Présentation
En anglaisRÉSUMÉ
Cet article est consacré aux traitements d'image 2D qui sont, pour l'essentiel, des corrections des imperfections des détecteurs et différents types de filtrage destinés à transformer une image « propre » en une image « clinique », c'est-à-dire une image où les détails importants pour le radiologue ont été accentués, en fonction du type d'examen pratiqué. Quelques mots sont également dits sur les écrans de visualisation à cette occasion.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article deals with X-ray 2D image processing techniques, i.e. mostly the correction of detector defects and various kinds of filtering intended to turn a “clean” image into a “clinical” image, i.e. one where details relevant for a radiologist are enhanced, depending on the kind of examination being done. A few words are added on medical displays.
Auteur(s)
-
Thierry LEMOINE : Directeur technique, Thales Microwave & Imaging Subsystems, France
INTRODUCTION
L'image délivrée par un détecteur de rayons X est inexploitable en l'état. Tout d'abord, elle s'étend sur une dynamique de niveaux de gris très supérieure à ce que l'œil peut détecter et très supérieure à ce que l'écran de visualisation peut afficher : il faut donc compresser cette dynamique tout en gardant perceptibles les contrastes intéressants. De plus, tout détecteur doit être calibré pour rendre invisibles les effets de fluctuation de sensibilité (ou de gain) et aussi pour obtenir une image au noir impeccable (suppression de l'offset). Ressortent alors les éventuels défauts du détecteur (pixels morts, etc.) qu'il faut rendre invisibles. Toutes ces opérations permettent d'obtenir une image « propre », qui n'est toujours pas celle à laquelle s'attend le radiologue : elle doit être filtrée de manière à mettre en évidence tel tissu plutôt que tel autre, tel détail plutôt que tel autre, selon la nature de l'examen et selon les caractéristiques corporelles du patient. Ces traitements se sont beaucoup développés depuis les années 1995, suite à l'apparition des détecteurs numériques (cassettes CR, caméras CCD, et plus récemment détecteurs plats), et aussi grâce à la disponibilité commerciale de processeurs de plus en plus puissants.
Cet article s'intéresse aux traitements mathématiques applicables aux images fournies par un détecteur de rayons X. Son objectif n'est pas d'en donner une description théorique, et trop rigoureuse. Le lecteur n'y trouvera pas non plus d'algorithmes précis, mais il y lira une description physique et une mise en lumière des objectifs recherchés.
KEYWORDS
image processing | X-ray image processing
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
7. Addition et multiplication d'images
De nombreux traitements d'image utilisent l'opération d'addition (ou de soustraction) de plusieurs images, ou de multiplication (ou de division), c'est-à-dire une addition (ou une soustraction) effectuée sur le logarithme des niveaux de gris. Citons pêle-mêle : la correction d'offset (soustraction) ou de gain (division), le filtrage récursif (addition), les modes DSA (division), la double-énergie (division), etc.
Considérons l'addition de deux images similaires (prises dans les mêmes conditions et avec la même dose, mais pas deux fois la même image !) : <N>, le niveau de gris moyen par pixel et σ, l'écart-type de bruit, sont identiques sur les deux images. Si on les additionne, les niveaux de gris moyens <N> s'ajoutent, ainsi que les variances de bruit σ2. Le bruit √σ et le SNR (SNR = <N>/√σ) sont ainsi multipliés par √2, résultat tout à fait logique : on a amélioré la lisibilité de l'image. Si, par contre, on soustrait les deux images, les niveaux de gris moyen deviennent nuls, mais la variance de bruit reste égale à 2 σ2. En soustrayant (ou en divisant) des images, on diminue le signal mais on augmente le bruit...
L'addition d'images soulève plusieurs difficultés pratiques, la première et la plus évidente est de recaler le plus précisément possible les images entre elles avant l'opération. Il s'agit en général de recalage rigide [MED 910], mais l'identification de points de repère fiables peut être problématique, surtout lorsqu'il s'agit d'images fluoroscopiques (cas du filtrage récursif).
7.1 Filtrage récursif d'images dynamiques
C'est un premier exemple d'addition d'images. En imagerie dynamique, les traitements doivent être effectués en temps réel et les opérations de filtrage spatial sont simplifiées pour cette raison, d'autant plus que les images de fluoroscopie n'ont pas vocation à établir des diagnostics. Mais comme le SNR est très faible, il est nécessaire de rajouter une opération dite de filtrage « récursif », ou temporel, pour l'augmenter en additionnant plusieurs images...
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Addition et multiplication d'images
BIBLIOGRAPHIE
-
(1) - SAMEI (E.H.), FLYNN (M.J.) - Advances in digital radiography. - RSNA Syllabus (2003).
-
(2) - VANMETTER (R.) - Image processing for projection radiography. - Advances in medical physics, vol. 3 (2010).
-
(3) - FLYNN (M.J.), KANICKI (J.) - High fidelity medical imaging displays. - SPIE (2004).
-
(4) - COUWENHOVEN (M.), SEHNERT (W.), WANG (X.), DUPIN (M.), WANDTKE (J.), DON (S.), KRAUSS (R.), PAUL (N.), HALIN, SARNO (R.) - Observer study of a noise suppression algorithm for computed radiography images. - SPIE Medical Imaging, vol. 5749 (2005).
-
(5) - AAPM - Assessment of display performance for medical imaging systems. - AAPM on-line report, no 3 (2005).
-
(6) - DESERNO (T.) - Fundamentals of medical image processing and analysis. - SPIE Short Courses SC086,...
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive