JP2005296605A - 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法 - Google Patents
放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法 Download PDFInfo
- Publication number
- JP2005296605A JP2005296605A JP2004217660A JP2004217660A JP2005296605A JP 2005296605 A JP2005296605 A JP 2005296605A JP 2004217660 A JP2004217660 A JP 2004217660A JP 2004217660 A JP2004217660 A JP 2004217660A JP 2005296605 A JP2005296605 A JP 2005296605A
- Authority
- JP
- Japan
- Prior art keywords
- background
- image
- region
- transition
- foreground
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 210000003484 anatomy Anatomy 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 3
- 230000001172 regenerating effect Effects 0.000 claims abstract description 3
- 230000007704 transition Effects 0.000 claims description 82
- 238000012545 processing Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 9
- 238000012804 iterative process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000002601 radiography Methods 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000009026 tissue transition Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007687 exposure technique Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【課題】試験種別に対する依存性がなく、ディジタル放射線写真画像を解剖学的領域、前景領域及び背景領域へと自動的にセグメント化できる方法を得る。
【解決手段】画素の行列を含むディジタル放射線写真画像を捕捉し(201)、この画像のヒストグラムにおける初期背景残留点を検出し(202)、画像の前景を検出し(203)、領域成長によって画像の背景を再生成し(204)、画像の背景を有効化乃至確証し(205)、画像の背景及び前景領域を診断非関連領域として統合し(206)、画像の解剖学的領域を診断関連領域として抽出する(207)。
【選択図】図2
【解決手段】画素の行列を含むディジタル放射線写真画像を捕捉し(201)、この画像のヒストグラムにおける初期背景残留点を検出し(202)、画像の前景を検出し(203)、領域成長によって画像の背景を再生成し(204)、画像の背景を有効化乃至確証し(205)、画像の背景及び前景領域を診断非関連領域として統合し(206)、画像の解剖学的領域を診断関連領域として抽出する(207)。
【選択図】図2
Description
本発明は、一般にディジタル放射線写真の処理に関する。本発明は、特に、ディジタル放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する処理に関する。
ここに、近年、ディジタル放射線イメージングシステムにおける進歩、例えばフラットパネル型直接ディジタル放射線写真(DR)システム(非特許文献1参照)及びストレージフォスファ型計算放射線写真(CR)システム(非特許文献2参照)によって、画像の捕捉、処理及び表示プロセスそれぞれの分離及び最適化が可能になっている。画像ピクセルデータは、放射線写真上に捕捉された画像情報が最適化されるよう、また微妙な診断上の詳細情報を放射線使用者がよりよく知覚できるよう、画像処理ステップ中に操作される。診断に係る詳細情報の最適化は、放射線写真上における診断関連領域及び診断非関連領域双方の所在及び特性に関する知識によって、左右される。本発明は、ディジタル放射線写真の診断関連領域(解剖学的領域)と診断非関連領域(前景及び背景)とへの自動的なセグメント化を志向している。
図1aに、CRによる足の放射線写真の一例を示す。この図は、同一のストレージフォスファカセット上の相異なる三領域を用い三種類の視角A,B,Cにて、足を露出したものである。この放射線写真における解剖学的領域は足であり、足こそが診断関連領域である。また、この放射線写真中、ストレージフォスファが直接X線に露出されている領域は診断非関連領域であり、以下の記述においては「背景」又は「直接露出領域」とも呼ぶ。X線による露出中は照準器を使用する。それは、解剖学的領域への不要な輻射、即ち診断に関係のない輻射を減らすためであると共に、X線照射領域をカセットの局部に閉じこめるためである。放射線写真内のX線照準外領域は診断非関連領域であり、以下の記述においては「前景」とも称する。
特許文献1に記載されているように、Barski et al.は放射線写真内の直接露出領域を判別する方法を教示している。しかしながら、この方法においては、単一の値、即ち背景残留点(background left point)をしきい値として用いて入力画像をバイナリマップに変換する。この方法はここで企図した目的には適しているけれども、直接露出領域が高強度不均一性を有している場合には別の方法が必要になる。なお、かかる高強度不均一性は、例えば、入射X線の強度分布が不均一であったときや、解剖学的領域を複数方向から相異なる露出レベルで見るという試験要請があったときに、生じうる。図1bにBarski法の使用結果例を示す。この図には、背景の過検出(over-detection)及び検出不足(under-detection)が同時に示されている。この方法において使用されるしきい値はまた試験種別(身体部位や投影手法)によって異なるため、試験種別に関する情報が不足しているとこの方法はうまくたちゆかない。
