 경험에 의한 화상분석에 의하여 수정상수의 세트 내에서 변경될 수 있다.
에지 차등화 처리과정의 선작도를 이용하는 처리과정의 하나는 제12도에 도시된 윤곽 추종 루틴이다. 기계는 기계 메모리 내에 선작도에 입력을 야기시키는 픽셀과 그에 대각적으로 인접한 픽셀을 검사한다. 기계는 그리고 8개의 주위의 픽셀을 그들 중의 어느 것이 유사한 패턴의 일부인가를 결정하기 위하여 검사한다. 예를 들면 만일 선작도 내의 입력을 야기시키는 픽셀이 14의 그레이 스케일 값이고 바로 아래쪽 우측의 그레이 스케일 값이 32이면 기계는 14의 그레이 스케일 값을 가진 픽셀과 그러한 픽셀의 바로 아래쪽 우측의 32의 그레이 스케일 값을 가진 픽셀을 위해 인접한 픽셀을 검사한다. 만일 기계가 14와 32패턴을 발견하면 기계는 14픽셀로 옮겨가며 그 주위의 픽셀(이미 검사된 주위 픽셀이 아니고)을 유사한 패턴을 찾아서 검사하는 식이다. 처리과정이 계속됨에 따라서 콘트라스트 부재의 윤곽은 점진적으로 성립된다. 비록 처리과정이 적절한 패턴을 찾아서 검사된 픽셀을 둘러싸는 모든 픽셀을 검사할 수 있지만, 이 처리과정은 본질적으로 어느 픽셀이 탐색을 위한 후보인가를 지시하기 위하여 기계 메모리 내의 선작도를 이용하는 것이 더욱 빠르다.
윤곽 추종 처리과정은 화상에서의 노이즈에 의하여 빈번히 방해를 받아서 윤곽의 주위 픽셀 특성 내에서의 그레이 스케일 값 변경의 패턴을 잘못 전할 수도 있다. 그러한 일이 발생하면 기계는 원하는 패턴의 일부였던 마지막 픽셀을 둘러싸는 픽셀의 어느 것 내의 패턴도 감지할 수 없게 되어 기계는 다음 주위의 픽셀로 탐색을 확장한다. 만일 그러한 픽셀의 어느 것도 소망의 패턴의 일부가 아니면, 기계는 탐색을 2번째의 다음 주위의 픽셀로까지 연장할 수 있다. 만일 기계가 마지막으로 소망의 패턴을 확장된 탐색 내에 두게 되면 그 점에서부터 소망의 패턴을 찾아 탐색을 계속할 것이다. 이 쳐리과정의 수정은 그레이 스케일 패턴에서의 소정의 변경을 허용한다. 14와 32의 패턴의 예에서, 처리과정은 패턴을 14와 32 그레이 스케일 값의 픽셀에서 뿐만 아니라, 예를 들면 13과 33, 15와 33 또는 소정의 제한치 내에서의 유사한 변경의 픽셀 내에서 패턴을 인식할 것이다.
소망의 패턴을 보여주는 픽셀 사이의 선택에서 확장된 탐색의 주기인 픽셀은 노이즈에 의하여 왜곡된다고 생각된다. 따라서 기계는 선의 양단 상에서 명백한 소망의 패턴을 대응시키기 위하여 그 선택의 픽셀을 변경시킨다.
기계가 바로 인접한 어떤 픽셀 내에 소망의 패턴을 위치시키는 것을 실패할 때 발생하는 확장탐색은 이론적으로는 계속 팽창하는 층 내의 픽셀의 어떤 수까지라도 계속될 수 있을 것이나 의료용 초음파에서의 팽창 탐색의 실용적인 제한은 픽셀의 약 3층이다. 그 이상에서는 결과가 유용하지 못하고 과도한 처리시간이 요구된다.
