-
Die
vorliegende Erfindung bezieht sich auf ein Datenerfassungs- und
Datenreduktionssystem zur Akquisition und Kompression von Bilddaten,
die von einer Bilddaten-Detektoreinheit eines Bildgebungssystems, in
das das Datenerfassungs- und Datenreduktionssystem integriert ist,
generiert und bereitgestellt werden. Bei dem Bildgebungssystem kann
es sich dabei z.B. um ein konventionelles Röntgen-, Computertomografie-
oder Magnetresonanztomografiegerät
zur hochauflösenden
radiografischen, CT- bzw. MRT-gestützten Darstellung von interessierenden
Gewebebereichen eines zu untersuchenden Patienten handeln. In diesem
Zusammenhang bezieht sich die vorliegende Erfindung vor allem auf
ein in das Front End dieses Datenerfassungs- und Datenreduktionssystems
integriertes Datenkomprimierungsmodul sowie auf ein zugehöriges Datenakquisitionsverfahren,
mit dessen Hilfe die Datendurchsatzrate eines an das Röntgen-,
CT- oder MRT-Gerät
angeschlossenen Bildverarbeitungs- und Bildvisualisierungssystems
verbessert werden kann.
-
Digitale
Bilddaten werden heutzutage in nahezu allen technischen Bereichen
benötigt.
Neben dem Internet, in dem es kaum noch Webseiten ohne digitale
Bilder gibt, erlebt insbesondere die digitale Fotografie derzeit
einen rasanten Aufschwung. Auch in anderen Bereichen, wie z.B. in
der Archivierung von Bilddokumenten oder in der technischen Qualitätskontrolle,
setzen sich digitale Bilder immer weiter durch. Werden an sie die
gleichen Qualitätsansprüche wie
an die klassische Fotografie gestellt, entstehen sehr große Datenmengen
im Bereich von mehreren Megabytes pro Bild. Für Anwendungen, bei denen große Mengen
an digitalen Bilddaten anfallen, wie z.B. für die meisten Anwendungen im
Bereich Multimedia oder im Bereich der medizinischen Bilddatenverarbeitung,
ist somit ein effi zientes Datenkompressionsverfahren als Zwischenschritt
vor einer Übertragung
oder Archivierung dieser Daten unabdingbar. Die Anforderungen an
die visuelle Qualität
von digitalen Bildern sind dabei höchst unterschiedlich. Im Internet
steht meist eine effiziente Übertragung
der Bilddaten im Vordergrund, die sich nur durch eine starke, verlustbehaftete
Kompression erzielen lässt,
was zur Folge hat, dass die Bildqualität typischerweise eher gering
ist. Andere Einsatzfelder, wie beispielsweise die medizinische Bilddatenverarbeitung,
erfordern hingegen eine möglichst
verlustlose Kompression der Bilder.
-
Bei
Vornahme einer Quantisierung des darstellbaren Wertebereichs auf
N verschiedene Farb- bzw. Grauwerte (Symbole) lassen sich akquirierte
Bilddaten mit m = ⌈log2(N)⌉ Bits
pro Pixel beschreiben. So können bei
einer Kodierung mit m Bits/Pixel bis zu N = 2m verschiedene
Symbole unterschieden werden. Mit Hilfe des Shannonschen Quellenkodierungstheorems,
mit dem sich die minimale Datenrate zur Übertragung von N statistisch
unabhängigen
Symbolen bestimmen lässt,
kann gezeigt werden, dass ein digitales Bild mit N unterschiedlichen
Farb- bzw. Grauwerten Ij der Auftrittswahrscheinlichkeiten
pj (wobei j in den natürlichen Zahlen enthalten ist)
genau dann optimal kodiert (d.h. mit maximal möglicher Kompressionsrate komprimiert)
wird, wenn jedem Farb- bzw. Grauwert Ij ein
Kode der Länge
L = –log2(pj) (in Bits pro
Pixel) zugeordnet wird. Bei dieser Kodierung ergibt sich dann eine
Quellenentropie von H = –ΣNj=1 pj·log2(pj) Bits pro
Pixel. Unabhängig
davon, wie ein solcher Kode zu erzeugen ist, gibt die Entropie die
theoretische untere Schranke an, mit der ein Bild kodiert werden
kann, wenn jedes Pixel individuell kodiert wird. Gelingt es, die
Pixelwerte des Bildes vollständig
zu dekorrelieren, was möglich
ist, da die Grauwerte benachbarter Pixel in der Regel nicht statistisch unabhängig sind,
beschreibt die Entropie dieses nun redundanzbefreiten Bildes eine
mögliche
untere Grenze, die angibt, welcher Kompressionsfaktor maximal erreichbar
ist. Hierbei gilt es zwei Probleme zu lösen: Als Erstes muss versucht
werden, dem Bild jegliche inhärente
Redundanz zu entziehen. Dies ist in der Regel relativ schwierig,
da die genaue Art der Abhängigkeit
von Grauwerten einzelner Pixel untereinander, welche sich auch lokal ändern kann,
unbekannt ist. Das zweite Problem besteht darin, anschließend einen
Kode – angepasst
an die Auftrittswahrscheinlichkeiten der verbleibenden Symbole – zu konstruieren,
welcher eine resultierende durchschnittliche Bitrate erzeugt, die
der zuvor bestimmten Quellenentropie möglichst nahe kommt.
