Bildbehandling Medicinsk Informatik IT VT2002 Medicinsk bildbehandling Mål Extraktion av relevant information ur medicinska bilder för diagnostisk tolkning, terapiplanering, dokumentation och patientinformation Sabine Koch Digital bildbehandling Bildtagningsmetoder Datainsamling Bildtagning Röntgen Histogrammodifikation geom. Korrektur Filtrering Bildbearbetning Ultraljud (Sonografi) Datortomografi (CT) Segmentering Selektion Klassifikation Bildanalys Magnetresonanstomografi (MR) Gammakamera, SPECT, PET Endoskopi Inst. för informations- Presentation Beskrivning Bildförståelse Inst. för informations- vetenskap vetenskap Medicinska bilder Digitala tandröntgensystem Intraoral Röntgenbild (CCD/PSP) Orthopantomogramm (CCD/PSP) Fjärröntgenbild (CCD/PSP) Röntgenbild (skelett) Röntgenbild (lunga) Mikroskopibild av celler Datortomografibild MR-bild PET-bild http://www.cb.uu.se/~stina/bildslu/kurs.html
Jämförelse CCD och PSP Fördelar Intraoral CCD PSP Sensor- Auflösung Speicherbedarf Aufnahmedauer Dosisreduktion /Foliengrösse 20x30 mm bis -3 lp/mm 560 kb bis 5,3-4 s 60-95% 30x45 mm; (bis zu 26 lp/mm); MB Dicke: 4-6mm 4 bit 20x30 mm bis 6-9 lp/mm; 480 kb 60s 80% 57x76 mm; 2 bit (bei 6 Folien/Scan) Dicke:,5 mm ingen filmframkallning reducerad strålningsdos digital bildarkiv och kommunikation digital bildbehandling OPG CCD 300x40 mm 6 lp/mm 4,5-8MB 2,5-8s 30% PSP 300x50 mm 4 lp/mm 4 MB 50-300s Ceph CCD 230x80 mm, 290x230 mm 5 lp/mm 5-2 MB 5s 20-70% PSP 240x80 mm, 300x200 mm 4 lp/mm 0MB 200-300s Digitalisering Sampling digital bildmatris (x,y) x enskild matriselement = pixel (picture element) pixel p (x,y) spatial upplösning => Rastrering/sampling amplitudupplösning = Bit depth => Kvantisering y 800 x 600 400 x 300 00 x 75 50 x 37 Kvantisering Bildkarakteristika Medelvärde m p = M Z S x= 0 y= 0 p( x, y), M = Z S 256 gråvärden 64 gråvärden Information om ljusintensitet, men ej om kontrast Standardavvikelse Z S q = ( p( x, y) m ) 2 p p M x= 0 y = 0, M = Z S Information om kontrast 6 gråvärden 4 gråvärden 2
Bildkarakteristika Operatorer Gråvärdefördelning frekvens kum. frekvens 0 gråvärde 255 0 gråvärde 255 Geometriska operatorer Rotation Translation Inversion Punktoperatorer Koordinattransformation Gråvärdetransformation Lokala Operatorer Brusreducering Ökning av bildskärpan Histogram Kumulativ histogram Globala operatorer Fouriertransformation Gråvärdestransformation Gråvärdetransformation Ljusintensitetsändring ' p ( x, y) = p ( x, y) + b b<0, ljusintensiteten minskar; b>0, ljusintensiteten ökar Kontraständring ' p ( x, y) = p ( x, y) c c <, kontrasten minskar; c >, kontrasten ökar Histogram normalisering ' p ( x, y) = [ p ( x, y) min ] Histogram linearisering n 2 max min n n p' ( x, y) = 2 ( h ( p( x, y ) h ( 2 ) kum kum Exempel Filters (lokal) p (x,y) = F(p(x,y)) 0 0 0 0 0 0 0 0 0 7 0 0 0 0 7 7 5 0 00 0 0 7 0 0 0 0 0 0 0 0 5 0 0 0 0 0 0 0 0 2 6 0 0 0 2 7 0 0 0 2 5 66 2 2 3 0 0 0 0 0 0 0 0 0 original normaliserad lineariserad Effektivitet beroer på fönsterstorlek antal filtreringar 3