Pieterは放射線写真内の前景領域を判別する方法を特許文献2("Method of recognizing an irradiation field)において開示している。しかしながら、この方法は単一露出放射線写真しか取り扱うことができず、単一放射線写真内に2個又はそれ以上の個数の輻射フィールドを有する診断関連領域(例えば図1aに示したもの)を完璧にセグメント化するのに用いることはできない。この制限への対策として、Piet et al.は、改善された前景領域検出方法を特許文献3("Method of recognizing one or more irradiation fields")において開示している。しかしながら、Pieter及びPietは何れも背景領域検出方法を教示していない。Wang et al.はBarskiの直接露出検出に基づき画像前景領域を判別する方法を特許文献4("Method for recognizing multiple irradiation fields in digital radiography")において示している。この方法は、しかしながら、背景検出における全ての要請を未だ充足してはいない。
従来技術においては、このような問題点及び制限事項が存在している。従って、試験種別に対する依存性がなく、ディジタル放射線写真画像を解剖学的領域、前景領域及び背景領域へと自動的にセグメント化できる方法が、求められている。
本発明によれば、上掲の問題点を解決でき、上掲の要請を充足することができる。
本発明の特徴的構成によれば、放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法が提供される。当該方法は、画素の行列を含むディジタル放射線写真画像を捕捉するステップと、上記画像のヒストグラムにおける初期背景残留点を検出するステップと、上記画像の前景を検出するステップと、領域成長(region growing)によって上記画像の背景を再生成するステップと、上記画像の背景を有効化乃至確証(validate)するステップと、上記画像の背景及び前景領域を診断非関連領域として統合するステップと、 上記画像の解剖学的領域を診断関連領域として抽出するステップと、を有する。
本発明は、次のような利点を有する:
1.放射線写真の試験種別に依存しない。
2.過検出及び検出不足なしに放射線写真を前景領域、背景領域及び解剖学的領域へと自動的にセグメント化できる。
3.領域成長を用いることにより背景不均一性の如何によらず全画像背景を成功裡に検出できる。
1.放射線写真の試験種別に依存しない。
2.過検出及び検出不足なしに放射線写真を前景領域、背景領域及び解剖学的領域へと自動的にセグメント化できる。
3.領域成長を用いることにより背景不均一性の如何によらず全画像背景を成功裡に検出できる。
以下、図2を参照して本発明の一実施形態に関し説明する。
まず、ステップ201においてはディジタル放射線(医用)画像が捕捉される。画像源は、例えば診断用イメージング装置(MRI,CT,PET,US等)、直接ディジタル乃至計算放射線写真装置、X線写真ディジタイザ、医用画像アーカイブ等である。ディジタル医用画像は画素の行(ライン)及び列によって構成されており、所定ビット数(例えば8ビット或いは12ビット)に亘るグレースケールレンジを有している。ディジタル医用画像は画像プロセッサ例えばディジタルコンピュータにより処理され、ディスプレイ或いはハードコピー出力される。本発明に係る方法は画像プロセッサにおいて実行される。
本発明においては、まず、1997年2月25日発行の米国特許たる特許文献1(発明者:Barsk et al.)に記載されている背景検出アルゴリズムを改良すること、特にそれを試験種別非依存にすることと同時に、捕捉したディジタル放射線画像について有意な初期背景残留点を提供する(ステップ202)ことを、試みている。そして、この初期背景残留点をしきい値として用いて、ディジタル放射線写真画像から初期背景マップを生成する。生成された初期背景マップは、2001年4月3日発行の米国特許たる特許文献4(発明者:Wang et al.)により開示されている前景検出アルゴリズムへの、入力の一つとして用いられる(ステップ203)。その結果として得られるのは、好適に検出された前景領域と、好ましいとは言い切れない(less-than-desirable)背景領域である。引き続いて、いくつかの識別された「シード」から領域成長処理が実行され、全背景マップが再生成される(ステップ204)。この新たな背景が有効化乃至確証された後(ステップ205)、背景領域及び前景領域が互いに統合され(ステップ206)、最後に、画像領域の残りの部分が解剖学的領域であると識別される(ステップ207)。
初期背景検出アルゴリズムの流れを図3に示す。総じて言うならば、この部分のアルゴリズムは画像背景画素の良好な標本を探索し、背景領域・非背景領域への二値化に使用できる有意な値(以下「初期背景残留点」)をその探索の結果から得るためのものである。この初期背景残留点を用いて得られる背景は完全なものではなかろうが、ステップ203における前景検出を実行するには充分なものである。
図3に示す処理は、全ての立ち上がり及び立ち下がりについての遷移各行各列画素の解析から始まる(ステップ301)。これは、背景前景間遷移即ちBF遷移と、背景皮膚ライン間遷移即ちBS遷移とに関し、全ての候補を探し出すための解析である。例えば、図4a中の水平破線400は画素の標本化行を表しており、暗い領域中の画素は高い画素値を有している。この行におけるプロファイルは図4b中に402で示すようなものとなる。プロファイル402においては、楕円404内に示されているように立ち上がり遷移が現れている。図4cは、この立ち上がり遷移404を拡大乃至強調図示したものである。図4cに示されるように、各遷移は、大まかには4通りの計測指標により表すことができる。それは、遷移幅segLen、遷移レンジsegRange、最大遷移勾配maxTransMag、及び遷移高点値high_ptである。これら4通りの計測指標は、画像内の全ての遷移について個別的に計算され記録される。BF遷移及びBS遷移は、傾向として、大きな遷移幅、大きな遷移勾配、大きな遷移規模を有し、それに加えて遷移高点値も大きくなる傾向を有する。そのため、骨組織間遷移、組織組織間遷移等、他種の遷移によって生じる紛らわしい遷移を候補から除外するため、次のような判別式
segLen>threshold_segLen
segRange>threshold_segRange
maxTransMag>threshold_transMag
high_pt>maxPixelValue-Δ
が使用される。この式中、maxPixelValueは画像の最大画素値であり、Δは全てのBF及びBS遷移が含まれる程度に大きく且つ他の遷移がほぼ全て排除されるに充分な程度に小さい所定値である。
segLen>threshold_segLen
segRange>threshold_segRange
maxTransMag>threshold_transMag
high_pt>maxPixelValue-Δ
が使用される。この式中、maxPixelValueは画像の最大画素値であり、Δは全てのBF及びBS遷移が含まれる程度に大きく且つ他の遷移がほぼ全て排除されるに充分な程度に小さい所定値である。