-
Ein
typisches Beispiel für
die Anwendung moderner Bildkompressionsalgorithmen im Bereich der
medizinischen Bilddatenverarbeitung stellen Bilddatenerfassungs-,
Bildarchivierungs, Bildrendering- und Bildvisualisierungssysteme
mit hoher Eingangskanalzahl dar, wie sie unter anderem in Verbindung
mit modernen Computer- oder Magnetresonanztomografiegeräten oder
bei mit Flächendetektoren
ausgestatteten Röntgengeräten vorkommen.
All diese Systeme müssen
in der Lage sein, hohe Datenraten zu verarbeiten. Bislang werden
die mit Hilfe röntgenologischer,
CT- bzw. MRT-gestützter
Bildgebung akquirierten Bilddaten werden in der Regel zu einer baumartigen
Datenstruktur konzentriert und dann mit Hilfe von wenigen Hochgeschwindigkeits-Datenverbindungen
zwecks Speicherung, weiterer Verarbeitung und/oder grafischer Darstellung
an ein Bildarchivierungs- bzw. Bildrendering- und Bildvisualisierungssystem
weitergeleitet, ohne dass zuvor eine Datenreduktion mit einer zur
Gewährleistung
des erforderlichen Datendurchsatzes ausreichenden Kompressionsrate
stattgefunden hat.
-
Stattdessen
wird das Problem der Bewältigung
der bei einem CT- bzw. MRT-gestützten
Bildgebungsprozess anfallenden hohen Datenmengen bei der Archivierung,
Weiterverarbeitung und grafischen Visualisierung dieser Daten und
das Problem der darauf zurückzuführenden
Vollauslastung bzw. Überlastung
der Prozessorkapazitäten
eines zu diesem Zweck verwendeten Bilddatenerfassungs-, Bildarchivierungs-,
Bildrendering- und Bildvisualisierungssysteme derzeit durch ein
geschicktes Pa rallelisieren von kausal unabhängigen und damit simultan ausführbaren
(nebenläufigen)
Prozessen oder Threads (Multitasking) gelöst bzw. durch Erzielung von
Nebenläufigkeit
innerhalb von einzelnen dieser Prozesse oder Threads (Multithreading).
Darüber hinaus
wird versucht, durch Verwendung moderner Hochgeschwindigkeits-Datenübertragungstechnik
mit Datenübertragungsraten
von einigen hundert Megabit pro Sekunde bis hin zu mehreren Gigabit
pro Sekunde die zur Echtzeit-Verarbeitung
der anfallenden Datenmenge erforderliche Datendurchsatzrate zu erzielen.
-
Aus
US 6,115,488 A beispielsweise
ist ein Bildsequenzspeicher- und Übertragungssystem bekannt, bei
dem die akquirierten Datensätze
noch vor Übertragung
und Speicherung auf Basis einer sogenannten „hybriden Kompressions-Technik" mit einem vom Anwender
wählbaren
Komprimierungsgrad (bis zu 100:1 und mehr) kaskadierter Kompressions-Verfahren
(z.B. verlustfreier oder verlustbehafteter Kompressionsverfahren in
Kombination mit nichtlinearen zeitverzögerten Kompressionsverfahren)
komprimiert werden können.
