2015年7月28日火曜日

第4回 医用画像の基本的な性質を知ろう(その1)で学ぶ!

前回は、ImageJで扱うことができるいろいろな画像データの規格について学びました。
今回はDICOM通信による画像送受信についての概略と、実際に医用画像データを用いて、非常に基本的な画像の諸量の測定方法について参考記事を参考にして解説します。
実戦でも役立つことがあると思います。

DICOMフォーマットのサンプル画像


先立つものは画像です。
DICOM画像がなければ諸量の測定はできませんので、まず、サンプル画像入手できるサイトをご紹介いたします。一部のサイトでは、ユーザー登録が必要です。

D. Clunie

    http://dclunie.com/index.html#Images

OsiriX

  http://www.osirix-viewer.com/datasets/

dcche.org mDICOM Samples

  http://www.dcm4che.org/confluence/display/WEA/DICOM+Samples

aycan

  http://www.aycan.de/sample-dicom-images.html

National Biomedical Imaging Archive

  https://imaging.nci.nih.gov/ncia/login.jsf


Quantitative Imaging Data Warehouse (QIDW)

  https://www.rsna.org/QIDW/

Rubo Medical

    http://www.rubomedical.com/dicomfiles/index.html

LeadTools

    http://www.leadtools.com/SDK/Medical/DICOM/ltdc19.htm

S. Barré

    http://www.barre.nom.fr/medical/samples/index.html

webMathematica

    http://www.wolfram.com/products/webmathematica/resources/dicom.html

GDCM Extra Data:

    http://www.creatis.insa-lyon.fr/~jpr/

Data From Insight Journal

    http://gdcm.sourceforge.net/wiki/index.php/Sample_DataSet/InsightJournal

他にも、いろいろなサンプルが公開されていますので、探してみてください。

ImageJを使って画像の特徴を知る


1. 画像のスケーリング

早速、ImageJで表示した画像がどのくらいの大きさの実データを表示しているかを調べましょう。
今回はクルーニー氏のリンクから辿って、"UPMC Breast Tomography and FFDM Collection"の画像を取得して、解析を進めます。利用した画像は。CASE8の右側MLO:小葉癌(Lobular carcinoma)のトモシンセス画像です。

画像を表示すると、ウィンドウ上部に横×縦のピクセル数が表示されます。
この例では(266×425 pixels)となっています。


次に、ImageJのメニューからShow infoを選択し、DICOMヘッダーを表示してみると、Pixel Sizeが1×1に設定されていることがわかります。このサンプル画像のDICOMヘッダーには含まれていませんが、画像によっては(0028,0030)Pixel Spacingの値に1ピクセルあたりのサイズ(ミリメートル単位)が表示されることもあります。

今回、(0028,0030)Pixel Spacingの値が不明なので、多目的分解能(point spread function:PSFやaperture transfer functionを無視したピクセルだけを考慮した分解能)は、横幅が266×1=266mm、縦幅が425×1=425mmと仮定します。Pixel Spacingの値によって、この幅が計算できることがわかるということが重要です。

例えば、微少石灰化について、2値化>エッジ抽出>円形度circularityによる算出処理を行って、石灰化の周囲長(perimeter)と円形度を計測してみます。まず、先ほどの画像に四角形ROIをセットして、Image>Duplicateで画像を複製し、 2値化はImage>Adjust>Threshold、エッジはProcess>Find Edgesで処理で行います。



 (二値化してエッジ処理後、領域選択ツールで石灰化を選択した状態)

円形度(circularity)はプラグインとして公開されています。利用するときは、二値化をして領域選択ツール(棒の先が光っているマーク)で解析対象を選択した後、Plugin>Compile and Runでダウンロードしておいたjavaファイルを指定して実行すると、Resultテーブルの右端に円形度が表示されます。







もし、DICOM画像中にスケーリングするためのパラメータがない場合は、撮影の際に定規などのスケールを被写体と一緒に撮影しておけば、およその画素サイズをAnalyze>Set Scaleから設定できます。単位も変更できるので留意が必要です。

2. ヒストグラム

二次元の医用画像はピクセルの集合ですが、この1つ1つのピクセルの持つ値(濃淡値=画素値)の分布を調べるための手法の1つがヒストグラムです。
モノクロ画像(CT)とカラー画像(カラードップラー画像)のヒストグラムを表示してみます。
カラー画像のヒストグラムは、各チャンネルで表示する必要があります(分解の方法は第3回を参照)。




さて、ここでヒストグラム表示のグラフ下に関心領域の全画素数(Count)、画素値の最大値(Max)、最小値(Min)、平均値(Mean)、標準偏差(StdDev)、最頻値(Mode)などが表示されていることがわかります。
これらが画像の特徴を表す代表的な指標となります。また、前述の円形度も特徴の一つです。
画像から得られる特徴はまだまだあります。

次回も引き続きImageJを使った医用画像の特徴量の測定法について述べます。

Visionary Imaging Services, Inc.は、イメージング技術サポートを通じて、創薬研究や医療機器開発など、臨床研究(臨床試験)サポートサービスを展開しております。
お問い合わせはこちらまでお願いいたします。

参考記事:「山本修司:ImageJで学ぶ実践医用・バイオ画像処理.INNERVISION(20・3) 2005, p108-110

0 件のコメント:

コメントを投稿