上掲のしきい値threshold_segLen、threshold_segRange及びthreshold_transMagは、通常、試験種別毎に生成する。従って、試験種別情報を利用可能であるときこれらのしきい値を最適化できる。しかしながら、本発明においては試験種別情報に依拠する必要がない。即ち、画像それ自体から一組の特徴事項を抽出し画像背景を適応的に検出する。
この処理ステップにて得られる遷移候補の中には、まだ、BF遷移でもBS遷移でもない何個かの偽物が含まれているであろう。骨組織遷移、組織組織遷移等の不要遷移におけるsegRange値は、検出したい遷移におけるそれに比べて小さいものであるから、segRange分布においては低い側に分布しているであろう。ステップ302においては、このことに基づきsegRangeのヒストグラムを作成し、更にこのヒストグラムから累積ヒストグラムを計算し、そして累積ヒストグラムの50%点等適当な比分点を以て新たなthreshold_segRangeを設定する。この新たなしきい値は、遷移候補を更に絞り込むために使用される。仮にわずかに多く絞り込んだとしても、引き続いて処理に供される遷移候補が充分多くある限りは問題にならない。ここに、相異なる患者或いは相異なる試験種別についての画像は通常は互いに異なるBS遷移特性を有している。そのため、累積ヒストグラムの所定比分点に基づき新たなthreshold_segRangeを設定することによって、自動的に、遷移候補絞り込み処理は画像特性それ自体によって適応化されることになる。即ち、アルゴリズムが試験種別に対して依存しなくなる。
検出されたBF遷移及びBS遷移の候補におけるhigh_ptは、画像における背景画素候補であると考えられる。しかしながら、画像における背景領域は一つの画像ライン(行又は列)全体を取り囲むことがある。そのようなラインについては、上述の遷移検出処理を用いて有意な遷移を検出することはできない。この問題を解決するため、まず、画素値しきい値thresh_column及びthresh_rowを画像の各行及び各列について
thresh_column[i]=第i列中の全BF遷移候補及びBS遷移候補中の最小high_pt
thresh_row[j]=第j行中の全BF遷移候補及びBS遷移候補中の最小high_pt
の如く定義する。
thresh_column[i]=第i列中の全BF遷移候補及びBS遷移候補中の最小high_pt
thresh_row[j]=第j行中の全BF遷移候補及びBS遷移候補中の最小high_pt
の如く定義する。
次に、対応する行及び列双方のしきい値より大きな値を有する画素は、背景画素候補と考えられる。背景画素候補の例を図5aに示す。図中、粗く分布した白いドット500が背景画素候補である。もし、この処理ステップにて充分な個数の背景画素候補が見つからなかった場合、その画像には背景がないものと考えられる。
ステップ303においては、画像背景の全体特性を推定するため、識別された背景画素候補についてのhigh_ptのヒストグラムが作成される。背景画素は全画素中では比較的高い画素値を有していることから、本発明の好適な実施形態においては、画像全体の最大画素値より小さいところにある所定の範囲内にそのhigh_pt値が含まれる背景画素候補のみが、ヒストグラム計算の対象に含められる。図5bに、画像全体ヒストグラムに重ね合わせた背景画素候補ヒストグラムの一例を示す。図5cに、拡大した背景画素候補ヒストグラムを示す。図5cからは、4種類の特徴的指標、即ちpeak、peak_lp、peak_rp及びlast_ptを抽出できる。指標peakはヒストグラムにおけるピークの位置であり、peak_lp及びpeak_rpはそれぞれピーク左点及びピーク右点でありヒストグラムにおける分布度数が所定しきい値を越えた位置として定義され、last_ptはヒストグラムにおける最後の即ち最も高い画素値である。これら4通りの特徴的指標が後に繰り返し処理(ステップ306)において使用されることについて、言及しておく必要があろう。もしlast_ptが画像全体の最大画素値から非常に遠く或いはlast_ptとpeak_rpとの距離が非常に大きいのであれば、背景は存在しないものと考えられる。そうでなければ、結果として得られたpeak_lp値が、背景残留点の第1の推定値として採用される。peak_lpより高い画素値を有する画素は全て背景画素であると考えられ、残り全ての画素は非背景画素であると考えられる。また、真の背景領域は、画像受容体にX線が直接照射された領域として定義されているのであるから、比較的なめらかでなくてはならない。真の背景領域内における画素値は従って画像ヒストグラムの高い側の端にあるべきであり、その分布はわずかなレンジ内に収まる傾向となる。画像ヒストグラムの観察結果はこの判断を支持している(図5b)。即ち、背景画素はヒストグラムの非常に高い側において鋭いピークを形成している。この鋭いピークは本件アルゴリズムによりユニークな特徴的指標major_peakとして検出される(ステップ305)。もし、画像ヒストグラムの高い側の端において鋭いピークが少なくとも1個検出できるのであれば、major_peakは真であり、そうでなければ偽である。指標major_peakは繰り返し処理(ステップ306)において相異なるしきい値の選択のために使用される。
背景画素値は比較的狭いレンジ内に分布しておりその分散も比較的小さい。従って、原画像から勾配を計算すると(ステップ304)、背景領域は比較的小さな勾配値となるはずである(図6a)。勾配値ヒストグラムをプロットすると(図6b)、比較的狭い幅peak_hwのピークがヒストグラム原点から近い位置peak_locに現れるであろう。指標peak_locそれ自体は最も分布度数が高い勾配値を表しており、指標peak_hwは最大度数勾配値についての分散がどれだけ小さいかを表している。これらpeak_loc及びpeak_hwから新たな指標major_bkgrを定義することができる(ステップ305)。major_bkgrは、peak_loc<thresh_peak_loc且つpeak_hw<thresh_peak_hwであるとき真であり、他の場合に偽である。major_bkgrが真であるなら、画像が有意個数の背景画素を有しているものと考え得るから、繰り返し処理(ステップ306)において相異なるしきい値を選択する際にこの指標も使用できる。なお、画像勾配を計算するために使用できるフィルタは、Robert、Sobel、Previtt、等方性フィルタ等、数多くある。本発明の好適な実施形態においては、等方性フィルタによって勾配を計算し勾配値の自乗平方根を採用している。
背景残留点候補は初期的にpeak_lpに設定され、後に繰り返し処理(ステップ306)において微調整される。繰り返し処理という考え方は、試験種別に依存しないセグメント化を実現する上で、本発明における最も特徴的な事項の一つである。この処理ステップにおいては、背景残留点より高い画素値を有する全ての画像領域が画像背景候補と考えられ、領域毎の勾配値に基づき有効化乃至確証される。特に、指標として