-
AUFGABE DER VORLIEGENDEN ERFINDUNG
-
Ausgehend
von dem oben genannten Stand der Technik, ist die vorliegende Erfindung
der Aufgabe gewidmet, die Datendurchsatzrate eines eingangsseitig über eine
Datenübertragungsleitung
an ein Bildgebungssystem angeschlossenen Bildverarbeitungs- und
Bildvisualisierungssystems zu steigern.
-
Diese
Aufgabe wird erfindungsgemäß durch
die Merkmale der unabhängigen
Patentansprüche
gelöst. Vorteilhafte
Ausführungsbeispiele,
die den Gedanken der Erfindung weiterbilden, sind jeweils Gegenstand
der abhängigen
Patentansprüche.
-
ZUSAMMENFASSENDE DARSTELLUNG
DER VORLIEGENDEN ERFINDUNG
-
Die
vorliegende Erfindung sieht dabei vor, dass die Daten eines Datenerzeugungs-
und Datenerfassungsprozesses nach er folgter Digitalisierung bereits
am dem Ort, wo sie anfallen, einer Datenreduktion unterzogen werden.
Der Kompressionsfaktor eines dort zu diesem Zweck durchgeführten Datenkompressionsverfahrens
ist dabei so festgelegt, dass entweder kein oder kein deutlich wahrnehmbarer
Informationsverlust entsteht, die Datendurchsatzrate jedoch auf
ein zur Echtzeit-Verarbeitung
des Daten notwendiges Maß gesteigert
werden kann.
-
Im
Einzelnen bezieht sich die vorliegende Erfindung gemäß einem
ersten Aspekt auf ein Datenerfassungssystem zur Akquisition von
Bilddaten, die von einer Bilddaten-Detektoreinheit eines Bildgebungssystems,
in das das Datenerfassungssystem integriert ist, generiert und bereitgestellt
werden. Das erfindungsgemäße Datenerfassungssystem
verfügt
dabei über
ein Datenkomprimierungsmodul zur Datenreduktion akquirierter Bilddaten,
welches in das Front End des Datenerfassungssystems integriert ist.
Das Datenkomprimierungsmodul erfüllt
dabei den Zweck, die Datendurchsatzrate eines an das Röntgen-,
CT- oder MRT-Gerät
angeschlossenen Bildverarbeitungs- und Bildvisualisierungssystems
durch ausreichende Kompression der an das Bildverarbeitungs- und
Bildvisualisierungssystem weiterzuleitenden Bilddaten zu verbessern.
Erfindungsgemäß ist also
vorgesehen, dass die Funktionalität des Datenkomprimierungsmoduls
im Rahmen einer in den Front End-Bereich des Bildgebungssystems
integrierten Schaltung implementiert ist, welche die Funktionalität des Datenerfassungssystems
realisiert. Bei dem vorgenannten Bildgebungssystem handelt es sich
wie gesagt um ein konventionelles Röntgen-, CT- oder MRT-Gerät handeln,
welches zur hochauflösenden
radiografischen, computer- bzw. magnetresonanztomografischen Darstellung
von interessierenden Gewebebereichen, inneren Organen, anatomischen
Objekten bzw. pathologischen Strukturen im Körperinneren eines zu untersuchenden
Patienten eingesetzt werden kann. Die zur Verarbeitung röntgenologischer,
computer- oder magnetresonanztomografischer Bilddaten erforderliche
Datenreduktion findet dabei erfindungsgemäß bereits im Front End eines
in das Röntgen-,
CT- bzw. MRT-Gerät
integrierten Datener fassungssystems statt und nicht erst in einem über eine
Hochgeschwindigkeits-Datenübertragungsleitung
an eine Datenausgangsschnittstelle des Röntgen-, CT- bzw. MRT-Geräts angeschlossenen
Bildverarbeitungs- und Bildvisualisierungssystem.
