WO2012129724A1 - 基于图像内容的自动亮度检测方法与装置 - Google Patents

基于图像内容的自动亮度检测方法与装置 Download PDF

Info

Publication number
WO2012129724A1
WO2012129724A1 PCT/CN2011/000541 CN2011000541W WO2012129724A1 WO 2012129724 A1 WO2012129724 A1 WO 2012129724A1 CN 2011000541 W CN2011000541 W CN 2011000541W WO 2012129724 A1 WO2012129724 A1 WO 2012129724A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
pixel
candidate
interest
value
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.)
Ceased
Application number
PCT/CN2011/000541
Other languages
English (en)
French (fr)
Inventor
罗梅茵⋅A
未未克⋅W
宣晓
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Priority to JP2014501386A priority Critical patent/JP6014651B2/ja
Priority to US14/007,976 priority patent/US9330333B2/en
Priority to DE112011105116.6T priority patent/DE112011105116T5/de
Priority to KR1020137025661A priority patent/KR101760548B1/ko
Priority to CN201180069946.8A priority patent/CN103460254B/zh
Priority to PCT/CN2011/000541 priority patent/WO2012129724A1/zh
Publication of WO2012129724A1 publication Critical patent/WO2012129724A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4233—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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 OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Definitions

  • the present invention relates to an imaging technique, and more particularly to a method and apparatus for automatic image brightness detection. Background technique
  • Automatic brightness detection is necessary for imaging detection, especially real-time X-ray fluoroscopy.
  • Automatic brightness detection involves detecting a given frame brightness in a small area of interest (R0I), which is used to provide the system with Feedback to automatically adjust imaging parameters (eg kV, mA ⁇ ).
  • imaging parameters eg kV, mA ⁇ .
  • Existing automatic brightness detection methods rely primarily on manual selection of a fixed R0I, or simply moving R0I to a low gray level (thick anatomical tissue structure) region. This method gives a signal that is too low or too high in clinical practice because the area of interest is not constant for the physician and is not always in the thickest anatomy.
  • An object of the present invention is to overcome the deficiencies of the prior art and to provide an image based ROI detection method for better expressing the focus of a clinician in an actual imaging scene by detecting and tracking contrast agents in the image.
  • the technical solution adopted by the present invention is as follows.
  • an image automatic brightness detection method comprising: a determining step of determining candidate region of interest in an image; and an extracting step of extracting features from each candidate region of interest And a selecting step of selecting a best candidate region of interest according to a weighted score of each candidate region of interest; and a feedback step for calculating a luminance value of the selected candidate candidate region of interest for use as luminance feedback.
  • determining the candidate region of interest comprises calculating a size of the candidate region of interest and an overlap in the respective directions.
  • the extracting step extracting features based on pixel gray value statistical characteristics, features based on inter-pixel connections, and/or features based on image transformation are extracted.
  • the extracted features include a negative value of the mean value of the pixels of the maximum value portion, a negative value of the mean value of the pixels of the minimum value portion, and a filtering by applying the edge Extract edge information.
  • the maximum partial pixel is a pre-defined percentage of the front pixel after all the pixel values are arranged from large to small; the minimum partial pixel is a pre-defined percentage of the front pixel of all the pixel values from small to large.
  • the selecting step further comprises: a queuing step of queuing all candidate R0Is from high to low for each feature, and determining the sequence number of each candidate R0I in the queue as the feature of the candidate R0I And a calculating step of multiplying the scores of the features extracted by each of the four selected R0Is by the predetermined weighting coefficients of the features and adding them, and calculating a weighted score of each candidate R0I; wherein the candidate R0I having the smallest weighted score is selected Determined to be the best R0I.
  • the predetermined weighting coefficient is obtained by training for each feature extracted.
  • calculating the brightness value of the selected best candidate region of interest includes calculating an average value or a median value of the pixel; the pixel for calculating the brightness value may include all pixels, preselecting in the R0I Sampling pixels, or a predetermined percentage of pixel intensity.
  • an image automatic brightness detecting apparatus including: a determining module, configured to determine a candidate region of interest in an image; and an extracting module, configured to extract a feature from each candidate region of interest a selection module for selecting a weighted score for each candidate region of interest, selecting a best candidate region of interest; and a feedback module for calculating a luminance value of the selected candidate candidate region of interest for use as a luminance feedback .
  • the determining module determining the candidate region of interest comprises calculating a size of the candidate region of interest and an overlap in the respective directions.
  • the extraction module extracts features based on statistical characteristics of pixel gray values, features based on inter-pixel connections, and/or features based on image transformation.
  • the feature extracted by the extraction module includes a negative value of the mean value of the pixels of the maximum value portion, a negative value of the mean value of the pixels of the minimum value portion, and extraction edge information by the edge-measurement filtering.
  • the maximum partial pixel is a pre-defined percentage of the front pixel after all the pixel values are arranged from large to small; the minimum partial pixel is a pre-defined percentage of the front pixel of all the pixel values from small to large.
  • the selection module further comprises: a queuing module, for each feature, queuing all candidate R0I from high to low, and determining the sequence number of each candidate R0I in the queue as the feature of the candidate R0I And a calculation module that multiplies the scores of the features extracted by each candidate ROI by the feature predetermined weighting coefficients and adds them to calculate a weighted score of each candidate R0I; wherein the candidate R0I with the smallest weighted score is selected as The best R0I.
  • the predetermined weighting coefficient is obtained by training for each feature extracted. According to one embodiment,
  • the feedback module calculates the brightness value of the selected best candidate region of interest, including calculating an average value or a median value of the pixel; the pixel for calculating the brightness value may include all pixels, preselected sampling pixels in the R0I, or pixels The predetermined percentage of strength.
