képalkotás modellezése, metrikáihome.mit.bme.hu/~hadhazi/oktatas/okd19/lin_rend.pdf · –point...
TRANSCRIPT
Képalkotás modellezése, metrikái
Orvosi képdiagnosztika
2019 ősz
Jelölésjegyzék
• Rendszer válasza gerjesztésre:
• Dirac-delta: ; egységugrás:
• idejű Dirac-delta gerjesztése a rendszer válasza:– LTI esetben:
• Konvolúció:
• Fourier transzformáltja: – spektruma:
• sávszélessége:
• eloszlás várható értéke: , szórása:
• Szürkeárnyalatos képet leíró leképezés:
• Elemenkénti átlagolás:
f S f
x
0x 0,h x x
0 0: ,h x x h x x
1 x
G FT gg
G
g bw g
X X std X
1:, 1 ,
M i
i
I x y M I x y
2:I R R
g
Tartalom
• Elméleti áttekintés – lineáris rendszerek:
– LTI rendszerek leírása – konvolúciós integrál
– Rendszer identifikáció
– Folytonos idejű Fourier transzformáció
• Képalkotás mérése lineáris rendszerekkel:
– Point Spread Function, Modulation TransferFunction, Noise Power Spectra, SNR, CNR
– NEQ, DQE
Lineáris rendszerek
• Komplex, fizikai rendszerek sosem lineárisak
– Linearizálás nélkül kezelhetetlenül bonyolultak
– Leginkább sztochasztikus folyamatok
• Lin. rendszerként várható értékük jellemezhető
• Lineáris rendszerek jellemzői
– Rendszer:
– Lineáris:
:S A B
, , :
S a f b g a S f b S g
a b R f g C A
Lineáris rendszerek vizsgálata
• Eltolás-invariáns (idő invariáns) rendszer:
–
• Dirac impulzus:
–
– Impulzusválasz:
• Eltolás(idő)-invariáns rendszernél:
• LTI rendszereket egyértelműen leírja
2
20
1lim exp
22
xx
0 0S f x x y x S f y
0 0,h x x S y x x
0 0,h x x h x x
h x
LTI rendszerek válasza (konvolúciós integrál)
• Közelítsük infinitezimális téglákkal -et:
–
– Közelítő modell helyességének feltételei:
• folytonos
• is folytonos függvénye -nak
•
• Ha eltolás invariáns:
–
– Tömörebben:
f
ˆ : ,j
S f x y x f j x h x j x x
f
,h x y y
1x
S
0
'
ˆlim ' ' 'x
x
S f x y x f x h x x dx
:y x S f x f h x
LTI rendszerek válasza (konvolúciós integrál)
+
∑:
+ …
LTI rendszerek válasza (konvolúciós integrál)
LTI rendszerek
• Impulzusválasz ( ) egyéb elnevezései:
– Súlyfüggvény
– Gerjesztés Válasz függvény
– Képalkotó rendszereknél: Point Spread Function
• Fizikai képalkotó rendszerek sajátosságai:
– Rögzített képek (projekciók, stb.):
– Általában ,
– a képalkotás, és a fizikai foton interakciók függvénye
h
y h x 3: R Rx
2: R Ry
Egyszerű rendszerek impulzusválasza (szemléltetés)
• Arányos tag:
• Integráló tag:
• Diffrenciáló tag:
• Holtidős tag:
Fourier Transzformáció
• Folytonos függvények lineáris transzformációja:
– ;
– Euler formula:
• LTI rendszerek vizsgálata Fourier tartományban:
–
–
– Konvolúció tétel:
2e
j xf x F d
exp 2 cos 2 sin 2j x x j x
2 '
'
' 'j x x
x
y x h x F e d dx
2 ' 2
'
' 'j x j x
x
y x F h x e dx e d
Y F H
2e
j xF f x dx
LTI rendszerek – konvolúció tétel
• LTI rendszer sajátfüggvényei az FT bázisfüggvényei (komplex exponenciálisak):
– frekvenciájú szinuszos jelre adott válasz is frekvenciájú szinuszos jel:
LTI
LTI rendszerek átviteli függvény
• Átviteli függvény:
• értelmezése:
– rendszer erősítése (1/ tehetetlensége):
• ~ jel változásának sebessége
• Fizikailag realizálható rendszerek sávkorlátozottak:
, ha
• Általában monoton csökkenő függvény (ellenpélda: kondenzátor)
– rendszer fázis tolása (késleltetése):
•
H FT h
expH H j H
H
1H bw h
H
0 0exp 2FT f x x F j x
LTI rendszerek identifikációja
• meghatározása:
– Egységimpulzus ( ) gerjesztés
– Egységugrás gerjesztés:
•
– Szinuszos vizsgálójellel (LTV-hez is jó lehet):
•
esetén
H
x
1 ' '
x
x x dx
1h x dS x dx
0 0cos 2f x A x
0 0cos 2y x A A x
' '
'
'
exp
?