-
Das
erfindungsgemäße Datenkomprimierungsmodul
kann dabei entweder zur Durchführung
eines verlustfreien, reversiblen Kompressions- und Kodierverfahrens
programmiert sein, welches z.B. auf dem Prinzip der Lauflängenkodierung,
Shannon-Fano-Entropiekodierung,
Huffman-Kodierung, arithmetischen Kodierung oder Lempel-Ziv-Welch-Kodierung
beruht, oder zur Durchführung
eines verlustbehafteten Kompressions- und Kodierverfahrens. Letzteres
kann dabei z.B. auf dem Prinzip der Diskreten Kosinustransformation,
Wavelet-Transformation, geometrischen oder fraktalen Bildkompression
basieren. Alternativ kann erfindungsgemäß vorgesehen sein, dass das
Datenkomprimierungsmodul zur Durchführung eines verlustbehafteten
kontextbasierten Kompressionsalgorithmus (mehr dazu siehe später) programmiert
ist, in dessen Rahmen beispielsweise die Korrelation von Grauwerten
angrenzender Bildpunkte von zusammenhängenden Bereichen derselben Röntgen-,
MRT- oder CT-Schichtaufnahme,
die Korrelation von Grauwerten derselben Bildpunkte in zeitlich aufeinander
folgenden CT- bzw. MRT-Schichtaufnahmen
ein und derselben Schicht oder die Korrelation von Grauwerten derselben
Bildpunkte in räumlich
aneinander angrenzenden CT- bzw. MRT-Schichtaufnahme zur Bewerkstelligung
einer Datenreduktion ausgenutzt wird.
-
Gemäß einem
zweiten Aspekt bezieht sich die vorliegende Erfindung auf ein über eine
Datenleitung an ein Bildverarbeitungs- und Bildvisualisierungssystem
angeschlossenes Bildgebungssystem, welches mit einem derartigen
Datenerfassungssystem ausgestattet ist.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
Weitere
Merkmale der vorliegenden Erfindung ergeben sich aus den abhängigen Patentansprüchen sowie
aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung,
welche anhand der folgenden Zeichnungen veranschaulicht werden:
-
1 zeigt
ein Blockdiagramm zur Veranschaulichung der Systemarchitektur des
erfindungsgemäßen Bildakquisitions-,
Bildarchivierungs- und Bildrenderingsystems,
-
2 zeigt
ein Ablaufdiagramm des erfindungsgemäßen Verfahrens.
-
DETAILLIERTE BESCHREIBUNG
DER ERFINDUNG
-
In
den folgenden Abschnitten werden die Systemkomponenten des erfindungsgemäßen Datenerfassungssystems
und die Schritte des erfindungsgemäßen Verfahrens anhand der beigefügten Zeichnungen
im Detail beschrieben.
-
In 1 ist
ein schematisches Blockschaltbild eines Bildakquisitions-, Bildarchivierungs-
und Bildrenderingsystems gemäß vorliegender
Erfindung dargestellt, welches es ermöglicht, von einem medizintechnischen
Bildgebungssystem BGS generierte Bilddaten aus dem Körperinneren
eines zu untersuchenden Patienten zu erfassen, zu komprimieren,
abzuspeichern und nach Durchführung
einer Bildverarbeitungsprozedur auf dem Anzeigebildschirm AB eines
Bildschirm-Terminals in grafischer Form darzustellen. Der bildgebende Teil
BGT des vorgenannten Bildgebungssystems BGS kann dabei z.B. Röntgenquelle
RQ und Röntgendetektoreinheit
DE eines konventionellen Röntgen-
oder Computertomografiegeräts
bzw. das Erreger- und Detektorspulensystem eines herkömmlichen
Magnetresonanztomografiegeräts
umfassen. Ohne Beschränkung
der Allgemeinheit soll jedoch bei der Beschreibung dieses Ausführungsbeispiels
im Folgenden von dem Beispielfall ausgegangen werden, dass ein CT-Gerät zur Generierung
und Bereitstellung der Bilddaten verwendet wird, so wie in 1 dargestellt.
Anders als bei herkömmlichen
CT-Systemen werden dabei die von einer Röntgendetektoreinheit DE über einen
ausgangsseitigen Messverstärker
MV bereitge stellten Bilddaten von einem Datenkomprimierungsmodul
DKM im Front End eines in das CT-Gerät integrierten Datenerfassungssystems
(im Folgenden auch als Datenerfassungs- und Datenreduktionssystem
DERS bezeichnet) mit einem vorgegebenen oder vom Anwender vorgebbaren
Kompressionsfaktor komprimiert, bevor sie über eine Hochgeschwindigkeits-Übertragungsleitung
zu einem Bildverarbeitungssystem BVS weitergeleitet und dort über eine
parallele oder serielle Eingabe-/Ausgabe-Schnittstele I/O eingelesen werden.