を定義できる。この式中、gMag(i,j)はピクセル位置(i,j)における勾配値であり、その総和はその背景候補領域のみについてのものである。BF遷移及びBS遷移は明らかに大きな勾配値を有していることから、背景残留点候補が非常に攻撃的に定義されていれば、即ち背景領域のみでなく前景領域及び解剖学的領域のうち幾分かを含むように定義されていれば、BF遷移及びBS遷移における大きな勾配値によって指標bkgr_varianceが大きくなるであろう。
初期背景残留点peak_lpから開始される繰り返し処理においては、この着眼点に基づき、まずbkgr_varianceが計算され、その結果が所定のしきい値より大きいかどうかがチェックされる。もし大きいという結果であるならば背景残留点の値が所定量だけ加増され、同様の処理が繰り返される。背景残留点の値が増加する毎に、背景画素候補の個数はある程度ずつ減っていき、背景候補領域の大きさは小さくなっていく。繰り返しを停止する条件は、繰り返しの回数と、背景画素候補の個数と、bkgr_varianceの値である。これらの条件は先に述べた2通りの指標major_peak及びmajor_bkgrに依存しており、major_peak及びmajor_bkgrの何れかが真であるときは繰り返しが異なった形で制御される。繰り返しは、充分な個数の背景候補画素が残っていないとき又は非常に多くの回数に亘り繰り返しが行われたときに、停止される。これは、画像背景が存在していないであろうこと或いは(もしbkgr_varianceの条件が満たされているなら)有意な背景残留点が見つかったことを、意味している。背景残留点の個数減少は画素値において固定され、背景画素候補減少量において固定された計算値とされ、或いはそれらの組合せとされる。本発明の好適な実施形態においては組合せに係る方法が使用され、背景残留点を概ね発見するのに充分精密で且つ繰り返し回数を充分小さくできる程度には大きな減少量を、確保している。
最後の処理ステップにおいては、初期背景残留点が認証される(ステップ307)。図7は画像全体ヒストグラムの一例を示す。図中、pValuemin及びpValuemaxはそれぞれ原画像における最小及び最大画素であり、bkgr_lpは繰り返し処理を通じて得られた背景残留点である。本発明の好適な実施形態においては、pValuemin及びpValuemaxは原画像画素値の累積ヒストグラムからある比分値(例えばそれぞれ0.5%及び99.9%)にて計算される。認証ステップの一実施形態においては、ルールベース推論プロセスが使用される。例えば、有効な背景残留点は次の条件を満足しなければならない:(1)bkgr_lpの値が充分に大きい、(2)画像のダイナミックレンジpValuemax-pValueminが充分に大きい、(3)major_bkgr若しくはmajor_peakが真であって背景領域の面積が充分に大きいか逆に何れも偽であって背景領域の面積が充分に小さい。
第1のルールが使用されるのは、放射線写真がある所定条件下で露出され直接露出領域が比較的高い露出に晒されるためである。放射線写真のダイナミックレンジはkVp等の露出技術及び画像化される人体に依存している。解剖学的領域においては幾分のX線減衰が生じるため、(もし画像中に背景領域があるなら)捕捉された放射線写真のダイナミックレンジは有意な広さを有するはずであり、このことが第2のルールに合理性を与えている。第3のルールの根拠は、major_bkgr又はmajor_peakが真であるとき画像の背景領域が広いという傾向を有し、またmajor_bkgr及びmajor_peakが偽であるとき画像の背景領域が狭く或いは全くないという傾向を有することである。最後に、そのhigh_ptが初期背景残留点より高いBF遷移及びBS遷移候補の個数が、BF遷移及びBS遷移候補の全個数と比較され、もしその比率が非常に小さいならば初期背景残留点は無効であると識別される。図8aに検出された背景画素の一例を示す。これは完全なものではないが、後に続く前景検出処理には充分な程に良好である。
前景検出処理が使用されるステップは特許文献4("Mehotd for recognizing multiple irradiation fields in digital radiography", Wang et al.)により開示されている。総じて言うならば、この文献に開示されているアルゴリズムは(1)原画像及び初期背景残留点値を入力し、(2)スマートエッジ検出処理を使用して画像内にある全ての有意な遷移を分類し、(3)Hough変換を実行してコリメーションブレードたり得る全ての線を描写し、(4)画像がいくつかの輻射フィールドを有するならばパーティションブレードペア候補を探索し、(5) 統治(divide-and-conquer)プロセスを用いて画像をそれぞれ輻射フィールドを1個のみ含むサブ画像に仕切り、(6)サブ画像毎に最良のコリメーションを識別する、というものである。図8bに、検出された前景の一例を示す。
ここまでの段階で検出された背景には多くの欠点がある。例えば、背景領域が大きな不均一性を有する場合には図1bに示した過検出及び検出不足が生じる。そこで、続く処理ステップでは、これらの欠点を克服するため、既に判明している前景を有効に使用し領域成長によって背景領域を再生成する。本発明の一実施形態においては、領域成長法によって一組の既知の「シード」から新たな背景領域が再生成される。これらのシードは例えば先に検出した初期背景画素であり、或いは検出された背景遷移領域である。本発明の一実施形態においては、背景成長用の判別条件は、シードと検出された背景領域との同質性に基づいている。仮定として、背景領域内の画素値分布がほぼガウス分布であるとすると、本方法においては、まず検出された背景の平均μBackground及び標準偏差σBackgroundを計算し、次にシードの3×3隣接領域を用いて領域成長を開始させる。統合条件は
|μ-μBackground|/σBackground≦t
と定義される。この式中、定数tは正規分布における信頼インターバルを表している。もしシード領域における平均画素値μが所定の信頼インターバル例えば90%内に入るのであれば、そのシード領域は背景領域に統合され、そうでなければ、解剖学的領域又は前景領域としてマークされる。一旦全てのシードがチェックされると、新たにセグメント化された背景の周りに一組の新たなシードが生成される。シード領域の成長は、背景領域に統合される領域がなくなるまで継続される。
|μ-μBackground|/σBackground≦t
と定義される。この式中、定数tは正規分布における信頼インターバルを表している。もしシード領域における平均画素値μが所定の信頼インターバル例えば90%内に入るのであれば、そのシード領域は背景領域に統合され、そうでなければ、解剖学的領域又は前景領域としてマークされる。一旦全てのシードがチェックされると、新たにセグメント化された背景の周りに一組の新たなシードが生成される。シード領域の成長は、背景領域に統合される領域がなくなるまで継続される。