Grannskapet Smoothing, Brusreducering 2 - punkt 4 - punkt Smoothing = Gråvärdesutjämning för att minska kanter, ta bort detalj mm. Brusreducering = Minskning av additiva signaler (okorrelerad med bildinnehållet) 6 - punkt Problem: Bilden blir oskarp! 8 - punkt Exempel: Smoothing, Brusreducering Exempel: Smoothing, Brusreducering Medelvärdesfilter Filtermask: Gausslågpass (isotrop) Filtermask: 2 2 4 2 2 - enkel smoothingfilter - arithmetisk medelvärdesbildning -> hög smoothingeffekt - Filterkoeffizienter motsvarar en gaussfunktion mot 0 -> Smoothingeffekt mindre än hos medelvärdesfilter Exempel: Smoothing, Brusreducering Ökning av bildskärpan viktad medelvärdesfilter (icke linear) Filtermask: g g 2 g 3 g 4 g 5 g 6 g 7 g 8 g 9 ju högre gråvärdesgradienten, desto högre g Ökning av bildskärpan = Framhävning av högfrekventa bildregioner, t.ex. detaljer, kanter, fina texturer - Viktning av filterkoeffizienter beroende på differens mellan granngråvärder -> mindre detaljförlust och oskärpa i kanter Problem: Brusökning! 4
Exempel: Ökning av bildskärpan Rangordningsoperatorer Unsharp Masking Resultat = Faktor * (Original - lågpassf. Original) + Offs Faktor (..0) förstärkar differensbildens kontrast Offs ökar gråvärden lineärt Exempel: Medianfilter Erosion Dilatation Medianfilter Erosion och Dilatation Sortering av gråvärden inom fönstret = Rangordning Resultat = Median (rangordning) Erosion = Objektförtunning Sortering av gråvärden inom fönstret = Rangordning Resultat = Minimum (rangordning) Verkningssätt: Smoothingfilter, låg påverkan på kanter Dilatation = Objektförtjockning Sortering av gråvärden inom fönstret = Rangordning Resultat = Maximum (rangordning) Segmentering Punktorienterade metoder Uppdelning av bilden I enskilda objekt eller regioner Objekttillhörighet beroende på pixels gråvärde Segmenteringsmetoder - punktorienterad - regionorienterad - kantorienterad Exempel: Fördel: global thresholding lokal thresholding Äquidensitenbild Fungerar i realtid Nackdel: Användning av gråvärdet som enda segmenteringskriteriet 5
Regionorienterade metoder Kantorienterade metoder Uppdelning av bilden i sammanhängande regioner som tilldelas olika objekt Detektion av objektgränser (slutna linjesegment) Exempel: Klassifikation av egenskaper (tuplar) Thresholding efter transformation Region growing Region splitting Exempel: - Kantoperatorer i samband med morfologiska operatorer - contour tracing - aktiva konturer ( snakes ) Fördel: Igenkänning av sammanhängande regioner Fördel: Relativ hög präzision Nackdel: Definition av objektgränser kan vara oexakt Nackdel: Undersegmentering av relevanta objektgränser Översegmentering inom objektet Digital imaging Problem insufficient diagnostic image quality in the general dental practice Solution automatic image improvement controlled diagnosis-oriented Why controlled? Why diagnosis-oriented? 6
Aims identification of structures of interest and elimination of disturbing factors quality assessment of structures of interest diagnosis-oriented enhancement of regions of interest Segmentation Type of Structures of interest Disturbing factors Caries Periapical Periodontal Crown Apex / Bone Periapical lesion Boneline Soft tissue Metallic filling Background Root filling Periapical lesion Background Metallic filling Segmentation Results Quality Assessment Caries Periapical Caries Periapical Periodontal Periodontal Lower Limit Optimum Upper Limit Parameters for quality measurement Diagnosis specific quality clusters Caries Periodontal Periapical Brightness Average gray scale distribution 0.8 0.6 B 0.4 0.2 0 0 0.0 0.02 0.03 0.04 0.05 KN 0.8 0.6 B 0.4 0.2 0 0 0.0 0.02 0.03 0.04 0.05 KN 0.8 0.6 B 0.4 0.2 0 0 0.0 0.02 0.03 0.04 0.05 KN Contrast Noise / Unsharpness 7
Litteratur van Bemmel: Handbook of medical informatics, Springer, kap. 0 och 26 Gonzalez, Woods: Digital image processing, Addison-Wesley Russ: The image processing handbook, IEEE Press Sonka, Hlavac, Boyle: Image processing, analysis and machine vision, Chapman&Hall 8