Das Bildverarbeitungssystem BVS kann neben einer zentralen Steuerungseinrichtung
ZSE, welche den Datenaustausch mit dem CT-Gerät sowie den Datenaustausch
zwischen den einzelnen Systemkomponenten des Bildverarbeitungssystem
BVS steuert, unter anderem ein Vorverarbeitungsmodul VVM mit einem
digitalen Filter zur Rauschunterdrückung, Kontrastverbesserung
und Kantendetektion umfassen. Nach Abschluss der Vorverarbeitung
können
die Bilddaten in Vorbereitung für
eine spätere
grafische Visualisierung je nach Systemkonfiguration entweder temporär oder persistent
im Bilddatenspeicher einer externen Speichereinheit SE gespeichert
werden, verknüpft
mit den Stammdaten des betreffenden Patienten und untersuchungsdaten
aus früheren
Untersuchungen dieses Patienten, die in einer patientenspezifischen
Berichts- bzw. Befunddatei vorgehalten werden. Um die gefilterten Bilddaten,
veranlasst durch die zentrale Steuerungseinrichtung ZSE des Bildverarbeitungssystems
BVS, in zwei- und/oder
dreidimensional gerenderter Form auf dem Anzeigebildschirm AB eines
Bildschirm-Terminals in grafischer Form zur Anzeige bringen zu können, werden
sie einer in das Bildverarbeitungssystem BVS integrierten 2D-/3D-Bildrendering-Applikation BRA zugeführt, welche
aus den vom CT-Gerät
generierten, zu Volumendatensätzen
zusammengefassten Bilddaten einzelner Schichtaufnahmen interessierender
Gewebebereiche, innerer Organen, anatomischer Objekten oder pathologischer
Strukturen im Körperinneren
des zu untersuchenden Patienten gerenderte 2D-Projektionen bzw.
rekonstruierte, unter beliebigen Betrachtungswinkeln darstellbare
3D-Ansichten der genannten Areale und Bildobjekte berechnet. Ein
die computertomografische Untersuchung eines Patienten durchführender
Ra diologe hat dabei die Möglichkeit,
einzelne Systemparameter, die im Rahmen des CT-Scanvorgangs bzw.
im Rahmen der Vorverarbeitung oder Rekonstruktion akquirierter Bilddaten
benötigt
werden, über
eine mit einem Dateneingang der zentralen Steuerungseinrichtung ZSE
verbundene Eingabeschnittstelle PARAM IN des Bildverarbeitungssystems
BVS vorzugeben bzw. abzuändern.
-
Ein
Ablaufdiagramm, welches den Ablauf des erfindungsgemäßen Verfahrens
im Gesamtzusammenhang zeigt, ist in 2 dargestellt.
Das Verfahren beginnt mit der Ausführung (S1) einer Prozedur zur
Generierung von Bilddaten zu untersuchender Gewebebereiche, innerer
Organe, anatomischer Objekte bzw. pathologischer Strukturen im Körperinneren
eines zu untersuchenden Patienten mit Hilfe eines röntgenologischen, computer-
oder magnetresonanztomografischen Bildgebungssystems BGS. Nach Akquisition
(S2) der generierten Bilddaten über
ein in das Bildgebungssystem integriertes Datenerfassungs- und Datenreduktionssystem
DERS wird, wie erfindungsgemäß vorgesehen,
ein Kompressionsalgorithmus zur Datenreduktion der akquirierten
Bilddaten um einen vorgegebenen bzw. von einem Radiologen vorgebbaren
Kompressionsfaktor im Front End des Datenerfassungs- und Datenreduktionssystem
DERS ausgeführt
(S3a). Anschließend
werden die komprimierten Bilddaten in einem Zwischenspeicher dieses
Datenerfassungs und Datenreduktionssystems DERS gepuffert (S3b)
und je nach Datenübertragungskapazität einer
Datenübertragungsleitung,
die das Bildgebungssystem BGS mit einem zur Weiterverarbeitung der
generierten Bilddaten verwendeten Bildverarbeitungssystem BVS verbindet,
in Form eines aus einzelnen Datenblöcken bestehenden seriellen
Bilddatenstroms schrittweise ausgegeben.