  • an imaging system including a ROI predefined module, a predefined R0I adjustment module, an image automatic brightness detection device, an ROI display selection module, and a ROI real-time adjustment module.
  • the R0I pre-defined module is connected to the predefined R0I adjustment module, and a predefined R0I is input thereto;
  • the predefined R0I adjustment module is connected to the image automatic brightness detecting device, and the image automatic brightness detecting device takes the predefined or adjusted predefined R0I as The initial position;
  • the image automatic brightness detecting device is further connected with the R0I display selection module, and inputs the current R0I to the R0I display selection module for display;
  • the image automatic brightness detecting device is further connected with the R01 real-time adjustment module, which is adjusted according to the R01 real-time adjustment module.
  • the imaging system can be turned on or off to open or close the ROI predefined module to select whether the user inputs a predefined R0I; when the imaging system is working, the predefined R0I adjustment module can be turned on or off, and whether the predefined R0I needs to be adjusted; the imaging system works.
  • the R0I display selection module can be turned on or off to select whether to view the R0I position in real time.
  • the R0I real-time adjustment module can be turned on or off to select whether to manually adjust the R0I position in real time.
  • the image automatic brightness detecting device included in the image forming system is the image automatic brightness detecting device according to the second aspect of the embodiment of the present invention.
  • the image automatic brightness detecting method and apparatus and imaging system according to an embodiment of the present invention can automatically detect a clinician's point of interest and then provide more accurate feedback to the imaging system. With this automatic brightness detection method and apparatus, dose management in the see-through system will become more efficient, which means that a constant image quality can be obtained without wasting any dose.
  • the feedback strength can be configured for each specific application, acquisition setup, etc., thereby further optimizing the dose/IQ performance and efficient use of the system.
  • FIG. 1 is a schematic flow chart of an image automatic brightness detecting method according to an embodiment of the present invention
  • FIG. 2 is a schematic diagram of determining a candidate region of interest R0I in accordance with another embodiment of the present invention.
  • FIG. 3 is a schematic flow chart of selecting a best candidate region of interest R0I according to an embodiment of the present invention
  • FIG. 4 is a schematic diagram of an image automatic brightness detecting apparatus according to an embodiment
  • FIG. 5 is a schematic diagram of an image automatic brightness detecting apparatus according to another embodiment
  • FIG. 6 is a schematic diagram of an image automatic brightness detecting apparatus according to another embodiment.
  • An image analysis method includes, for example, a series of dynamically executed
  • an image automatic brightness detection method mainly includes: a determination step 100, an extraction step 200, a selection step 300, and a feedback step 400.
  • the determining step 100 is for determining the candidate region of interest R0I in the image
  • the extracting step 200 is for extracting features from each candidate region of interest ROI; in the selecting step 300, according to the weighted fraction of each candidate region of interest R0I And selecting a best candidate region of interest; and in a feedback step 400, calculating a brightness value of the selected best candidate region of interest for use as brightness feedback.
  • the first is to determine the candidate R0I.
  • the candidate R0I should be selected to cover the entire field of view as much as possible, such as the entire field of view of X-rays.
  • R0I can be any shape, such as rectangle, circle, etc.
  • a square is usually selected.
  • the field of view can also be rectangular, circular or polygonal, and so on.
  • the candidate R0I can be determined by the following method.
  • the candidate ROIs are overlapping squares that evenly cover the area within the field of view (F0V).
  • Visual field vertices can be obtained from system feedback. Usually, using a rectangular field of view, you can assume that the vertex coordinates of the field of view are: (xl, yl), (x2, yl), (x2, y2), (x2, yl), as shown in Figure 2, so the size of the candidate ROI RS is:
  • R0I is rectangular, circular, elliptical, and other shapes
  • a similar method can be used to select the candidate R0I. It is only necessary to calculate the X and Y directions of the RS as different parameters. Just fine.
  • the length of the RS in the X direction represents the side length of the minimum circumscribed rectangle of the ROI in the X direction
  • the length of the RS in the Y direction represents the side length of the minimum circumscribed rectangle of the R0I in the Y direction.
  • a similar method can be used to select the candidate ROI, and the range of motion of the R0I can be limited to the field of view.
  • the image can include four areas: primary radiation, anatomical tissue construction, contrast agents, and external objects.
  • ABD automatic brightness detection
  • the R0I covering the contrast area should be selected; if no contrast agent is used, the R0I covering the anatomy tissue structure should be selected. However, the R0I of the original radiation or external object should be discarded anyway.
  • each RIOI In order to detect the type of region covered by each candidate R0I, several features need to be extracted from each RIOI (step 200), including but not limited to: features based on statistical characteristics of pixel gray values, such as mean, median, etc.; The characteristics of the connection, for example, the edge operator is used to filter the image, and the filtered pixel mean is extracted as a feature; based on the feature of the image transformation, for example, after the wavelet transform, the transformed pixel mean is extracted as a feature. In view of factors such as time complexity and the like, in one embodiment, the following three more effective features are preferably employed:
  • T ⁇ a negative value of the mean of the largest 10% pixel
  • Tmin a negative value of the mean of the smallest 10% pixel
  • Edge Edge information extracted by applying edge detection filtering.
  • the original radiation has a relatively low Tmax value
  • the contrast zone typically has a high value of 73 ⁇ 4/value and ⁇ .
  • the goal of selecting features is to distinguish between R0I with contrast agent and no primary radiation.
  • Tmax which is defined as the negative value of the mean of the minimum 10% pixel. Because the R0I containing the contrast agent usually has a small mean value, the negative value of the mean value will be larger.
  • selecting the best candidate region of interest according to the weighted score of each candidate region of interest R0I further includes: a queuing step 301 and a calculating step 303. The details are as follows.
