Medizinische Bild- und Signalverarbeitung

Mischung verschiedener Gewebe in einem Voxel

• Durch die Diskretisierung wird den Kantenvoxeln der Mittelwert der gemischten Gewebe zugeordnet
• Gemessene Bildsignalwerte sind abhängig vom Mischungsverhältnis der gemischten Bildstrukturen

• Erschwert die Charakterisierung von Geweben anhand typischer Pixelwerte
• Führt zu Verschmierung von Gewebeübergängen
  • Erschwert die Segmentierung medizinischer Bildstrukturen

• Messtechnisch bedingte, zufällige Variation der Bildsignalwerte in homogenen Matrialien und Geweben
• Rauschfreie Daten können in der Praxis nicht erzeugt werden
• Summe der Rauscheffekte wird häufig durch Gauß-Verteilung modelliert
• Erschwert die Segmentierung und Erkennung medizinischer Bildstrukturen

• Abhängig von der bildgebenden Technik
• Photonenrauschen
• thermisches Rauschen
• Detektorrauschen
• Quantisierungsrauschen

• SNR: Signal to Noise Ratio
• \(SNR = \frac{\bar S}{\sigma_{Rauschen}}\)
  • \(\bar S\) : Mittlerer Bildsignalwert
  • \(\sigma_{Rauschen}\): Standardabweichung des Rauschens

• kann in homogenen Bildregionen bestimmt werden
  • z.B. im Bildhintergrund

kontrastreiches Bild

Verschwimmen der Abgrenzungen verschiedener Bildobjekte - kontrastärmer

• graphische Darstellung der Häufigkeitsverteilung eines metrischen Merkmals
• zur Generierung werden die Daten vollständig und disjunkt in Klassen (Intervalle, Zellen) eingeteilt
• Errichtung direkt aneinander angrenzender Rechecke über den Klassen
  • Flächeninhalt stellt (relative) Klassenhäufigkeit dar
  • Höhe stellt absolute oder relative Haufigkeit dar

• Verwendungen relativer Häufigkeiten \(h(I_j)\)
• Verteilung der relativen Häufigkeiten der Pixelwerte im normalisierten Histogramm ist unabhängig von der Anzahl der Pixel

• auch Summenhistogramme genannt
• werden die relativen Histogrammhäufigkeiten \(h(I_j)\) aufsummiert, so bildet die gewonnene Kurve eine Approximation der Verteilungsfunktion der Pixelwerte

• Punktoperationen
• Lokale Operationen
• Globale Operationen

Das Ergebnis einer Operation an einer Bildkoordinate \((x,y)\) hängt nur vom dort auftretenden Pixelwert \(f(x,y)\) ab

Das Ergebnis eienr Operation an einer Bildkoorinate \((x,y)\) hängt nur ab von Pixelwerten, die in der Nachbarschaft dieses Pixels auftreten

Das Ergebnis einer Operation an einer Bildkoordinate \((x,y)\) ist von (fast) allen Pixelwerten eines Bildes abhängig

• Histogrammtransformation
• Arithmetische und logische Bildoperationen
  • Addition, Subtraktion, Multiplikation, Division von Bildern
  • AND, OR, XOR, NOT-Operationen bei Binärbildern
  • Invertieren von Bildern
• Schwellwertsegmentierung

• Filtertechniken
  • Kantenfilter
  • Glättungsfilter
• Morphologische Bildoperationen

• Starre und affine Bildregistrierung
• Analyse von Clustern in Bildern
• Mustererkennung in Bildern

• verändern Grauwertverteilung des Bildes zur Verbesserung des visuellen Bildeindrucks bezogen auf
  • Helligkeit
  • Kontrast
  • Farbton (beim Mehrkanalbild)
• Angewandt auf Grauwertbilder werden sie durch Grauwerttransformation realisiert
• häufig eingesetzte Verfahren zur Bildverbesserung
• Vorverarbeitung für die nachfolgende Analyse
• gehören zur Klasse der Punktoperationen

• Grauwertbild \(f\) mit dem Wertebereich \(W_M = G = \{0,1,\dots , 255\}\)
• Grauwerttransformation \(T\) ist eine Abbildung
  • \(T: G \to G\)
• Anwendung von \(T\) auf Bild \(f\) liefert ein Ergebnisbild \(e\) mit
  • \(e(x,y) = T(f(x,y))\)
  • mit \(0 \leq x \le N_x, 0 \le y \le N_y\)

Funktion \(T\) ist (stückweise) linear

\(T(g) = \begin{cases} 0, & \text{ falls } (g+a)b < 0\\ (g+a)b, & \text{ falls } 0 \le (g+a)b \le 255\\ 255, & \text{ falls } (g+a)b > 255\end{cases}\)

Automatische Kontrasterhöhung unter Beibehaltung der Histogrammstruktur

• Lineare Skalierung zur Ausnutzung des gesamten Grauwertbereiches \([0, \dots, 255]\) für die Visualisierung des Grauwertbildes
• Abstände zwischen den Grauwerten werden vergrößert

Einzelne Ausreißer können starken Einfluss auf das Bild haben

• 4096 mögliche Signalabstufungen pro Pixel in DICOM-Bildern
• 256 Grauwerte (8 bit) können auf normalen Monitoren dargestellt werden

Flexible Darstellung der hochaufgelösten Bildinformation unter Betonung unterschiedlicher Aspekte

• Benutzer definiert interaktiv ein Signalintervall \([S_{\min}, S_{\max}]\)
• Diese Signale werden über den vergfügbaren Grauwertbereich \([0,\dots, 255]\)
• Strukturen mit Pixelwerten im Signalintervall \([S_{\min}, S_{\max}]\) werden kontrastiert dargestellt
• Strukturen mit Pixelwerten \(\le S_{\min}\)werden schwarz dargestellt (ausgeblendet)
• Strukturen mit Pixelwerten \(\ge S_{\min}\) werden weiß dargestellt

• Level-Window-Operation
• Spezialfall der linearen Skalierung

• Veränderung des Bildes durch Punktoperation, so dass eine Gleichverteilung der Grauwerte im Bild entsteht
• Erreicht wenn kummulatives Histogramm einen linearen Verlauf hat
• daher auch Histogrammlinearisierung genannt
• für med. Bilder nicht geeignet, weil zu viel Grauwerte auf Hintergrund verwendet werden

• elektrische
• magnetische
• mechanische
• chemische

• EKG
• EEG
• Magnetoenzephalographie (MEG)
• Elektromyographie (EMG)
• Elektroretiongraphie

• Methode zur Messung der summierten elektrischen Aktivität des Gehirns durch Aufzeichnung der Spannungsschwankungen an der Kopfoberfläche
• graphische Darstellung dieser Schwankungen
• verbreitete Untersuchungsmethode in der Neurologie

• Ursache gem. Potenzialschwankungen
  • physiologische Vorgänge in einzelnen Gehirnzellen bei der Informationsverarbeitung im Gehirn
• von einzelnen Neuronen erzeugte Potneziale addieren sich in Abhängigkeit von Ihrer räumlichen Anordnung auf
• Entstehung von Potenzialänderungen
• für klinische Bewertung Aufzeichnung in mind. 12 Kanälen von verschiedenen Elektrodenkombinationen