A j signH
LTI rendszerek identifikációja
– Multiszinuszos vizsgálójel (LTV rendszerekhez is):
•
• Fourier Sorfejtése megadja értékeit
– Fehér zajjal:
• Bemeneti zaj: teljesítménysűrűség spektruma egyenletes
• Kimeneti zaj: teljesítménysűrűség spektruma
cos 2i i
i
f x A i x
y x H i
2
H
S
Képalkotó rendszerek jellemzése
• Képalkotás általános modellje: Lineáris rendszer:
• Lineáris rendszerek – GV vizsgálat
– Ideális gerjesztés: dirac-delta
– Közelítése: pontszerű gerjesztés
• A gerjesztés is GV válasza egy lineáris rendszernek ( )
• Közvetlenül a ( h*l ) rendszert vizsgáljuk
, ,l
Point Spread Function 3D - 2D
• Általános modell (konv. integrál)- a gerjesztés képe lineáris rendszermodell és zaj esetén:
– : gerjesztés (vizsgált objektum)
– : additív zaj
– : rendszer súlyfüggvénye – PSF-je
• Inverz probléma – később részletesen tárgyaljuk
0
, , ; , , ,g x y h x y f d d d x y
, ,
,f ,
,x y
, ; ,h x y ,
Point Spread Function 2D - 2D
• Detektált kép abban az esetben, ha impulzust detektálnánk ideális esetben:
– : ideális esetben az imp. gerjesztés képe
– : additív zaj
– : torzító rendszer PSF-je
• Inverz probléma – később részletesen tárgyaljuk
,
, , ; ,g x y h x y f x y
, ,
f ,
,x y
, ;h x y ,
Point Spread Function (2D – 2D eset)
• Nem szükségszerűen izotropikus:– Fényképezőgépek / mikroszkópok – inhomogén
lencsék okozzák az anizotróp PSF-et
– PA röntgen, CT, DTS esetén tipikusan anizotróp
– MRI esetén felvételi paraméterek függvénye
• Nem szükségszerűen shift invariáns:– Jelentősen nagyobb probléma
– Közelítés shift invariáns rendszerekkel:• Alapelv: PSF folytonos függvény
• Isoplanatic régiók
Point Spread Function (2D – 2D eset)
• Nem szükségszerűen izotropikus:– Fényképezőgépek / mikroszkópok – inhomogén
lencsék okozzák az anizotróp PSF-et
– PA röntgen, CT, DTS esetén tipikusan anizotróp
– MRI esetén felvételi paraméterek függvénye
• Nem szükségszerűen shift invariáns:– Jelentősen nagyobb probléma
– Közelítés shift invariáns rendszerekkel:• Alapelv: PSF folytonos függvény
• Isoplanatic régiók
Az időinvariancia analógiája képeket bemenetként kezelő 2D rendszer esetén.
Modulation Transfer Function(modulációs átviteli függvény)
• Tételezzük fel, hogy a PSF pozíció független
• Ekkor a PSF spektrumát érdemes vizsgálni:
– TF (átviteli függvény):
• Elterjedt még az OTF / MTF felbontás is:
– Optical Transfer Function:
– Modulation Transfer Function:
• Effektív felbontás (zaj nélkül):
– Képalkotásban 0.5-ös MTF érték határozza meg
FH h
0,0H H
0,0H H
bw h
Röntgen detektor MTF példák
MTF mérése
• MTF definiálásánál LTI modellt használtunk:
– Expected MTF: célja az alul-mintavételezés hatására keletkező moire hatásait degradálni
• Gyakori megvalósításai:
– Vonalpár fantom: MTF származtatható belőle
– Rés módszer: magas frekvencián pontosabb
– Él módszer: alacsony frekvencián pontosabb
– Általában egy irány mentén mérhető:
• Ami a fantom elhelyezésétől függ
MTF mérése vonalpár fantomok
Catphan ® 500 FBP-vel rekonstruált axiális szelet
MTF mérése vonalpár fantom• Digitális fényképezőgépekhez készült fantom:
MTF mérése: él módszer
- A fantom éle a pixelek osz-lopaival kis, de >0 szöget zár be.
- Így lehetőség nyílik az él „felül-mintavételezésére”, korrigálható az alul-mintavételezési probléma.
- Az élre merőleges derivált adja meg a PSF-et.
MTF – PSF közötti kapcsolat
MTF szerinti minősítés
Signal to Noise Ratio(jel / zaj viszony)
• Általános jelfeldolgozásban:
– Általában additív zaj
• Képalkotó rendszerek esete:
– homogén objektum legyen
–
• a homogén objektum képének kiterjedése, fontos, hogy elegendően nagy legyen
• Több felvételből is mérhető
10 1010 log 20 logsignal noise signal noiseSNR P P A A dB
x,yx,y
x, y x, yNN
SNR I std I
N
f
Contrast to Noise Ratio(kontraszt / zaj viszony)
• Kontraszt önmagában nem jó minősítő:
– Gyakran főleg a zaj generálja
– Objektumok elkülönítését javítja a jobb kontraszt, de degradálja a nagyobb zaj
•
– A,B a két elkülöníteni kívánt objektum képe
– N azon régió, melyből becsülhető a képzaj:
• Ennek konkrét megválasztása esetfüggő
– Alkalmazása (mint metrika) főleg orvosi körben elterjedt
, ,
x,yx,y x,y
x, y x, y x, yA B A B NNA B
CNR C I I std I
CNR mérése CT esetén- Fontos, hogy nem
tételez fel lineáris képalkotást!