  • all candidate R0Is are first queued from high to low (step 310), and the sequence number of each candidate R0I in the queue is determined as the score of the feature of the candidate R0I.
  • the sequence number of each candidate R0I in the queue is determined as the score of the feature of the candidate R0I.
  • there are three candidate R0Is namely R0I1, R0I2, and R0I3. If their values are 170, 210, and 150, respectively, the queue for the feature 73 ⁇ 43 ⁇ 4J ⁇
  • the scores of R0I1, R0I2, and R0I3 are 2, 1, and 3, respectively.
  • the larger the eigenvalue the closer the R0I is to the best, so after sorting, the best R01 should have a score of 'j.
  • R0I 3 3 3 2 9 the weighting scheme can also be changed based on the application being performed to illustrate the different clinical concerns of the radiologist.
  • the luminance value of the selected R0I is calculated to best represent the signal level of the point of interest and used as luminance feedback (step 400).
  • the average pixel value of R0I can be used as luminance feedback.
  • Such examples include, but are not limited to, average values of pixels, median values, and the like.
  • the pixels selected to calculate the metric may include all pixels, pre-selected pixels in R0I, a predetermined percentage of pixel intensity, and the like.
  • the method in accordance with an embodiment of the present invention is capable of automatically detecting the clinician's point of interest and then providing more accurate feedback to the fluoroscopy system.
  • dose management in the fluoroscopy system will become more efficient, which means that a constant image quality can be obtained without wasting any dose.
  • the feedback strength can be configured for each specific application, acquisition setup, etc., thereby further optimizing the dose/1Q performance and efficient use of the system.
  • the ABD method based on image content can dynamically and automatically adjust the size and number of ROI according to the field of view, and the existing method generally uses a fixed size and number of R0I;
  • a series of image-based features can be extracted and analyzed, while existing methods do not have R0I feature analysis, the only information they use is the mean of the gray values; the best R0I is selected according to the weighted score without system feedback, and for The change imaging technique is robust, and the previous ABD method did not include this part.
  • the method according to an embodiment of the present invention can avoid the influence of the original radiation, and if there is a shadowing agent, it is also possible to track the contrast area, which was not possible with the previous ABD method.
  • the apparatus 400 mainly includes: a determining module 402, an extracting module 404, a selecting module 406, and a feedback module 408. These modules can be implemented in software, hardware, firmware, or a combination thereof. among them:
  • - determining module 402 is operative to perform step 100;
  • - extraction module 404 is used to perform step 200;
  • the feedback value module 408 is used to perform step 400.
  • Figure 5 is an embodiment of another image automatic brightness detection device 400 that includes a processing unit 513, such as an MCU, DSP or CPU. Processing unit 513 can be a single unit or multiple units to perform the different steps described. Additionally, the apparatus 400 optionally includes an interactive interface 580 and an output unit 590 for inputting image data and outputting feedback information. In addition, the apparatus 400 also includes at least one computer program product 510 in the form of a non-volatile memory, such as an EEPROM, a flash memory or a hard drive.
  • the computer program product 510 includes a computer program 511, and the computer program 511 includes program code that, when executed, causes the device 400 to perform the steps shown in FIG.
  • the program code in the computer program 511 of the device 400 includes: a determining module 511a for performing step 100; a module 511b for performing step 200; and a selecting module 511c for performing step 300;
  • the feedback module 511d is configured to perform step 400.
  • modules 511a-511d are run on processing unit 513, they correspond to modules 402, 404, 406, and 408 shown in FIG.
  • the image automatic brightness detecting device 400 can be realized in various imaging systems, such as an X-ray digital fluoroscopy system, by software, hardware, firmware, or a combination thereof. Such an implementation is readily available to those of ordinary skill in the art and will not be described in detail herein.
  • FIG. 6 is a schematic diagram of an imaging system including a 601 ROI predefined module, a 602 predefined ROI adjustment module, a 603 image automatic brightness detection device, a 604 ROI display selection module, and a 605 ROI real-time adjustment module, in accordance with an embodiment.
  • the 601 ROI predefined module connection 602 pre-defines the ROI adjustment module to which a predefined ROI is entered.
  • 602 Pre-defined ROI adjustment module connection 603 image automatic brightness detection device, 603 image automatic brightness detection device takes a predefined or adjusted predefined ROI as the initial position.
  • 603 The image automatic brightness detection device is also connected with a 604 ROI display selection module, and the current ROI is input to the 604 ROI display selection module for display.
  • the 603 image automatic brightness detection device is also connected with a 605 ROI real-time adjustment module to set its ROI according to the adjusted ROI from the 605 ROI real-time adjustment module.
  • the 601 ROI predefined module can be turned on or off while the imaging system is operating, and whether the predefined ROI is entered by the user.
  • the user can predefine one or more ROIs based on clinical application, user habits, patient size, and the like.
  • the 602 predefined ROI adjustment module can be turned on or off to select whether the predefined ROI needs to be adjusted. Users can view and adjust predefined ROLs at the beginning of the fluoroscopy
  • the image automatic brightness detecting means 603 takes the predefined ROI as the initial position, the first frame selects the optimal ROI position in the predefined ROI neighborhood, and each subsequent frame searches and updates the neighborhood of the selected ROI in the previous frame. Good ROI location.
  • the imaging system can be turned on or off when the 604 ROI display selection module is selected to select whether to view the ROI position in real time.
  • the user can turn the ROI display on or off during the fluoroscopy.
  • the 605 ROI real-time adjustment module can be turned on or off while the imaging system is operating, and whether or not to manually adjust the ROI position in real time.
  • the user can view and manually adjust the ROI position in real time during the fluoroscopy.
  • the automatic image brightness detection method takes the adjusted ROI as the initial position, and each frame searches for and updates the optimal ROI position in the neighborhood of the initial ROI.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