패턴인식 루틴이 특성적인 부재형상을 인식하고 만일 원한다면, 정확한 컴퓨터 발생형상을 컴퓨터 발생형상의 소정의 제한치 내에 있는 화상형상에 대치시키기 위하여 사용될 수 있다. 처리과정은 에지 차등화 처리과정에 의하여 만들어지는 선작도 내의 각각 둘러싼 선을 위한 '1'과 '0'의 비트 흐름패턴을 만드는 것으로 시작된다. 만일 선작도 상의 다음 픽셀의 북쪽측이 그 픽셀과 선작도 상의 먼저의 픽셀 사이의 선인 나침반상에서 0°와 180°사이에 있으면 '1'이 각각의 시간에 들어간다. 만일 선작도 상의 다음 픽셀이 그 나침반상에서 180°와 360°사이에 있으면 '0'이 들어간다. 나침반은 초기에는 북쪽측이 선작도 상의 제1픽셀을 통하여 지시하게 되어 있고 선작도 상에 제2픽셀의 나침반 위치를 설정하기 위하여 화상의 상단 정부에 있게 된다. 처리과정은 이러한 양식으로 각 픽셀을 위해 '1' 또는 '0'이 들어가면서 픽셀에 의하여 선작도 픽셀을 따라서 이동한다. 선작도 부재가 폐쇄되고 기계가 그 원래의 픽셀로 돌아가면 비트 흐름패턴이 그 부재를 위하여 설정되어진다. 기계는 그리고 다음의 폐쇄부재를 위하여 동일하게 작동한다.
기계는 메모리에 특성적인 형상, 예를 들어 통상의 종양형상, 조직형상, 기관형상의 세트를 위한 비트흐름 패턴을 가진다. 그러한 특성적 형상의 비트흐름 패턴과 화상에서 폐쇄된 부재의 비트흐름 패턴을 비교함에 의하여, 기계는 그러한 부재를 명백히 인식할 수 있다. 만일 원한다면 기계는 또한 메모리로부터 화상에서의 실질적인 형상에 대신하여 특성적인 형상으로 치환할 수 있고 시각적인 비교를 위하여 하나 위에 다른 하나를 겹칠 수도 있다. 이 처리과정은 데이터 베이스 특성형상과 실제적인 이미지 부재형상 사이의 부정합(mismatch)의 소정의 정도를 허용할 수 있다. 이것은 비트흐름 패턴이 단지 소정의 임계, 예를 들면 80%와 정합됨에 의하여 이루어진다. 이 처리과정은 또한 데이터 베이스 특성형상을 실제의 화상 부재형상뿐 아니라 실제의 화상 부재형상에서 예를 들면 매 다섯번째의 비트흐름을 감한 것과 비교함에 의하여 크기의 변동을 달성할 수 있다.
이 크기 처리과정은 2개의 비트흐름 패턴 흐름의 작은 것에서 큰 것(예를 들면 10/20)의 비율을 설정함에 의하여 수행되며 여기에서 10은 패턴 내에서의 비트의 더 작은 수이다. 정확한 형상비교가 가능하도록 이것은 더 큰 비트패턴에서 매 다른 비트를 제거한다.
상술한 바와 같이, 서술된 처리과정의 어떠한 조합도 함께 사용될 수 있고 형상비교 처리과정과 연관하여 사용될 수도 있다. 그 처리과정은 현안의 화상으로부터의 정보와 연속적인 화상의 7개 또는 다른 어떤 소정수로부터의 대응하는 정보를 비교한다. 처리과정은 화상을 왜곡시킬 수 있고, 여기에서 기술된 처리과정의 결과를 왜곡시킬 수 있는 노이즈가 랜덤하고 아주 짧은 것이라는 이론 하에서 작동한다. 연속적인 화상의 세트를 비교함에 의하여 그레이 스케일 변경이 실제적으로 신체의 장기에 대응하는지 아니면 단순한 노이즈인지를 예측할 수 있다. 만일 어떤 현상이 수많은 연속적인 화상에서 나타나면 그것은 짧은 시간의 것이 아니며 랜덤하지도 않으므로 아마도 노이즈가 아닐 것이다.