- Szeleten belüli felbontás vs. sugárdózis optimalizáció
- Nemlineáris rekonstrukciók minősítése
Catphan ® 600
Röntgen kvantum jellemzői
• Kvantum: fotonok száma
• Fotonok eloszlása:
– Érzékelő felületén/ időben nem egyenletes
• Sugárzás inherens zaját ez a jelenség generálja
– Ergodikus eloszlással írható le
– Véletlen Poisson Folyamat:
• várható érték esetén szórás
• Ideális képalkotó rendszer:
– Plusz zajt nem generál ( )
out inSNR SNR
exp
!
k
p kk
Noise Power Spectrum(zaj teljesítmény spektrum)
• A képzaj energiája frekvenciafüggő:
– NPS definíciója folytonos jel esetén:
– Diszkrét esetben:
• : detektor pixeleinek x és y irányú kiterjedése
• : detektor x és y irányú logikai felbontása (pixeleinek a száma)
• detektor fizikai mérete
2
1:
, ,
1lim
M
Nx Ny MNPS F I I
X Y
2
1:
, ,lim
M
Nx Ny Mx y
x yNPS F I I
N N
,x y
,x yN N
,x yX x N Y y N
Noise Power Spectrum(zaj teljesítmény spektrum)
• A képzaj energiája frekvenciafüggő:
– NPS definíciója folytonos jel esetén:
– Diszkrét esetben:
• : detektor pixeleinek x és y irányú kiterjedése
• : detektor x és y irányú logikai felbontása (pixeleinek a száma)
• detektor fizikai mérete
2
1:
, ,
1lim
M
Nx Ny MNPS F I I
X Y
2
1:
, ,lim
M
Nx Ny Mx y
x yNPS F I I
N N
,x y
,x yN N
,
, exp 2x y
f x y j ux vy dydx
,
, exp 2m n
f m n j u m M v n N
,x yX x N Y y N
Noise Equivalent Quanta(zaj ekvivalens kvantum)
• Normalized NPS:
– Kompenzálja a rendszer erősítését
–
• ~ Mi a detektor válasza olyan helyen, melybe Q foton érkezik (kvázi a rendszer erősítése)
• Noise Equivalent Quanta:
– Mennyi foton lenne szükséges ugyanazon képminőség eléréséhez, ha ideális lenne a képalkotás
–
2, ,NNPS u v NPS u v A
2 2, , , ,NEQ u v MTF u v NNPS u v SNR u v
A
Detective Quantum Efficiency(detektálási kvantumhatékonyság)
• Eddigi metrikáknál nem vizsgáltuk a dózistól / fotonok számától való függést:–
• Q a vizsgált detektort elérő kvantum (fotonok száma, definiálható így is a dózis)
– Fontos interpretáció:
• : érzékelőelemre belépő jel (pl. röntgensugár, fotonok) SNR –je
• A kész rendszer „információ átvitelének” hatékonyságát méri, értéke 0 és 1 között változik.
, ,DQE u v NEQ u v Q
2 2, , ,inDQE u v SNR u v SNR u v
,inSNR u v
DQE számolási példák -1-
• Adott egy röntgen detektor, melyet az alábbi rendszer ír le:– Egy ideális detektor és egy csillapító réteg soros
kaszkádja (pl. CsI szcintillátor), a csillapító réteg nem változtatja az átmenő sugárzás eloszlásának típusát.
– A szcintillátor a felületét elérő röntgen fotonok ¼-éből generál látható fotont, plusz zajt nem generál (nem szórja / keni el a fotonokat).
– Q=5000 röntgen foton/ pixel éri a teljes rendszert.
– NEQ=? DQE=? SNRin=? SNR=?
DQE számolási példák -2-
• Adott egy röntgen detektor, mely:
– Ideális detektor, és zajos A/D átalakító soros kaszkádja, mely zaja ekvivalens 50 foton/pixel-el a belépő sugárzás fluxusában (inherens zaj).
– A kiolvasási zaj és a detektort érő fotonok zaja Poisson eloszlású, egymással korrelálatlan.
– Q=10000 foton/pixel éri a detektor felületét.
– NEQ=? DQE=? SNRin=? SNR=?
• Jó közelítéssel ez a két zajforrás aggregálódik(Hf. az aggregát rendszer metrikái).
Röntgen detektor kvantum modellje
És mi a valóság?
• Gyakorlatban integráló típusú detektorok:
– Detektorok erősen érzékenyek a becsapódó fotonok energiájára:
• Szcintillátor anyagának a függvénye a történet
• Gyakorlatban van egy energiafüggő valószínűség
– Az eddig tárgyalt elmélet erősen egyszerűsít
– DE nincs ennél jobb általános modell
• Legalábbis hasonló komplexitású
• Vagy a nagy számok törvénye – Gauss zaj, de ezt inkább hanyagoljuk.