公开了一种图像自动亮度检测方法与装置，其中所述方法包括：确定步骤，用于在图像中确定候选感兴趣区域ROI；提取步骤，用于从每个候选感兴趣区域ROI中提取特征；选择步骤，根据每个候选感兴趣区域ROI的加权分数，选择最佳候选感兴趣区域；以及反馈步骤，用于计算选择的最佳候选感兴趣区域的亮度值，以用作亮度反馈。按照该方法与装置，能够自动检测临床医生的关注点，然后给成像系统提供更精确的反馈，使成像系统中的剂量管理变得更有效率，从而可以获得恒定的图像质量而不浪费任何剂量，进一步优化剂量/IQ性能以及系统的高效使用。

Description

基于图像内容的自动亮度检测方法与装置 技术领域
本发明涉及一种成像技术， 特别是涉及一种图像自动亮度检测的 方法与装置。 背景技术
自动亮度检测（ ABD )对于成像检测， 特别是实时 X射线透视来讲 是必须的， 自动亮度检测包括在小的感兴趣区域（R0I ) 中检测给定 的帧亮度， 其被用于向系统提供反馈以便自动调节成像技术参数 (例 如 kV， mA〜）。 现有的自动亮度检测方法主要依赖于人工选择固定的 R0I ,或者简单地将 R0I移动到低灰度级（厚的解剖体组织构造）区域。 这种方法在临床实践中会给出过低或过高的信号， 因为对于医生来说 感兴趣区域并不是恒定不变的， 也并不总是在最厚的解剖体组织构造 中。
因此， 需要有一种自动亮度检测的方法与装置， 能够自动检测临 床医生的关注点， 然后给成像系统提供更精确的反馈。 发明内容
本发明的目的是为了克服现有技术存在的缺陷， 提供一种基于图 像内容的 R0I检测方法， 通过检测和跟踪图像中的造影剂以更好地表 示实际成像场景中临床医生的关注点。 为了实现这一目的， 本发明所 采取的技术方案如下。
按照本发明实施例的第一方面，提供一种图像自动亮度检测方法， 包括： 确定步骤， 用于在图像中确定候选感兴趣区域； 提取步骤， 用 于从每个候选感兴趣区域中提取特征； 选择步骤， 根据每个候选感兴 趣区域的加权分数， 选择最佳候选感兴趣区域； 以及反馈步骤， 用于 计算选择的最佳候选感兴趣区域的亮度值， 以用作亮度反馈。
确认本 按照一个实施例， 在所述确定步骤中， 确定候选感兴趣区域包括 计算候选感兴趣区域的大小以及在各个方向上的重叠。
按照一个实施例， 在所述提取步骤中， 包括提取基于像素灰度值 统计特性的特征、 基于像素间联系的特征和 /或基于图像变换的特征。 优选的是， 按照一个实施例， 在所述提取步骤中， 提取的特征包括最 大值部分的像素的均值的负值、 最小值部分的像素的均值的负值、 以 及通过施加边 ^:测滤波提取边缘信息。
其中， 最大值部分像素是全部像素值从大到小排列后一预定义百 分数的前部像素； 最小值部分像素是全部像素值从小到大排列后一预 定义百分数的前部像素。
按照一个实施例， 所述选择步骤进一步包括： 排队步骤， 针对每 一个特征， 将所有候选 R0I从高到低排队， 并将每个候选 R0I在该队列 中的序号确定为该候选 R0I的该特征的分数； 以及计算步驟， 将每一 个 4昊选 R0I提取的特征的分数分别乘以该特征预定加权系数并相加， 计算出每一个候选 R0I的加权分数； 其中将加权分数最小的候选 R0I选 定为最佳 R0I。
其中所述预定加权系数针对提取的每个特征通过训练得到。
按照一个实施例， 在所述反馈步骤中， 计算选择的最佳候选感兴 趣区域的亮度值包括计算像素的平均值或中位值； 用于计算亮度值的 像素可包括所有像素、 R0I中预选采样像素、 或者像素强度的预定百 分数。
按照本发明实施例的第二方面，提供一种图像自动亮度检测装置， 包括： 确定模块， 用于在图像中确定候选感兴趣区域； 提取模块， 用 于从每个候选感兴趣区域中提取特征； 选择模块， 用于根椐每个候选 感兴趣区域的加权分数， 选择最佳候选感兴趣区域； 以及反馈模块， 用于计算选择的最佳候选感兴趣区域的亮度值， 以用作亮度反馈。
按照一个实施例， 所述确定模块确定候选感兴趣区域包括计算候 选感兴趣区域的大小以及在各个方向上的重叠。 按照一个实施例， 所述提取模块提取基于像素灰度值统计特性的 特征、 基于像素间联系的特征和 /或基于图像变换的特征。 优选的是， 按照一个实施例， 所述提取模块提取的特征包括最大值部分的像素的 均值的负值、 最小值部分的像素的均值的负值、 以及通 加边 测滤波提取边缘信息。
其中， 最大值部分像素是全部像素值从大到小排列后一预定义百 分数的前部像素； 最小值部分像素是全部像素值从小到大排列后一预 定义百分数的前部像素。
按照一个实施例， 所述选择模块进一步包括： 排队模块， 针对每 一个特征， 将所有候选 R0I从高到低排队， 并将每个候选 R0I在该队列 中的序号确定为该候选 R0I的该特征的分数； 以及计算模块， 将每一 个候选 R0I提取的特征的分数分别乘以该特征预定加权系数并相加， 计算出每一个候选 R0I的加权分数； 其中将加权分数最小的候选 R0I选 定为最佳 R0I。
其中所述预定加权系数针对提取的每个特征通过训练得到。 按照 一个实施例，
按照一个实施例， 所述反馈模块计算选择的最佳候选感兴趣区域 的亮度值包括计算像素的平均值或中位值； 计算亮度值的像素可包括 所有像素、 R0I中预选采样像素、 或者像素强度的预定百分数。
按照本发明实施例的第三方面，提供一种成像系统， 包括 R0I预定 义模块， 预定义 R0I调整模块， 图像自动亮度检测装置， ROI显示选择 模块， 和 R0I实时调整模块。 其中， R0I预定义模块连接预定义 R0I调 整模块， 向其输入预定义的 R0I; 预定义 R0I调整模块连接图像自动亮 度检测装置， 图像自动亮度检测装置将预定义的或经过调整的预定义 R0I作为初始位置； 图像自动亮度检测装置还连接有 R0I显示选择模 块， 将当前 R0I输入给 R0I显示选择模块进行显示； 图像自动亮度检测 装置还连接有 R01实时调整模块， 根据来自 R01实时调整模块的经调整 的 R0I来设置其 R0I。 其中， 成像系统工作时可打开或关闭 ROI预定义模块， 选择是否由 使用者输入预定义 R0I; 成像系统工作时可打开或关闭预定义 R0I调整 模块， 选择是否需调整预定义 R0I ; 成像系统工作时可打开或关闭 R0I 显示选择模块， 选择是否实时查看 R0I位置； 成像系统工作时可打开 或关闭 R0I实时调整模块， 选择是否实时手动调整 R0I位置。
按照一个实施例， 成像系统包括的图像自动亮度检测装置为按照 本发明实施例第二方面的图像自动亮度检测装置。 按照本发明实施例的图像自动亮度检测方法与装置以及成像系 统， 能够自动检测临床医生的关注点， 然后给成像系统提供更精确的 反馈。 使用这种自动亮度检测方法与装置， 透视系统中的剂量管理将 变得更有效率， 这意味着可以获得恒定的图像质量而不浪费任何剂 量。 可以针对每一个具体应用、 采集设置等配置反馈强度， 由此进一 步优化剂量 /IQ性能以及系统的高效使用。