이 기술분야의 현존하는 방법은 화상 비교기법을 이용하였으나 본 발명의 방식과 정도까지는 아니었다. 특히 현존하는 방법은 보통 픽셀 그레이 스케일 변화만을 비교한다. 본 발명은 그 대신에 연속적인 화상 사이의 여기에서 기술된 처리과정의 결과를 비교한다. 연속적인 화상에서 그 값에 기초하여 픽셀을 단순히 변경시키기보다는 본 발명은 예를 들면 연속적인 화상의 선작도에 기초하여 에지 차등화 과정의 선작도와 같은 처리과정의 결과를 변경시킬 것이다. 그러한 변경은 역으로 화상 픽셀 그레이 스케일 값에서의 수정을 요구한다.
화상비교 처리과정은 데이터 전달 요구를 최소화하기 위하여 포인터의 세트를 가진 원형 화상버퍼를 이용한다. 하나의 현안의 화상과 7개의 연속적인 화상을 이용하는 비교 시스템은 각 화상을 위하여 하나의 블록을 나타내는 8개의 블록을 가진다. 예를 들면 현안의 화상은 블록(1)에 그 블록 상에서 표시포인터를 가지며 다른 것들은 각각의 블록 상에 처리과정 포인터를 가지면서 블록(2)에서 블록(7) 내에 있을 것이다. 새로운 화상이 표시를 위하여 준비되면 8개의 화상은 각 하나의 블록을 이동시키지 않을 것이다. 그 대신 표시포인터는 블록(1)으로 이동한다. 블록(1)은 새로운 화상으로 채워지며 이것은 이 예에서 8번째의 연속적인 화상이 될 것이다.
그 가장 간단한 응용에서, 화상비교 처리과정은 각 픽셀의 그레이 스케일 값을 7개의 연속적인 화상의 동일한 픽셀의 그레이 스케일 값과 비교한다. 기계는 그리고 평균화, 과반수, 다반수 이상의 선택 또는 연속적인 화상에서의 픽셀의 그레이 스케일 값을 고려하는 다른 공식에 기초하여 현안의 픽셀의 그레이 스케일 값을 수정할 수 있다.
프레임 비교의 더욱 복잡한 응용은 에지 차등화와 윤곽종동 처리과정의 조합과 다른 기술된 처리과정에서의 사용을 포함한다.
에지 차등화 처리과정은 또한 연속적인 화상비교의 처리과정과 조합하여 사용될 수 있다. 처리되고 있는 주어진 화상의 선작도의 개별부재는 예를 들면 7개의 연속적인 화상의 그것과 비교된다. 처리되고 있는 화상은 그 선작도가 7개의 연속적인 화상의 그것과 더욱 긴밀하게 닮도록 변경될 수 있다. 정확한 변경의 결정은 많은 방법에 의하여 이루어질 수 있다. 예를 들면 처리되고 있는 화상은 그 선작도가 7개의 연속적인 화상의 선작도의 대부분과 대응하도록 또는 그들의 과반수 이상과 대응하도록 변경된다.
선작도 처리로부터 야기되는 프레임 비교 처리과정은 윤곽 추종 처리과정과 조합하여 수행될 수 있다. 그러한 조합 아래에서, 처리되고 있는 화상과 7개의 연속적인 화상 사이의 비교를 위한 기준을 형성하는 선작도는 윤곽 추종 처리과정에 의하여 만들어진 변경을 반영하는 그러한 것이다.
일단, 화상이 처리되면, 결과적인 정보는 소망의 화상을 만들기 위하여 화상에 컬러를 부여하도록 사용될 수 있다. 채색은 반향 텍스처 스케일의 부분을 나타내는 적(赤)에서 청(靑)으로의 색채 스펙트럼을 사용하는 반향 텍스처 형식일 수 있다.
채색은 다양한 영역의 밝기에 대응하는 반사도 형식의 것일 수도 있다. 편리한 채색기법은 청색이 밝은 영역을 나타내고 적색이 어두운 영역을 나타내는 컴퓨터 축향 토모그래피(CAT)의 그것과 유사한 스펙트럼을 사용하는 것임이 발견되었다.