本発明の他の実施形態においては、検出された背景遷移画素候補であってそのhigh_pt値が初期背景残留点より大きいものが、シードとして採用される。領域成長は局所的な画素値勾配に基づいて行われる。特に、当該勾配は二次元検出処理に基づき計算される。原画像はまず多くの互いに重複した3×3ブロックに仕切られ、更に各ブロックが二次元バイリニア関数
b(xi,yi)=axi+byi+c
に当てはめられる。この式中、xi及びyiは画素座標であり、i及びjは[1,3]の範囲に属し、a、b、cは当てはめパラメタである。最適な当てはめパラメタを得るため、最小自乗誤差
が用いられる。この式中、i(x,y)は(xi,yi)における画素値である。各ブロックの中央画素についての勾配値は
と定義される。
b(xi,yi)=axi+byi+c
に当てはめられる。この式中、xi及びyiは画素座標であり、i及びjは[1,3]の範囲に属し、a、b、cは当てはめパラメタである。最適な当てはめパラメタを得るため、最小自乗誤差
成長処理はまず既知のシードから開始され、もしgradがあるしきい値より小さければその隣へと成長していく。そのようにする理由は、背景領域においてはgradが比較的小さくまたBF遷移及びBS遷移の近傍領域では比較的大きくあるべきである、というものである。成長処理は全ての背景領域を統合し、BF遷移及びBS遷移近傍で停止する。従って解剖学的領域には立ち入らない。
領域成長の一例を図9a〜図9dに示す。図9aにおいては、シード90は原画像の頂部上において除去された前景と重なっている。図9b〜図9cには、背景領域候補92がどのように成長するかに関し、その中間ステップを示している。図9dに示されている最終結果においては、図1bに示したものとは異なり、背景領域の過検出及び検出不足は見られない。
最後に実行される有効化乃至確証ステップにおいては、シードから成長した背景領域がチェックされる。背景が既知であり従って解析から除外できることから、背景画素についてのより正確な試験を行いうる。特に、背景領域が存在しているとき解剖学的領域が最小サイズとなろうから、背景領域と全非前景領域との比率はあるしきい値を越えることがなく、全非背景領域のダイナミックレンジは最小しきい値を越えるはずである。さもなければ、検出された背景領域は無効と見なされる。
画像中の背景領域及び前景領域は何れも診断非関連領域である。従って、原画像中の前景領域及び背景領域を統合しその結果を原画像から排除することにより、診断関連領域即ち解剖学的領域を抽出することができる。図10a及び図10bに、それぞれ、検出された背景領域及び前景領域を示し、また、図10cに、それらを統合したものを示す。これらの図から、前景領域及び背景領域は互いに結合しておらず、それらの間には遷移ギャップが存在することがわかる。クリーンな解剖学的領域を得るためには、これらの遷移ギャップを除去する必要がある。そのため、原画像の各列及び各行が解析される。もし遷移が前景から始まり背景で終わるのであれば、或いは背景から始まり前景で終わるのであれば、その遷移を記録しておく。もし、その遷移内において、背景にも前景にも属していない画素であって遷移最大値の近傍に存在する画素の個数が少数であるならば、その遷移は、前景領域と背景領域とをブリッジするものである。この処理は画像の各行各列について、且つ全ての遷移ギャップが除去されるまで、繰り返し実行される。図10dに、結果として得られる画像の一例を示す。
解剖学的領域は、前景領域と背景領域とを統合したものを原画像から差し引くことによって得られる。検出された解剖学的画像中には、ハードウエアマーカ等の診断非関連の部分が残るかもしれない。ただ、そういったものは寸法にすれば小さいものであり、引き続く画像処理上、特に問題になるものではない。図11に、検出された解剖学的領域の一例を示す。ハードウエアマーカが問題となるようなケースでは、解剖学的領域がより精細となるよう解剖学的領域の画像が更に処理される。例えば、各結合領域がユニークな画素値をとるよう解剖学的領域にラベルが付される。解剖学的領域は一般に互いに結合しておりハードウエアマーカに比べ寸法的に大きいことから、ラベルが付された画像のヒストグラムを計算すると、そのヒストグラム中のピークにより当該ラベルが付された画像中の最大結合領域の画素値が識別され、従って小さな診断非重要結合領域(例えばハードウエアマーカ)を残して当該最大結合領域を抽出することができる。同程度の寸法を有する2個又はそれ以上の個数の結合領域がある場合でも、診断に重要な領域を全て抽出することができる。
400 画像の行、402 標本化された行のプロファイル、404 遷移領域、500 背景画素候補、90 シード、92 背景領域候補、maxTransMag 最大遷移勾配、segLen 遷移幅、segRange 遷移レンジ、high_pt 遷移高点値、maxPixelValue 最大画素値、peak ヒストグラムピーク、peak_lp ピーク左点、peak_rp ピーク右点、last_pt 最高画素値点、peak_hw ピーク幅、peak_loc ピーク位置、pValuemin 原画像最小画素値、pValuemax 原画像最大画素値、bkgr_lp 背景残留点。
Claims (3)
- 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法であって、
画素の行列を含むディジタル放射線写真画像を捕捉するステップと、
上記画像のヒストグラムにおける初期背景残留点を検出するステップと、
上記画像の前景を検出するステップと、
領域成長によって上記画像の背景を再生成するステップと、
上記画像の背景を有効化乃至確証するステップと、
上記画像の背景及び前景を診断非関連領域として統合するステップと、
上記画像の解剖学的領域を診断関連領域として抽出するステップと、
を有する方法。 - 請求項1記載の方法において、初期背景残留点を検出するステップが、
背景前景遷移(BF遷移)及び背景皮膚ライン遷移(BS遷移)候補全てに係る全ての立ち上がり及び立ち下がり遷移について画素の行及び列を評価しその遷移レンジ、遷移幅、最大遷移勾配及び遷移高点を記録するステップと、
遷移レンジ累積ヒストグラムを作成し遷移レンジしきい値を自動選択するステップと、
遷移高点ヒストグラムを作成し背景残留点の第1推定値を探索するステップと、
背景残留点を繰り返し処理によって調整するステップと、
背景残留点を認証するステップと、
を含む方法。 - 請求項1記載の方法において、上記前景を検出するステップが、
上記捕捉したディジタル放射線写真画像及び上記初期背景残留点を入力するステップと、
スマートエッジ検出処理を用いて上記画像中の全ての有意な遷移を分類するステップと、
Hough変換を施すことによりコリメーションブレード候補たり得る全てのラインを描写するステップと、