下面将结合附图并通过实施例对本发明进行具体说明， 其中相同 或基本相同的部件采用相同的附图标记指示。 附图说明
图 1是按照本发明一个实施例的图像自动亮度检测方法的示意性 流程图；
图 2是按照本发明另一个实施例的确定候选感兴趣区域 R0I的示 意图；
图 3是按照本发明一个实施例的选择最佳候选感兴趣区域 R0I的 示意性流程图；
图 4是按照一个实施例的图像自动亮度检测装置的示意图； 图 5是按照另一个实施例的图像自动亮度检测装置的示意图； 图 6是按照另一个实施例的图像自动亮度检测装置的示意图。 具体实施方式
按照本发明实施例的图像分析方法， 包括例如一系列动态执行的
X射线透视序列的步骤。 计算涉及到例如 X射线透视序列的每一个帧或 者帧的下采样子集。 如图 1所示， 按照一个实施例的图像自动亮度检 测方法主要包括： 确定步骤 100， 提取步骤 200, 选择步骤 300， 以及 反馈步驟 400。 其中确定步骤 100用于在图像中确定候选感兴趣区域 R0I ; 提取步骤 200用于从每个候选感兴趣区域 R0I中提取特征； 在选 择步骤 300中， 根据每个候选感兴趣区域 R0I的加权分数， 选择最佳候 选感兴趣区域； 以及在反馈步骤 400中， 计算选择的最佳候选感兴趣 区域的亮度值， 以用作亮度反馈。 下面对这些步骤进行具体说明。
首先是确定候选 R0I， 按照一个实施例， 优选的是选择一些尺寸、 形状相同的候选 R0I (步骤 100 )。 假设对被照物体的摆位没有限制， 那么候选 R0I的选择要尽量覆盖到整个视野， 例如 X光的整个视野。 根 据实际需要， R0I可以是任意形状， 例如矩形、 圓形等等， 为了计算 方便， 通常选择正方形。 在实际系统中， 视野也可以是矩形、 圓形或 多边形等等。 如图 2所示， 当在检测区域 D中的视野 F0V为矩形， R0I为 正方形时， 可以通过如下方法确定候选 R0I。 候选 ROI是重叠的方形， 均匀覆盖视野（F0V ) 内的区域。 从系统反馈可以获得视野顶点。 通 常， 使用矩形视野， 于是可以假设视野的顶点坐标为： （xl，yl )， (x2, yl) , (x2, y2) , (x2, yl) , 如图 2所示， 因此候选 ROI的大小 RS为：
RS=min (256, min (x2-xlf y2-yl))
在每个方向上分别计算重叠， 考虑到视野并不总是方形的， 则有：
Overlap-X=min (RS/2, {Nx*RS -、χ2-χί) ) I {Νχ-Ϊ) )； Overlap- Y=min (RS/2, {Ny*RS - iy2-yl) ) I {Ny-1) )； 其中 Nx和 Ny是每个方向上候选 ROI的最大数量， Nx*Ny是候选 R0I的最 大总数。 按照算法的时间要求， Nx和 Ny的大小是可调的。
R0I 为矩形、 圓形、 椭圆形及其他形状时， 均可采用类似的方法 选择候选 R0I ,只需将 RS的 X方向和 Y方向设为不同的参数分别计算 即可。 RS在 X方向的长度代表 ROI的最小外接矩形在 X方向的边长， RS在 Y方向的长度代表 R0I的最小外接矩形在 Y方向的边长。视野为 不同形状时， 也可采用类似方法选择候选 ROI , R0I 的移动范围只要 限制在视野之内即可。
图像可包括四种区域： 原辐射， 解剖体组织构造， 造影剂， 以及 外部物体。 对于自动亮度检测（ABD )算法， 如果使用造影剂， 则应 该选择覆盖造影区的 R0I ; 如果未使用造影剂， 则应该选择覆盖解剖 体组织构造的 R0I。但是，无论如何应该舍弃原辐射或外部物体的 R0I。
为了检测每一个候选 R0I覆盖的区域种类， 需要从每一个 R0I提 取若干特征（步骤 200 ) ， 这些特征包括但不限： 基于像素灰度值统 计特性的特征， 例如均值、 中值等； 基于像素间联系的特征， 例如利 用边缘算子对图像进行滤波， 提取滤波后的像素均值作为特征； 基于 图像变换的特征， 例如小波变换后， 提取变换后像素均值作为特征。 考虑到时间复杂度等因素， 在一个实施例中， 优选地采用以下三种比 较有效的特征：
T瞧: 最大 10 %像素的均值的负值；
Tmin: 最小 10 %像素的均值的负值；
Edge: 通过施加边缘检测滤波提取的边缘信息。
根据透视图像内容设计这些特征， 例如原辐射具有相对低的 Tmax 值， 则造影区通常具有高的7¾/值和^ ^值。 挑选特征的目标是区分 出带有造影剂且不含有原辐射的 R0I。 为了下一步做准备， 约定特征 值越大， 代表 R0I越接近目标。 所以必要时需要在特征值前添加负号， 例如 Tmax， 定义为最小 10%像素的均值的负值， 因为含有造影剂的 R0I 通常像素均值比较小， 所以均值的负值会较大。
如上所述，选择的 R0I将覆盖造影区或解剖体组织构造，但可避开 原辐射和外部物体。 在一个实施例， 根据提取的这些特征， 使用加权 分数的方法来选择最好的 R0I (步骤 300 )。这种方法不需要任何阈值， 仅仅依赖于不同区域间自然的亮度关系， 于是对于变化的成像技术它 是鲁棒的。 如图 3所示， 按照一个实施例， 根据每个候选感兴趣区域 R0I的加权分数， 选择最佳候选感兴趣区域进一步包括： 排队步骤 301 以及计算步骤 303。 详细说明如下。
具体来说， 针对每一个特征， 首先将所有候选 R0I从高到低排队 (步骤 310) , 并将每个候选 R0I在该队列中的序号确定为该候选 R0I 的该特征的分数。 例如， 有三个候选 R0I, 即 R0I1、 R0I2和 R0I3, 如 果它们的 值分别是 170、 210、 150, 则针对特征 7¾¾J^|R0I的队列 是 R0I1 (2)、 R0I2(1)、 ROI3(3) , 于是 R0I1、 R0I2和 R0I3的分数分别 是 2、 1、 3。 如上所述， 特征值越大， R0I越接近最佳， 所以排序之后， 最佳 R01应该有比较' j、的分数。
其次， 计算每一个 R0I的加权分数 /?fe/ ¾ ei Score (步骤 320 ) ：
Weighted SCOTG=[W1, w2, w3]*[Sl, S2, S3]T 对特征 i ( i = 1-3 )设定一个加权系数（用 wi表示） , 这是由于对不 同的区域进行微分时各个特征并不是相等地完成的。 选定特征之后 , 可以训练得到权值， 即加权系数。 在一个实施例中， 如果选定 7¾/Λ和£¾ ^特征， 实验训练得到的权值分别为 [1， 1,1.5] ， 使用该 权值在实验数据集上可以取得比较好的效果。 因此， 在计算中， 可将 Tmax、