Claims (5)

  1. 검사윈도우 내의 각각의 그레이 스케일 값에 반복식을 적용함에 의해 그레이 스케일 값을 가지는 다수의 화소에 비례하고, 검사윈도우에서 평균 그레이 스케일 값에 역비례하는 검사윈도우의 화소의 그레이 스케일 값 분포를 결정하는 단계 ; 상기 검사윈도우 내의 그레이 스케일 분포에 일치하는 수의 스케일로부터 상기 검사윈도우의 반향 텍스터로서 값을 할당하되, 상기 스케일의 한쪽 에지는 좁은 분포 범위에 일치하고, 상기 스케일의 다른 에지는 넓은 분포 범위에 일치하도록 하는 단계 ; 검사윈도우에서 묘사된 요소의 특성을 예측하기 위하여 상기 수 값을 성분의 변화에 대해 이미 결정된 수 값에 관련시키는 단계로 이루어지는 것을 특징으로 하는 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법.
  2. 제1항에 있어서, 상기 평균 그레이 스케일 값은 윈도우 상에 표시되는 비율 이상의 화소 그레이 스케일 값만을 평균하고, 가장 가까운 정수로 반올림 하므로써 결정된 이론적 피크값인 것을 특징으로 하는 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법.
  3. 제2항에 있어서, 상기 화소 그레이 스케일 값 분포를 측정할 수 있는 상기 단계는 반복식 "슬로우프=슬로우프(i-1)
    Figure kpo00012
    에 따라 i가 이론적인 피크치가 될 때까지 수행되고, i가 이론적인 피크치에 도달한 후에 식 "슬로우프=슬로우프
    Figure kpo00013
    에서 최종 유효 그레이 스케일 값이 될 때까지 수행되는 것을 특징으로 하는 다수의 불연속 화상 화소를 포함하는 신체 조직 초음파 화상 분석 방법.
    여기에서,
    슬로우프=최초의 그레이 스케일 값에 0을 사용한 그레이 스케일 값(i-1)에서의 분포
    POP=그레이 스케일 값에서의 화소의 수
    i=그레이 스케일 값
    N=검사된 윈도우 내에서의 유효 픽셀의 수
    P=검사된 윈도우의 이론적인 피이크
  4. 제3항에 있어서, 반향 텍스처는 식 ''T=슬로우프(Pm-P)K''에 의해 얻어지는 것을 특징으로 하는 다수의 불연속 화상 화소를 포함하는 신체 조직 초음파 화상 분석 방법.
    여기에서,
    T=반향 텍스처
    슬로우프=분포식의 적용후의 분포
    Pm=비교 윈도우에 대한 이론적인 피크
    P=검사윈도우에 대한 이론적인 피크
    K=상수
  5. 제1항 내지 4항중 어느 한 항에 있어서, 상기 검사된 윈도우에서 그레이 스케일 값 분포를 결정하기 전에 화소 그레이 스케일 값에 맞는 아날로그 화소신호를 소정의 그레이 스케일의 디지탈 화소 신호로 변환하는 단계와, 화상에서 복수의 검사된 윈도우에 대하여 반향 텍스처 값을 검사된 윈도우에 할당하기 위하여 설명된 단계를 실행하는 단계와, 분석된 화상에 일치하는 최소의 2차원 화상 상에 할당된 반향 텍스처를 표시하며 다른 반향 텍스처의 영역은 소정의 다른 칼라로 할당하는 단계를 더 포함하는 것을 특징으로 하는 다수의 불연속 화상 화소를 포함하는 신체 조직 초음파 화상 분석 방법.
KR1019890701482A 1987-12-07 1988-12-02 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법 KR970002885B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US7/129,274 1987-12-07
US07/129,274 US5040225A (en) 1987-12-07 1987-12-07 Image analysis method
US07/129,274 1987-12-07
PCT/US1988/004302 WO1989005493A1 (en) 1987-12-07 1988-12-02 Image analysis method