画像がいくつかの輻射フィールドを有するならばパーティションブレードペア候補を探索するステップと、
分割統治プロセスを用いて画像をそれぞれ輻射フィールドを1個のみ含むサブ画像に仕切るステップと、
サブ画像毎に最良のコリメーションを識別することにより前景を検出するステップと、
を含む方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/625,919 US7391895B2 (en) | 2003-07-24 | 2003-07-24 | Method of segmenting a radiographic image into diagnostically relevant and diagnostically irrelevant regions |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005296605A true JP2005296605A (ja) | 2005-10-27 |
JP2005296605A5 JP2005296605A5 (ja) | 2007-08-23 |
Family
ID=33490888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004217660A Withdrawn JP2005296605A (ja) | 2003-07-24 | 2004-07-26 | 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7391895B2 (ja) |
EP (1) | EP1501048B1 (ja) |
JP (1) | JP2005296605A (ja) |
DE (1) | DE602004021538D1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011255033A (ja) * | 2010-06-10 | 2011-12-22 | Shimadzu Corp | 放射線画像領域抽出装置、放射線画像領域抽出プログラムおよび放射線撮影装置 |
JP2014028313A (ja) * | 2013-10-31 | 2014-02-13 | Canon Inc | 画像処理装置、画像処理方法、プログラム及びコンピュータ記録媒体 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399245B (en) * | 2003-03-03 | 2005-07-27 | Motorola Inc | Method for segmenting an image and an image transmission system and image transmission unit therefor |
US7623728B2 (en) * | 2004-03-24 | 2009-11-24 | General Electric Company | Method and product for processing digital images |
DE102004028372A1 (de) | 2004-06-11 | 2006-01-05 | Universität Bremen | Verfahren und Vorrichtung zur Segmentierung einer digitalen Abbildung von Zellen |
US7596265B2 (en) * | 2004-09-23 | 2009-09-29 | Hewlett-Packard Development Company, L.P. | Segmenting pixels in an image based on orientation-dependent adaptive thresholds |
DE102005018349B4 (de) * | 2005-04-20 | 2010-09-09 | Siemens Ag | Verfahren zur Bestimmung der Lage eines Patienten in einem Magnetresonanzgerät und Magnetresonanzeinrichtung |
US7702141B2 (en) * | 2005-06-29 | 2010-04-20 | General Electric Company | Method for quantifying an object in a larger structure using a reconstructed image |
CA2553473A1 (en) * | 2005-07-26 | 2007-01-26 | Wa James Tam | Generating a depth map from a tw0-dimensional source image for stereoscopic and multiview imaging |
DE102005043051B4 (de) * | 2005-09-09 | 2015-12-17 | Siemens Aktiengesellschaft | Verfahren und Einrichtung zum Erzeugen eines Röntgenbildes |
US7620260B2 (en) * | 2005-11-10 | 2009-11-17 | Samsung Electronics Co., Ltd. | Line thinning method and system for grayscale image |
US20070147671A1 (en) * | 2005-12-22 | 2007-06-28 | Eastman Kodak Company | Analyzing radiological image using 3D stereo pairs |
US20070242869A1 (en) * | 2006-04-12 | 2007-10-18 | Eastman Kodak Company | Processing and measuring the spine in radiographs |
US7796793B2 (en) * | 2006-09-20 | 2010-09-14 | Carestream Health, Inc. | Determining mammographic image view and laterality |
US8150110B2 (en) * | 2006-11-22 | 2012-04-03 | Carestream Health, Inc. | ROI-based rendering for diagnostic image consistency |
US7801344B2 (en) * | 2006-12-01 | 2010-09-21 | Carestream Health, Inc. | Edge boundary definition for radiographic detector |
