Diagnostic Medical Image Processing - Cheatsheet

Technologien der Bildgebung: Röntgen, MRT, Ultraschall

Definition:

Technologien zur Erfassung und Darstellung von Körperstrukturen in der Medizin.

Details:

• Röntgen: Nutzung von ionisierender Strahlung zur Durchleuchtung des Körpers.
• MRT: Magnetresonanztomographie, nutzt starke Magnetfelder und Radiowellen zur Bildgebung von Weichteilen.
• Ultraschall: Einsatz von hochfrequenten Schallwellen zur Erzeugung von Echtzeitbildern.

Rauschunterdrückungstechniken in der Bildvorverarbeitung

Definition:

Techniken zur Minimierung von Rauschen in medizinischen Bildern zur Verbesserung der Bildqualität.

Details:

• Medianfilter: verwendet Medianwert, um Ausreißer zu entfernen
• Gaussianfilter: glättet Bild durch gewichteten Durchschnitt
• Wienerfilter: passt Filter auf lokale Bildvarianz an
• Fourier-Transformation: reduziert periodisches Rauschen durch Frequenzfilterung
• Wavelet-Transformation: unterdrückt Rauschen auf mehreren Skalierungsebenen
• Anisotropic Diffusion: bewahrt Kanten bei gleichzeitiger Rauschverminderung

Histogrammausgleich zur Kontrastverbesserung

Definition:

Histogrammausgleich (auch Histogrammequalisierung genannt) ist eine Methode zur Kontrastverbesserung eines Bildes, wobei die Intensitätswerte so umverteilt werden, dass das Histogramm eine gleichmäßige Verteilung aufweist. Dies verbessert die visuellen Details im Bild, insbesondere in Bereichen mit geringer Helligkeitsvariation.

Details:

• Ziel: Verbesserung der Bildkontraste durch Verteilung der Intensitätswerte.
• Algorithmus glättet das Histogramm und erweitert den Bereich niedriger Kontraste.
• Mathematische Grundlage: Transformation basierend auf der kumulativen Verteilung der Intensitäten.
• Anwendungsbeispiel: Röntgenbilder, CT-Scans, MRT-Aufnahmen.
• Formel für die Umsetzung: \(s_k = \frac{L-1}{MN} \sum_{i=0}^{k} h(r_i)\) wobei \(s_k\) die neue Intensität, \(L\) die Anzahl der möglichen Intensitätswerte, \(MN\) die Bildgröße und \(h(r_i)\) die Häufigkeit der ursprünglichen Intensität \(r_i\) ist.
• Ergebnis: Erhöhte Erkennbarkeit von Details und besserer visueller Kontrast.

Schwellenwertverfahren zur Segmentierung

Definition:

Schwellwertverfahren zur Segmentierung nutzt festgelegte Intensitätsgrenzen, um Pixel in Bildregionen zu unterteilen.

Details:

• Setze einen Schwellwert: Ein Pixel i gehört zu einer Klasse, wenn seine Intensität I(i) den Schwellwert t überschreitet: I(i) ≥ t
• Mehrfachschwellwerte möglich: I(i) < t1 – Klasse 1, t1 ≤ I(i) < t2 – Klasse 2, usw.
• Otsu-Verfahren zur automatischen Schwellwertwahl
• Nachteile: - Anfällig bei Rauschen - Mögliche Fehlsegmentierung bei variabler Beleuchtung
• Vorteile: - Einfach und schnell zu implementieren - Gute Ergebnisse bei klaren Intensitätsunterschieden

Klassifizierungsalgorithmen: k-NN, SVM, neuronale Netze

Definition:

Klassifizierungsalgorithmen ordnen Objekt-Klassen basierend auf Trainingsdaten zu: k-NN (k-Nearest Neighbors), SVM (Support Vector Machines), neuronale Netze verwendet.

Details:

• k-NN: Berechnet die Zugehörigkeit zur Klasse basierend auf den k nächsten Nachbarn.
• Distanzfunktion: z.B. euklidische Distanz
• SVM: Findet eine Trennlinie (Hyperebene), die zwei Klassen mit maximalem Abstand trennt.
• Optimiert durch Lösung eines Quadratischen Programms
• Neuronale Netze: Netzwerke von künstlichen Neuronen in Schichten, nutzen Backpropagation zum Lernen.
• Aktivierungsfunktionen: z.B. ReLU, Sigmoid
• Verwendung: Bild-, Sprach- und Signalverarbeitung

Qualitätssicherung und Kalibrierung von Bildgebungssystemen

Definition:

Qualitätskontrolle und Justierung von Bildgebungssystemen zur Sicherstellung der Genauigkeit und Zuverlässigkeit von Diagnosen.

Details:

• Regelmäßige Überprüfung der Systemleistung und Bildqualität.
• Kalibrierung: Einstellung von Hard- und Software, um präzise Abbildungen zu gewährleisten.
• ISO-Normen und Protokolle beachten.
• Phantomtests und Vergleich mit Referenzbildern.
• Dokumentation der Testergebnisse und Kalibrierungen.

Morphologische Methoden der Bildsegmentierung

Definition:

Morphologische Operationen für die Segmentierung von Bildstrukturen auf Basis ihrer Form.

Details:

• Dilation (Erweiterung):
• Erosion:
• Öffnung:
• Schließung:
:
• Erweiterung:
• “Erosion:
• Geometrie-basierte Analyse von Bildinhalten und Strukturelementen durch Verwendung von rektangularen und elliptischen Funktionen

Merkmalserkennung und -extraktion in der Bildklassifikation

Definition:

Prozess zur Identifikation und Extraktion relevanter Merkmale aus Bilddaten zur Klassifikation

Details:

• Ziel: Reduktion der Dimensionalität und Erhaltung relevanter Informationen
• Techniken: Kantendetektion, Mustererkennung, HOG, SIFT
• Wichtige Schritte: Vorverarbeitung, Segmentierung, Extraktion
• Ziel: Erhöhung der Genauigkeit und Effizienz von Klassifikationsalgorithmen
• Verwendung: Diagnose von medizinischen Bildern (z. B. Erkennung von Tumoren)