Publications (2)

Publication Number Publication Date
KR900700972A KR900700972A (ko) 1990-08-17
KR970002885B1 true KR970002885B1 (ko) 1997-03-12

Family

ID=22439239

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019890701482A KR970002885B1 (ko) 1987-12-07 1988-12-02 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법

Country Status (4)

Country Link
US (1) US5040225A (ko)
KR (1) KR970002885B1 (ko)
AU (1) AU2818989A (ko)
WO (1) WO1989005493A1 (ko)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341439A (en) * 1989-09-21 1994-08-23 Hsu Shin Yi System for texture-based automatic detection of man-made objects in representations of sensed natural environmental scenes
US5274715A (en) * 1989-09-21 1993-12-28 Hsu Shin Yi Characterizing image texture
US5170792A (en) * 1989-11-27 1992-12-15 Acoustic Imaging Technologies Corporation Adaptive tissue velocity compensation for ultrasonic Doppler imaging
US5161536A (en) * 1991-03-22 1992-11-10 Catheter Technology Ultrasonic position indicating apparatus and methods
JP3109749B2 (ja) * 1991-04-17 2000-11-20 株式会社東芝 超音波映像化装置
US5335298A (en) * 1991-08-19 1994-08-02 The United States Of America As Represented By The Secretary Of The Army Automated extraction of airport runway patterns from radar imagery
FR2684829A1 (fr) * 1991-12-04 1993-06-11 Philips Electronique Lab Methodes de synthese de signaux de texture et de transmission et/ou stockage de tels signaux, ainsi que dispositifs et systemes pour leur mise en óoeuvre.
EP0555674B1 (en) * 1992-02-11 1999-04-21 Eastman Kodak Company Image rendering system and associated method for minimizing contours in a quantized digital color image
US5280344A (en) * 1992-04-30 1994-01-18 International Business Machines Corporation Method and means for adding an extra dimension to sensor processed raster data using color encoding
US5268967A (en) * 1992-06-29 1993-12-07 Eastman Kodak Company Method for automatic foreground and background detection in digital radiographic images
US5797843A (en) * 1992-11-03 1998-08-25 Eastman Kodak Comapny Enhancement of organ wall motion discrimination via use of superimposed organ images
US6118886A (en) * 1993-03-30 2000-09-12 The United States Of America As Represented By The United States Department Of Energy Automatic target recognition apparatus and method
US5598514A (en) * 1993-08-09 1997-01-28 C-Cube Microsystems Structure and method for a multistandard video encoder/decoder
EP0649117A3 (en) * 1993-10-15 1996-01-31 George S Allen Process for the production of medical images.
US5456256A (en) * 1993-11-04 1995-10-10 Ultra-Scan Corporation High resolution ultrasonic imaging apparatus and method
US5426684A (en) * 1993-11-15 1995-06-20 Eastman Kodak Company Technique for finding the histogram region of interest for improved tone scale reproduction of digital radiographic images
US5363850A (en) * 1994-01-26 1994-11-15 Cardiovascular Imaging Systems, Inc. Method for recognition and reduction of blood speckle in blood vessel imaging system
JPH07234943A (ja) * 1994-02-23 1995-09-05 Matsushita Electric Ind Co Ltd 位置認識方法及びその装置
DE19524880C2 (de) * 1994-07-15 2000-09-21 Agilent Technologies Inc Endokardiale Echtzeit-Ultraschallverschiebungsanzeige
US5910909A (en) * 1995-08-28 1999-06-08 C-Cube Microsystems, Inc. Non-linear digital filters for interlaced video signals and method thereof
US5793883A (en) * 1995-09-29 1998-08-11 Siemens Medical Systems, Inc. Method for enhancing ultrasound image
EP0815535B1 (en) * 1995-12-21 2002-10-09 Koninklijke Philips Electronics N.V. Directional adaptive noise reduction
US5839441A (en) * 1996-06-03 1998-11-24 The Trustees Of The University Of Pennsylvania Marking tumors and solid objects in the body with ultrasound
US5669382A (en) * 1996-11-19 1997-09-23 General Electric Company System for measuring myocardium in cardiac images
US5959693A (en) * 1997-05-07 1999-09-28 General Instrument Corporation Pixel adaptive noise reduction filter for digital video
US6095976A (en) * 1997-06-19 2000-08-01 Medinol Ltd. Method for enhancing an image derived from reflected ultrasound signals produced by an ultrasound transmitter and detector inserted in a bodily lumen