US7903861B2 (en) * | 2006-12-28 | 2011-03-08 | Carestream Health, Inc. | Method for classifying breast tissue density using computed image features |
CN101540040B (zh) * | 2008-03-21 | 2012-12-12 | 深圳迈瑞生物医疗电子股份有限公司 | 自动检测限束器边界的方法与装置 |
JP2010205067A (ja) * | 2009-03-04 | 2010-09-16 | Fujifilm Corp | 領域抽出装置、領域抽出方法及び領域抽出プログラム |
CN101897592B (zh) * | 2009-05-27 | 2013-03-06 | 深圳迈瑞生物医疗电子股份有限公司 | X射线影像中金属异物的提取方法和装置 |
US8497924B2 (en) * | 2011-04-27 | 2013-07-30 | Eastman Kodak Company | Apparatus for eliminating background noise |
US8493479B2 (en) * | 2011-04-27 | 2013-07-23 | Eastman Kodak Company | Method of eliminating background noise |
US8781187B2 (en) * | 2011-07-13 | 2014-07-15 | Mckesson Financial Holdings | Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image |
JP2014123230A (ja) * | 2012-12-20 | 2014-07-03 | Sony Corp | 画像処理装置、画像処理方法、及び、プログラム |
US20140264078A1 (en) * | 2013-03-12 | 2014-09-18 | Agfa Healthcare Nv | Radiation Image Read-Out and Cropping System |
US9626476B2 (en) | 2014-03-27 | 2017-04-18 | Change Healthcare Llc | Apparatus, method and computer-readable storage medium for transforming digital images |
CN104376556B (zh) * | 2014-10-31 | 2017-06-16 | 四川大学 | 一种岩石ct图像目标分割方法 |
US11389131B2 (en) | 2018-06-27 | 2022-07-19 | Denti.Ai Technology Inc. | Systems and methods for processing of dental images |
WO2024123294A1 (en) * | 2022-12-05 | 2024-06-13 | Aselsan Elektroni̇k Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | A method for segmentation - based x-ray image collimation area detection and anatomical area decomposition |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164993A (en) * | 1991-11-25 | 1992-11-17 | Eastman Kodak Company | Method and apparatus for automatic tonescale generation in digital radiographic images |
US5268967A (en) * | 1992-06-29 | 1993-12-07 | Eastman Kodak Company | Method for automatic foreground and background detection in digital radiographic images |
EP0610605B1 (en) | 1993-02-11 | 1997-07-16 | Agfa-Gevaert N.V. | Method of recognising an irradiation field |
EP0742536B1 (en) | 1995-05-11 | 2000-09-13 | Agfa-Gevaert N.V. | Method of recognising one or more irradiation fields |
US5862249A (en) * | 1995-12-01 | 1999-01-19 | Eastman Kodak Company | Automated method and system for determination of positional orientation of digital radiographic images |
US5889882A (en) * | 1996-03-21 | 1999-03-30 | Eastman Kodak Company | Detection of skin-line transition in digital medical imaging |
US5606587A (en) * | 1996-03-21 | 1997-02-25 | Eastman Kodak Company | Determination of direct x-ray exposure regions in digital medical imaging |
US6212291B1 (en) | 1998-01-29 | 2001-04-03 | Eastman Kodak Company | Method for recognizing multiple irradiation fields in digital radiography |
US6775399B1 (en) * | 1999-11-17 | 2004-08-10 | Analogic Corporation | ROI segmentation image processing system |
US6694046B2 (en) * | 2001-03-28 | 2004-02-17 | Arch Development Corporation | Automated computerized scheme for distinction between benign and malignant solitary pulmonary nodules on chest images |
EP1256907B1 (en) | 2001-05-10 | 2008-03-05 | Agfa HealthCare NV | Retrospective correction of inhomogeneities in radiographs |
-
2003
- 2003-07-24 US US10/625,919 patent/US7391895B2/en active Active
-
2004
- 2004-07-12 EP EP04077017A patent/EP1501048B1/en not_active Expired - Fee Related
- 2004-07-12 DE DE602004021538T patent/DE602004021538D1/de active Active
- 2004-07-26 JP JP2004217660A patent/JP2005296605A/ja not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011255033A (ja) * | 2010-06-10 | 2011-12-22 | Shimadzu Corp | 放射線画像領域抽出装置、放射線画像領域抽出プログラムおよび放射線撮影装置 |
JP2014028313A (ja) * | 2013-10-31 | 2014-02-13 | Canon Inc | 画像処理装置、画像処理方法、プログラム及びコンピュータ記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
DE602004021538D1 (de) | 2009-07-30 |
EP1501048B1 (en) | 2009-06-17 |
US7391895B2 (en) | 2008-06-24 |
EP1501048A2 (en) | 2005-01-26 |
US20050018893A1 (en) | 2005-01-27 |
EP1501048A3 (en) | 2005-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005296605A (ja) | 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法 | |
US6775399B1 (en) | ROI segmentation image processing system | |
EP1035508B1 (en) | Automated method and system for the segmentation of medical images | |
JP3619270B2 (ja) | ヒストグラム領域を検知し、ディジタル放射線撮影画像のトーンスケールの再現を改善する方法 | |
JPH11276462A (ja) | 画像収集中にx線イメ―ジングシステムのコリメ―タを自動設定する方法、およびx線イメ―ジングシステム | |
CN112116004B (zh) | 病灶分类方法及装置、病灶分类模型的训练方法 | |
CN110678903A (zh) | 用于3d图像中异位骨化的分析的***和方法 | |
US7593762B2 (en) | System and method for automatically segmenting bones in computed tomography angiography data | |
CN112074841A (zh) | 3d图像中自动检测和分割椎体的***和方法 | |
KR100684301B1 (ko) | 화상처리장치 및 방법 | |
US7539332B1 (en) | Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image | |
Garnavi et al. | Weighted performance index for objective evaluation of border detection methods in dermoscopy images | |
US8644608B2 (en) | Bone imagery segmentation method and apparatus | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
Zhang et al. | Automatic background recognition and removal (ABRR) in computed radiography images | |
US9672600B2 (en) | Clavicle suppression in radiographic images | |
Podsiadlo et al. | Automated selection of trabecular bone regions in knee radiographs | |
CN109615656A (zh) | 一种基于模型搜索的脊柱定位方法 | |
Wang et al. | Automatic and exam-type independent algorithm for the segmentation and extraction of foreground, background, and anatomy regions in digital radiographic images | |
JP2006239270A (ja) | 異常陰影検出装置、異常陰影検出方法およびそのプログラム | |
JP2002133397A (ja) | 異常陰影候補検出装置 | |
Elgargni | Investigation of Image Processing for Detecting Teeth Conditions of Dental X-Ray Images | |
KR101495489B1 (ko) | 의료 영상 처리 장치 및 그 화질 개선 방법 | |
Prakash | Medical image processing methodology for liver tumour diagnosis | |
JP2005109908A (ja) | 画像処理装置および画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070706 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070706 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20071227 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20080804 |