Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
医用画像処理学(2)
基本概念(2)
(教科書pp.15-37)
有村秀孝
画像の座標系
2003年ノーベル賞(MRI) ノーベル生理学・医学賞
The Nobel Assembly at Karolinska
Institutet has awarded the Nobel
Prize in Physiology or Medicine
jointly to Paul Lauterbur and Peter
Mansfield for their discoveries
concerning "magnetic resonance
imaging". These discoveries made
it possible to develop modern
magnetic resonance imaging, MRI,
which represents a breakthrough
in medical diagnostics and
research. Worldwide, more than
60 million investigations with MRI
are performed each year.
x Z
y
画像の座標系と2次元配列との対応
ピクセルサイズがどのようにして決まるか?
mmmPixelSize 875.462048/96
横方向のピクセル数:2048
ピクセルサイズがどのようにして決まるか?
mmmPixelSize 426.862048/177
横方向のピクセル数:2048
人体
As
AL
ピクセル数=N
x
x x: X線焦点
NAor
NAPixelSize
L
S
/
/
X線画像検出器
画像 画素サイズ 深さビット マトリックスサイズ
X線写真 50 - 150 10-12 2048x2048
CT 0.1 – 1.0 mm 12 512 x 512
MRI 0.5 – 2 mm 12 256x256 - 512x512
SPECT 2.0 弱 mm 8 128 x 128 – 512 x 512
US 0.2 – 0.3 mm 8 512 x 512
医用画像データの例
m
ピクセル値ヒストグラム(gray level histogram)
横軸に画素値(ピクセル値)、縦軸にそれぞれの画素値に対応する画素の数
をとったグラフ
画素値(ピクセル値)
(1)下の図の画像のピクセル値のヒストグラムを描きなさい。ただし、横
軸、縦軸の名前(レジェンドと言います)、目盛を書くこと。
(2)この画像を保存するためには、最低何ビット必要ですか。
(3)ピクセル値が5の座標を答えなさい。
1 1 1 1
1 2 3 1
1 3 5 2
1 2 2 2
1 1 1 1
1 2 3 1
1 3 5 2
1 2 2 2
-1000
1000
3000
5000
-110
6
-980
-854
-728
-602
-476
-350
-224 -98 28 154
280
406
532
658
784
910
1036
1162
1288
CT値
度数
ピクセル値ヒストグラム(gray level histogram)
筋肉 脂肪
骨
肺野
バックグランド
ヒストグラムの性質
入力画像のヒストグラムと画像表示
縦軸は輝度値
ピクセル値ヒストグラム
胸部単純X線写真
背景(空気)
肺野
筋肉、脂肪
0 1000 0
2000
4000
6000
8000
脳脊髄液
灰白質
白質
脂肪領域
ボクセル値
仮の脳実質領域内のカウント
頭部三次元MR画像のヒストグラム
(平成20年度卒研生中村君作成)
MRI
T1強調画像
MRI
T2強調画像
MRI
プロトン強調画像
MRI
FLAIR強調画像
ピクセル値と輝度の諧調変換
ピクセル値
輝度
ΔC2
ΔC1
ΔP
同じピクセル値
の差でも諧調変
換によって、輝度
の差を大きくする
ことができる。
ΔC1 < ΔC2
ピクセル値プロファイル(1次元画像)
人体を1(白)、背景(人体以外の空気)をゼロ(黒)として2値化
ヒストグラムと2値化処理
連結成分:2値画像で、連結した1画素の領域
ラベリング(ラベル付け):連結成分ごとに番号を付けること。
3つの連結成分
連結成分とラベリング
2値化処理とラベリング
元画像 2値画像 ラベリング画像
入力画像の注目画素のピクセル値を使って計算を行い、その結果を同じ座標
の出力画像のピクセル値とする。例:諧調変換、2値化処理など
注目画素:処理の対象となっている画素
点処理
局所処理
入力画像の注目画素とその近傍のピクセル値を使って計算を行い、その結果を同じ座
標の出力画像のピクセル値とする。
畳込み積分と線形システム
dxhfxhxf )()()()(
関数f(x)とh(x)との畳込み積分(convolution)
τ:x方向の移動量
線形システム
PSF
h(x)
f(x) g(x)
線形システムの条件 )]([)( xfLxg
)()()]()([ 22112211 xgaxgaxfaxfaL 加法性:
)()]([ xgxfL定常性:
)()()( HFG )()()( xhxfxg
線形システム応答を畳込み積分で表現
ここで、f(x)としてインパルス(δ関数)を入力すると、出力はG(ω)=H(ω)となり、システム伝達関数(周波数応答関数) H(ω)が求められる。画像の分野では、
H(ωはMTF(modulation transfer function)と呼ばれ、h(x)は点広がり関数(point spread function)と呼ばれる。
FT
局所処理の具体的な方法
畳込み積分処理、空間フィルター処理、微分フィルターなど。
画像処理におけるフィルタ処理(畳込み積分)
h1 h2 h3
h4 h5 h6
h7 h8 h9
f1 f2 f3
f4 f5 f6
f7 f8 f9
ghfhfi
ii
9
1
フィルタh
入力画像f
g
出力画像g
Laplacianフィルタ(二階微分) Sobelフィルタ(x方向)
Prewittフィルタ(x方向) 平均化フィルタ
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9
-1 0 1
-1 0 1
-1 0 1
-1 0 1
-2 0 2
-1 0 1
1 1 1
1 -8 1
1 1 1
0 1 0
1 -4 1
0 1 0
8近傍 4近傍
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9
0 1 0
1 -4 1
0 1 0
ラプラシアンフィルター
(2次微分フィルターで、エッジ強調) 平均化フィルター(ノイズ低減)
局所フィルタ処理の例
ImageJ: Process/Filters/Convolve
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9
平均化フィルタ処理の例
0 1 0
1 -4 1
0 1 0
ラプラシアンフィルタ処理の例
例:フーリエ変換
細線化処理(2次元)の例
2値化画像 細線化処理画像
Classification of Small Candidates based on Local
Structure(細線化処理(3次元)の例)
Distance-transformed image
VOI with Small candidates
Skeleton image
Non-short-branch
Searching for short branch
Short branch : High
likelihood of aneurysm
Skeleton image
Short-branch type
Single-vessel type Bifurcation type
領域拡張法による肺野と気管の抽出
37
肺野はリスク臓器.気管の構造解析により,
肺野の機能への影響を推定する.
(九州大学福田麻里子氏作成)
肺野と気管の抽出
細線化処理による気管の
中心線抽出(構造解析)
領域拡張法による気管の抽出
Original image
Dot-enhanced image
Segmented main
vessels
Dilation of segmented
vessels (search region)
Search region in dot-
enhanced image
Determination of Search Region for Initial Candidates
Search region in
original image