US6018590A (en) * 1997-10-07 2000-01-25 Eastman Kodak Company Technique for finding the histogram region of interest based on landmark detection for improved tonescale reproduction of digital radiographic images
US6317510B1 (en) * 1997-12-19 2001-11-13 Fuji Photo Film Co., Ltd. Blackening processing method and apparatus
US6059729A (en) * 1998-10-19 2000-05-09 Stonger; Kelly A. Method and apparatus for edge enhancement in ultrasound imaging
US6275613B1 (en) 1999-06-03 2001-08-14 Medsim Ltd. Method for locating a model in an image
US6718055B1 (en) 2000-12-05 2004-04-06 Koninklijke Philips Electronics, N.V. Temporal and spatial correction for perfusion quantification system
JP4464751B2 (ja) * 2003-08-25 2010-05-19 株式会社エヌ・ティ・ティ・ドコモ 立体画像表示装置及び立体画像表示システム
US7168218B2 (en) * 2004-06-11 2007-01-30 David Stalder Spratlen Mortarless fence block system
WO2008087463A2 (en) * 2006-03-21 2008-07-24 Verity Ia, Llc Method of, and apparatus for, measuring the quality of a surface of a substrate
US20080056548A1 (en) * 2006-09-05 2008-03-06 Pablo Irarrazaval Enhancement of visual perception through dynamic cues
WO2008150840A1 (en) * 2007-05-29 2008-12-11 University Of Iowa Research Foundation Methods and systems for determining optimal features for classifying patterns or objects in images
WO2012078636A1 (en) 2010-12-07 2012-06-14 University Of Iowa Research Foundation Optimal, user-friendly, object background separation
CA2825169A1 (en) 2011-01-20 2012-07-26 University Of Iowa Research Foundation Automated determination of arteriovenous ratio in images of blood vessels
US9138204B2 (en) * 2011-04-29 2015-09-22 Medtronic Navigation, Inc. Method and apparatus for calibrating and re-aligning an ultrasound image plane to a navigation tracker
US8811662B2 (en) 2011-04-29 2014-08-19 Medtronic Navigation, Inc. Method and apparatus for calibrating and re-aligning an ultrasound image plane to a navigation tracker
US9779504B1 (en) 2011-12-14 2017-10-03 Atti International Services Company, Inc. Method and system for identifying anomalies in medical images especially those including one of a pair of symmetric body parts
US9081097B2 (en) 2012-05-01 2015-07-14 Siemens Medical Solutions Usa, Inc. Component frame enhancement for spatial compounding in ultrasound imaging
WO2013165614A1 (en) 2012-05-04 2013-11-07 University Of Iowa Research Foundation Automated assessment of glaucoma loss from optical coherence tomography
KR102002408B1 (ko) 2012-09-12 2019-07-24 삼성전자주식회사 초음파 영상 생성 장치 및 방법
US10360672B2 (en) 2013-03-15 2019-07-23 University Of Iowa Research Foundation Automated separation of binary overlapping trees
US10410355B2 (en) 2014-03-21 2019-09-10 U.S. Department Of Veterans Affairs Methods and systems for image analysis using non-euclidean deformed graphs
US10115194B2 (en) 2015-04-06 2018-10-30 IDx, LLC Systems and methods for feature detection in retinal images
US10430688B2 (en) 2015-05-27 2019-10-01 Siemens Medical Solutions Usa, Inc. Knowledge-based ultrasound image enhancement
CN116721107B (zh) * 2023-08-11 2023-11-03 青岛胶州电缆有限公司 一种电缆生产质量智能监控系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU490105B2 (en) * 1972-06-08 1974-12-05 Commonwealth Of Australia, The 'ultrasonic echogram display' accompanied by a provisional specification
US3856985A (en) * 1973-05-17 1974-12-24 Tokyo Shibaura Electric Co Ultrasonic diagnostic apparatus
US4025946A (en) * 1976-03-22 1977-05-24 Casey Susan D Method and apparatus for generating graphic designs
GB1574823A (en) * 1976-03-27 1980-09-10 Emi Ltd Video display arrangements
US4229797A (en) * 1978-09-06 1980-10-21 National Biomedical Research Foundation Method and system for whole picture image processing
JPS56109649A (en) * 1980-02-05 1981-08-31 Matsushita Electric Ind Co Ltd Ultrasonic diagnosing device
US4574393A (en) * 1983-04-14 1986-03-04 Blackwell George F Gray scale image processor
JPH0644278B2 (ja) * 1984-03-27 1994-06-08 株式会社ニレコ 画像解析による組織自動定量測定方法およびその装置
JPS61238237A (ja) * 1985-04-17 1986-10-23 株式会社東芝 超音波診断装置
US4690150A (en) * 1985-08-20 1987-09-01 North American Philips Corporation Producing pseudocolor images for diagnostic ultrasound imaging

