Bibliographie & annexes
Présentation
RÉSUMÉ
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.
L'expertise technique et scientifique de référence
KEYWORDS
image processing | X-ray image processing
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Technologies pour la santé
(130 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
Addition et multiplication d'images6. Filtrage du bruit
Tout ce qui précède s'applique au signal utile comme au bruit, mais c'est la recherche d'une meilleure perception du signal qui a été la principale motivation. Le bruit est également filtré mais sa perception peut être néanmoins augmentée, comme cela a été dit.
6.1 Transformée d'Anscombe
Concentrons-nous sur le cas d'une image dont le bruit est d'origine quantique (le bruit électronique est négligé, ce qui est légitime la plupart du temps) : si N représente le signal par pixel (en nombre de quanta primaires absorbés), <N> le signal moyen, alors √<N> représente le niveau de bruit et (par conséquent) le rapport signal sur bruit. La transformée d'Anscombe consiste à substituer au signal sa racine carrée (N → 2√(N + 3/8)). Francis Anscombe a montré en 1948 qu'alors un bruit poissonnien devient assimilable à un bruit gaussien (si <N> >> 4, <N> → 2√ (<N> + 3/8) – 1/4√<N> et σN → 1), c"est-à-dire que sa variance s'établit à une valeur indépendante de la valeur du signal. Pour des raisons évidentes, la transformation d'Anscombe ne saurait s'appliquer aux pixels dont la valeur du signal est très faible : on augmenterait alors la variance du bruit pour ces pixels, qui n'en ont pas besoin !
Disposer d'une variance de bruit indépendante du signal simplifie les opérations de filtrage non linéaires du bruit (§ 6.2). Signalons que la transformée d'Anscombe a l'effet inverse sur le bruit électronique, qui était indépendant du signal et qui en devient dépendant. C'est une raison supplémentaire pour ne pas l'appliquer aux pixels à très bas niveau de gris.
HAUT DE PAGE6.2 Filtrage du...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies pour la santé
(130 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
Filtrage du bruit
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,...
DANS NOS BASES DOCUMENTAIRES
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies pour la santé
(130 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