Figure imgf000008_0001
数被分别设定为 [1， 1, 1.5]。 Si表示对特 征 i的 R0I的分数。
最后， 将具有最小加权分数的 R0I选作最好的 R0I。 按照一个实施 例中的上述排队和计算过程以及计算结果如下面的表 1所示。
表 1.加权分数计算表
队列 加权分数
S1 S2 S3 1*S1+1*S2+1.5*S3
R0I 1 1 2 1 4.5 (最佳 R0I )
R0I 2 2 1 3 7.5
R0I 3 3 3 2 9 当然， 加权方案也可根据执行的应用改变， 以便说明放射科医师 的不同临床关注点。
经过上述步骤之后， 至少一个覆盖了临床医生关注点的 R0I被选 定。 接下来是计算选定的 R0I的亮度值， 以最好地表示该关注点的信 号电平， 并用作亮度反馈（步骤 400 )。 作为一个例子， R0I的平均像 素值可被用作亮度反馈。 这种例子包括但不限于像素的平均值、 中位 值等等。 选作用于计算度量的像素可包括所有像素、 R0I中预选采样 像素、 像素强度的预定百分数等等。
按照本发明实施例的方法能够自动检测临床医生的关注点， 然后 给透视系统提供更精确的反馈。 使用这种 ABD方法， 透视系统中的剂 量管理将变得更有效率， 这意味着可以获得恒定的图像质量而不浪费 任何剂量。 可以针对每一个具体应用、 采集设置等来配置反馈强度， 由此进一步优化剂量 / 1 Q性能以及系统的高效使用。
与现有的 ABD方法相比， 按照本发明实施例的基于图像内容的 ABD 方法可以按照视野区域动态地和自动地调整 R0I大小和数量， 而现有 的方法通常使用固定的 R0I大小和数量； 可以提取和分析一系列基于 图像的特征， 而现有方法没有 R0I的特征分析， 它们使用的唯一信息 是灰度值的均值； 按照加权的分数选择最好的 R0I而不需要系统反馈， 并且对于变化成像技术是鲁棒的， 而以前的 ABD方法不包括该部分。 另外， 按照本发明实施例的方法能够避免原辐射的影响， 如果存在造 影剂， 还能够跟踪造影区域， 而以前的 ABD方法不能这样做。
图 4是按照一个实施例的图像自动亮度检测装置 400的示意图， 该 装置 400主要包括： 确定模块 402, 提取模块 404， 选择模块 406和反馈 模块 408。 这些模块可以通过软件、 硬件、 固件或者其组合来实现。 其中：
-确定模块 402用于执行步骤 100;
-提取模块 404用于执行步骤 200;
-选择模块 406用于执行步骤 300; 以及 -反馈值模块 408用于执行步骤 400。
图 5是另一种图像自动亮度检测装置 400的实施例， 该装置 400包 括处理单元 513， 例如 MCU、 DSP或 CPU等。 处理单元 513可以是单个单 元或者多个单元， 以执行所述的不同步骤。 另外， 该装置 400还可选 地包括交互界面 580以及输出单元 590， 用于输入图像数据以及输出反 馈信息。 此外， 该装置 400还包括非易失性存储器形式的至少一个计 算机程序产品 510， 例如 EEPR0M、 闪存或者硬盘驱动器等。 该计算机 程序产品 510包括计算机程序 511， 而计算机程序 511包括程序代码， 当其被运行时， 使得该装置 400执行关于图 1所示的步骤。
具体来说， 在装置 400的计算机程序 511中的程序代码包括： 确定 模块 511a，用于执行步骤 100; 提^ ^莫块 511b，用于执行步骤 200; 选择 模块 511c,用于执行步骤 300; 反馈模块 511d,用于执行步骤 400。 换句 话说， 当在处理单元 513上运行不同的模块 511a-511d时， 它们对应于 图 4所示的模块 402、 404、 406和 408。
按照上述实施例的图像自动亮度检测装置 400，可以通过软件、硬 件、 固件或者其组合， 实现在各种成像系统中， 例如 X射线数字透视 系统中。 这种实现对于本领域普通技术人员来说是容易做到的， 在此 不进行详述。
图 6是按照一个实施例的成像系统的示意图， 包括 601 ROI预定义 模块， 602预定义 ROI调整模块， 603 图像自动亮度检测装置， 604 ROI 显示选择模块， 和 605 ROI实时调整模块。 其中， 601 ROI预定义模块 连接 602预定义 ROI调整模块，向其输入预定义的 ROI。 602预定义 ROI 调整模块连接 603 图像自动亮度检测装置， 603 图像自动亮度检测装 置将预定义的或经过调整的预定义 ROI作为初始位置。 603 图像自动 亮度检测装置还连接有 604 ROI显示选择模块， 将当前 ROI输入给 604 ROI显示选择模块进行显示。 603 图像自动亮度检测装置还连接有 605 ROI实时调整模块， 根据来自 605 ROI实时调整模块的经调整的 ROI来 设置其 ROI。 成像系统工作时可打开或关闭 601 ROI预定义模块，选择是否由使 用者输入预定义 ROI。 使用者可根据临床应用， 使用者习惯， 病人体 型等预定义 1个或多个 ROI。
成像系统工作时可打开或关闭 602预定义 ROI调整模块，选择是否 需调整预定义 ROI。 使用者可在透视检查开始时查看并调整预定义的 ROL
图像自动亮度检测装置 603将预定义的 ROI作为初始位置， 第一帧 在预定义 ROI邻域选择最佳 ROI位置， 之后的每一帧在前一帧选定的 ROI的邻域搜索并更新最佳 ROI位置。
成像系统工作时可打开或关闭 604 ROI显示选择模块，选择是否实 时查看 ROI位置。 使用者可在透视检查途中打开或关闭 ROI显示。
成像系统工作时可打开或关闭 605 ROI实时调整模块，选择是否实 时手动调整 ROI位置。 使用者可在透视检查途中实时查看并手动调整 ROI位置。 从调整的下一帧开始， 图像自动亮度检测方法将调整的 ROI 作为初始位置， 每一帧均在该初始 ROI的邻域搜索并更新最佳 ROI位 置。
以上通过具体的实施例对本发明进行了说明， 但本发明并不限于 这些具体的实施例。 本领域技术人员应该明白， 还可以对本发明做各 种修改、 等同替换、 变化等等， 例如将上述实施例中的一个步骤或模 块分为两个或更多个步骤或模块来实现， 或者相反， 将上述实施例中 的两个或更多个步骤或模块的功能放在一个步骤或模块中来实现。 但 是， 这些变换只要未背离本发明的精神， 都应在本发明的保护范围之 内。另外，本申请说明书和权利要求书所使用的一些术语并不是限制， 仅仅是为了便于描述。 此外， 以上多处所述的 "一个实施例" 、 "另 一个实施例" 等等表示不同的实施例， 当然也可以将其全部或部分结 合在一个实施例中。