Also Published As

Publication number Publication date
WO1989005493A1 (en) 1989-06-15
AU2818989A (en) 1989-07-05
KR900700972A (ko) 1990-08-17
US5040225A (en) 1991-08-13

Similar Documents

Publication Publication Date Title
KR970002885B1 (ko) 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법
US5224175A (en) Method for analyzing a body tissue ultrasound image
Aysal et al. Rayleigh-maximum-likelihood filtering for speckle reduction of ultrasound images
Yu et al. Ultrasound speckle reduction by a SUSAN-controlled anisotropic diffusion method
DE69822590T2 (de) System zur Flächendarstellung mit volumetrischen Abstandskarten
US5793883A (en) Method for enhancing ultrasound image
US9123139B2 (en) Ultrasonic image processing with directional interpolation in order to increase the resolution of an image
CN106780718A (zh) 一种古生物化石的三维重建方法
AU2004264847B2 (en) Method and apparatus for ultrasonic imaging
JP3431156B2 (ja) 超音波走査のための方法及び装置
Kerut et al. Review of methods for texture analysis of myocardium from echocardiographic images: a means of tissue characterization
Gao et al. Measurement of vessel diameters on retinal images for cardiovascular studies
Sheeba et al. Analysis of Noise Removal Techniques on Retinal Optical Coherence Tomography Images
US20060100527A1 (en) Speckle noise removal in optical coherence tomography
EP0493909A2 (en) Image processing system for producing an attenuation map of a scanned image
Resham et al. Noise reduction, enhancement and classification for sonar images
Outtas et al. Subjective and objective evaluations of feature selected multi output filter for speckle reduction on ultrasound images
Eramian et al. Enhancing ultrasound texture differences for developing an in vivo ‘virtual histology’approach to bovine ovarian imaging
Chughtai et al. An edge preserving locally adaptive anti-aliasing zooming algorithm with diffused interpolation
Tsubai et al. Control of variable structure elements in adaptive mathematical morphology for boundary enhancement of ultrasound images
Yang et al. An adaptive edge enhancement method based on histogram matching for ultrasound images
Pronin et al. Computer analysis of monochromatic drawings by mentally healthy people and patients with schizophrenia
TSUBAI et al. Edge enhancement of ultrasonic images by morphological operations based on locally variable structuring elements
Pop et al. 3-D directional diffusion
Horgan et al. Biological image processing and enhancement

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
J2X1 Appeal (before the patent court)

Free format text: APPEAL AGAINST DECISION TO DECLINE REFUSAL

G160 Decision to publish patent application
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee