Présentation
EnglishRÉSUMÉ
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’articleAuteur(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.
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
2. Correction des défauts du détecteur
Tout détecteur matriciel présente des imperfections qui, même si elles sont très petites, peuvent être visibles à l'écran. Il peut s'agir de pixels non fonctionnels, de lignes ou de colonnes qui ne sont pas actives…
Dans un détecteur numérique plat, la principale cause de ces défauts tient à la qualité des dalles de verre qui supportent photodiodes et transistors en silicium amorphe (ou à la qualité des wafers en technologie CMOS). Ces dalles sont réalisées en salle blanche avec des technologies de micro-lithographie où la moindre poussière peut générer un circuit ouvert ou un court- circuit. Compte tenu des exigences de propreté dans ces salles, ces défauts sont rares, mais sur une matrice de 10 millions de pixels et sur une surface de 40 × 40 cm, ils sont inévitables, sauf à accepter des rendements de fabrication ridiculement bas et des coûts de production prohibitifs. Leur existence n'a heureusement pas d'incidence sur la qualité des diagnostics réalisés avec le détecteur, pourvu que leur nombre n'excède pas un certain seuil. Par contre, leur présence à l'écran est gênante et il faut les rendre invisibles.
La correction des plus petits d'entre eux s'effectue simplement : pour chaque image, un pixel mort se voit attribuer un niveau de gris calculé par interpolation linéaire entre pixels les plus proches voisins.
Appliquée froidement, cette solution pose des problèmes dans les zones où existent des variations brutales de contraste, et d'autres algorithmes plus subtils doivent être utilisés. Dans un détecteur fonctionnant en mode fluoroscopique, la correction doit être effectuée en temps réel, ce qui contraint la gamme d'algo- rithmes utilisables. Enfin, le cas d'un pixel « mort » isolé est bien sûr le plus simple. Il en existe d'autres également corrigibles, comme celui d'une ligne ou d'une colonne défaillante, soit à cause d'un défaut sur la dalle, soit parce que le détecteur est réalisé par raboutage de dalles plus petites : la ligne ou la colonne où s'effectue le raboutage est soit inexistante, soit atypique. Autres cas de figure, des petits clusters de pixels défaillants, des artefacts localisés de la sensibilité du scintillateur, etc.
L'intensité des défauts peut évoluer au cours de la vie du détecteur et de nouveaux défauts peuvent apparaître. Pour ces raisons, la correction de défauts doit faire l'objet d'une calibration régulière.
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
Correction des défauts du détecteur
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, SPIE...
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