Claims

权 利 要 求 书
1.一种图像自动亮度检测方法， 其特征在于， 包括：
确定步骤， 用于在图像中确定候选感兴趣区域 R0I;
提取步骤， 用于从每个候选感兴趣区域 R0I中提取特征； 选择步骤，根据每个候选感兴趣区域 R0I的加权分数，选择最佳候 选感兴趣区域； 以及
反馈步骤， 用于计算选择的最佳候选感兴趣区域的亮度值， 以用 作亮度反馈。
2.如权利要求 1所述的图像的自动亮度检测方法，其特征在于： 在 所述确定步骤中， 确定候选感兴趣区域包括计算候选感兴趣区域的大 小以及在各个方向上的重叠。
3.如权利要求 1所述的图像自动亮度检测方法， 其特征在于： 在所 述提取步骤中， 包括提取基于像素灰度值统计特性的特征、 基于像素 间联系的特征和 /或基于图像变换的特征。
4.如权利要求 1所述的图像自动亮度检测方法，其特征在于： 在所 述提取步骤中， 提取的特征包括最大值部分的像素的均值的负值、 最 小值部分的像素的均值的负值、 以及通过施加边缘检测滤波提取边缘 信息。
5.如权利要求 4所述的图像自动亮度检测方法，其特征在于： 最大 值部分像素是全部像素值从大到小排列后一预定义百分数的前部像 素； 最小值部分像素是全部像素值从小到大排列后一预定义百分数的 前部像素。
6.如权利要求 1所述的图像自动亮度检测方法， 其特征在于，其中 所述选择步骤进一步包括：
排队步骤， 针对每一个特征， 将所有候选 R0I从高到低排队， 并将 每个候选 R0I在该队列中的序号确定为该候选 R0I的该特征的分数； 以 及
计算步骤，将每一个候选 R01提取的特征的分数分别乘以该特征预 定加权系数并相加， 计算出每一个候选 R01的加权分数；
其中将加权分数最小的候选 R0I选定为最佳 R0I。
7.如权利要求 6所述的图像自动亮度检测方法，其特征在于： 所述 预定加权系数针对提取的每个特征通过训练得到。
8.如权利要求 1所述的图像自动亮度检测方法，其特征在于： 在所 述反馈步骤中， 计算选择的最佳候选感兴趣区域的亮度值包括计算像 素的平均值或中位值； 用于计算亮度值的像素可包括所有像素、 R0I 中预选采样像素、 或者像素强度的预定百分数。
9.一种图像自动亮度检测装置， 其特征在于， 包括：
确定模块， 用于在图像中确定候选感兴趣区域；
提 ^莫块， 用于从每个候选感兴趣区域中提取特征；
选择模块， 用于根据每个候选感兴趣区域的加权分数， 选择最佳 候选感兴趣区域； 以及
反馈模块， 用于计算选择的最佳候选感兴趣区域的亮度值， 以用 作亮度反馈。
10.如权利要求 9所述的图像自动亮度检测装置， 其特征在于： 所 述确定模块确定候选感兴趣区域包括计算候选感兴趣区域的大小以 及在各个方向上的重叠。
11.如权利要求 9所述的图像自动亮度检测装置， 其特征在于： 所 述提取模块提取基于像素灰度值统计特性的特征、 基于像素间联系的 特征和 /或基于图像变换的特征。
12.如权利要求 9所述的图像自动亮度检测装置， 其特征在于： 所 述提取模块提取最大值部分的像素的均值的负值、 最小值部分的像素 的均值的负值、 以及通过施加边 ^τ测滤波提取边缘信息。
13.如权利要求 12所述的图像自动亮度检测装置，其特征在于： 最 大值部分像素是全部像素值从大到小排列后一预定义百分数的前部 像素； 最小值部分像素是全部像素值从小到大排列后一预定义百分数 的前部像素。
14.如权利要求 9所述的图像自动亮度检测装置， 其特征在于， 其 中所述选择模块进一步包括：
排队模块， 针对每一个特征， 将所有候选 R0I从高到低排队， 并将 每个候选 R0I在该队列中的序号确定为该候选 R0I的该特征的分数； 以 及
计算模块，将每一个候选 R0I提取的特征的分数分别乘以该特征预 定加权系数并相加， 计算出每一个候选 R01的加权分数；
其中将加权分数最小的候选 R0I选定为最佳 R0I。
15.如权利要求 14所述的图像自动亮度检测装置，其特征在于： 所 述预定加权系数针对提取的每个特征通过训练得到。
16.如权利要求 9所述的图像自动亮度检测装置， 其特征在于： 所 述反馈模块计算选择的最佳候选感兴趣区域的亮度值包括计算像素 的平均值或中位值； 计算亮度值的像素可包括所有像素、 R0I中预选 采样像素、 或者像素强度的预定百分数。
17.—种成像系统， 其特征在于： R0I预定义模块， 预定义 R0I调整 模块， 图像自动亮度检测装置， R0I显示选择模块， 和 R0I实时调整模 块； R0I预定义模块连接预定义 R0I调整模块， 向其输入预定义的 R0I; 预定义 R0I调整模块连接图像自动亮度检测装置， 图像自动亮度检测 装置将预定义的或经过调整的预定义 R0I作为初始位置； 图像自动亮 度检测装置还连接有 R0I显示选择模块， 将当前 R0I输入给 R0I显示选 择模块进行显示； 图像自动亮度检测装置还连接有 R0I实时调整模块， 根据来自 R0I实时调整模块的经调整的 R0I来设置其 R0I。
18.根据权利要求 17所述的成像系统，其特征在于： 成像系统工作 时可打开或关闭 R0I预定义模块， 选择是否由使用者输入预定义 R0I; 成像系统工作时可打开或关闭预定义 R0I调整模块， 选择是否需调整 预定义 R0I; 成像系统工作时可打开或关闭 R0I显示选择模块， 选择是 否实时查看 R0I位置； 成像系统工作时可打开或关闭 R0I实时调整模 块， 选择是否实时手动调整 R0I位置。
19.根据权利要求 18所述的成像系统， 其特征在于： 图像自动亮 度检测装置为权利要求 9至 16任一项所述的图像自动亮度检测装置。
PCT/CN2011/000541 2011-03-30 2011-03-30 基于图像内容的自动亮度检测方法与装置 Ceased WO2012129724A1 (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2014501386A JP6014651B2 (ja) 2011-03-30 2011-03-30 画像内容に基づく自動輝度検出方法及び装置
US14/007,976 US9330333B2 (en) 2011-03-30 2011-03-30 Method and apparatus for image content-based automatic brightness detection
DE112011105116.6T DE112011105116T5 (de) 2011-03-30 2011-03-30 Verfahren und Vorrichtung zur bildinhaltsbasierten automatischen Helligkeitserkennung
KR1020137025661A KR101760548B1 (ko) 2011-03-30 2011-03-30 이미지 콘텐츠에 기초하여 휘도를 자동으로 검출하는 방법 및 장치
CN201180069946.8A CN103460254B (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
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

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 (1)

Publication Number Publication Date
WO2012129724A1 true WO2012129724A1 (zh) 2012-10-04

Family

ID=46929282

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/000541 Ceased 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

Country Status (6)

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

Cited By (1)

* 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

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016052289A1 (ja) * 2014-10-03 2016-04-07 株式会社 日立メディコ 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
JP6737337B2 (ja) * 2016-08-03 2020-08-05 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
US11551352B2 (en) * 2020-01-13 2023-01-10 GE Precision Healthcare LLC Systems and methods for x-ray imaging
CN111369588B (zh) * 2020-02-21 2024-08-02 上海联影医疗科技股份有限公司 感兴趣区域处理方法、装置、设备和存储介质
US11810492B2 (en) * 2021-12-15 2023-11-07 Htc Corporation Method for determining ambient light luminance, host, and computer readable storage medium

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105862A (zh) * 2007-08-02 2008-01-16 宁波大学 一种医学图像窗口参数的自适应调整方法
US20080253660A1 (en) * 2007-04-12 2008-10-16 Canon Kabushiki Kaisha Image processing apparatus and method for controlling the same
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
CN101945275A (zh) * 2010-08-18 2011-01-12 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

Family Cites Families (12)

* 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
US20070248268A1 (en) * 2006-04-24 2007-10-25 Wood Douglas O Moment based method for feature indentification in digital images
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
JP4577446B2 (ja) 2009-07-13 2010-11-10 パナソニック電工株式会社 撮像装置
JP2012235948A (ja) * 2011-05-13 2012-12-06 Shimadzu Corp Ｘ線撮影装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20080253660A1 (en) * 2007-04-12 2008-10-16 Canon Kabushiki Kaisha Image processing apparatus and method for controlling the same
CN101105862A (zh) * 2007-08-02 2008-01-16 宁波大学 一种医学图像窗口参数的自适应调整方法
CN101945275A (zh) * 2010-08-18 2011-01-12 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

Cited By (1)

* 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

Also Published As

Publication number Publication date
JP6014651B2 (ja) 2016-10-25
JP2014509538A (ja) 2014-04-21
CN103460254A (zh) 2013-12-18
DE112011105116T5 (de) 2014-01-23
US20140016868A1 (en) 2014-01-16
KR101760548B1 (ko) 2017-07-21
CN103460254B (zh) 2017-03-22
KR20140014204A (ko) 2014-02-05
US9330333B2 (en) 2016-05-03

Similar Documents

Publication Publication Date Title
WO2012129724A1 (zh) 基于图像内容的自动亮度检测方法与装置
JP2022528128A (ja) 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体
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
CN105139377B (zh) 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法
TW201029443A (en) Method and device for generating a depth map
RU2496142C2 (ru) Устройство обработки изображений, система формирования изображений с помощью излучения, способ обработки изображений и носитель хранения, хранящий программу
JP2015103217A5 (zh)
CN104574285A (zh) 一种自动祛除图像黑圆圈的方法
EP2584528A2 (en) Apparatus and method for correcting lesion in image frame
JP6124518B2 (ja) 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
CN106023205A (zh) 基于简化粒子群优化二维最大熵阈值的医学影像分割方法
WO2024031219A1 (zh) 一种图像分割模型的训练方法、图像分割方法及装置
CN113229850A (zh) 超声盆底成像方法和超声成像系统
JP2012027696A (ja) 画像処理装置及び画像処理方法
CN117095815A (zh) 基于磁共振图像和病理全景扫描切片预测带有同源重组缺陷的前列腺癌患者的系统
CN114757873A (zh) 肋骨骨折检测方法、装置、终端设备及可读存储介质
CN102063709B (zh) 一种数码相机构图效果提高方法
CN109758170B (zh) X射线成像设备的曝光参数调节方法和装置
CN102789634B (zh) 一种获取光照均一化图像的方法
CN105354837A (zh) 一种基于人体解剖结构的x光消化道图像清晰度评价方法
CN110021019A (zh) 一种aga临床图像的ai辅助毛发的粗细分布分析方法
CN105512595B (zh) 条码修正方法和装置
WO2016208016A1 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
CN110766631A (zh) 人脸图像的修饰方法、装置、电子设备和计算机可读介质
JP2007141222A5 (zh)

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11862611

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014501386

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20137025661

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14007976

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 1120111051166

Country of ref document: DE

Ref document number: 112011105116

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11862611

Country of ref document: EP

Kind code of ref document: A1