-
Ist
der Bildgebungsprozess abgeschlossen, was über eine Abfrage (S4) ermittelt
wird, wird der komprimierte Bilddatenstrom an ein über eine
Dateneingabeschnittstelle RAWDATA IN mit dem Bildgebungssystem verbundenes
Bildverarbeitungs- und Bildvisualisierungssystem BVS + AB weitergeleitet
(S5), welches aus der auf einem Bildschirm-Terminal laufenden Bildverarbeitungs-
und Bildvisualisierungsapplikation und einem an das Bildschirm-Terminal
angeschlossenen Anzeigebildschirm AB gebildet wird. Andernfalls
wird das Verfahren erneut mit Schritt S2 fortgesetzt. Nach Erhalt
des komprimierten Bilddatenstroms werden die Bilddaten von dem Bildverarbeitungssystem
BVS im Bilddatenspeicher einer externen Speichereinheit SE gespeichert (S6),
zweckmäßigerweise
verknüpft
mit den Stammdaten des betreffenden Patienten und Untersuchungsdaten
aus früheren
Untersuchungen dieses Patienten, die in einer Patienten-spezifischen
Berichts- bzw. Befunddatei in einem Speicherbereich der Speichereinheit
SE vorgehalten werden. Nach Filterung (S7) der akquirierten Bilddaten
im Rahmen einer zur Rauschunterdrückung, Kontrastverbesserung
und Kantendetektion durchgeführten
Vorverarbeitungsprozedur wird dann eine 2D-/3D-Bildrendering-Applikation
BRA zur grafischen Visualisierung von Schichtaufnahmen, rekonstruierten
2D-Projektionen
bzw. rekonstruierten 3D-Ansichten abzubildender Gewebebereiche,
innerer Organe, anatomischer Objekte oder pathologischer Strukturen
(z.B. Tumoren, Metastasen, Hämatome,
Abszesse etc.) im Körperinneren
des zu untersuchenden Patienten ausgeführt (S8), woraufhin, die gerenderten
Bilddaten auf dem Anzeigebildschirm AB eines Bildschirm-Terminals
in grafischer Form dargestellt werden (S9).
-
Der
im Rahmen von Schritt S3a des erfindungsgemäßen Verfahrens zur Datenreduktion
verwendete Kompressionsalgorithmus kann im Wesentlichen auf vier
unterschiedlichen Prinzipien beruhen, welche einzeln, aber auch
in Kombination miteinander zum Einsatz gebracht werden können: In
diesem Zusammenhang sind zum Einen Kodebuch-basierte Algorithmen
zu nennen, mit denen versucht wird, Teile der Bilddaten eines zu übertragenen
Bildes durch identische, bereits übertragene Teile zu beschreiben.
Ist diese Beschreibung effizienter als eine direkte Übertragung
der Grauwerte für
die einzelnen Pixel dieses Bildes, wird eine Kompression erreicht.
Eine zweite Methode besteht darin, eine Prädiktion (Vorhersage) für den aktuell
zu kodierenden Pixelwert zu treffen. Zu diesem Zweck braucht lediglich
der jeweilige Prädiktionsfehler
kodiert zu werden. Ist die Vorhersage gut, fällt die Entropie des Prädiktions fehlers
geringer aus als die der Originalwerte. Ein drittes Verfahren sieht
die Anwendung einer dekorrelierenden Transformation auf einzelne
Pixelblöcke
vor, wodurch die Energie eines Pixelblocks auf wenige Transformationskoeffizienten
konzentriert und die Quellenentropie verringert wird. Auch eine
vierte Methode, welche darin besteht, durch Kontextbildung, d.h.
durch eine gemeinsame Betrachtung von Pixeln zusammenhängender
Bildbereiche mit gleichen oder hochgradig ähnlichen Grauwerten, die bedingten
Auftrittswahrscheinlichkeiten der jeweiligen Grauwerte aller Pixel
bei Zuordnung zu einem bestimmten Bildbereich zu modellieren, kann
im Rahmen von Schritt S3a des erfindungsgemäßen Verfahrens vorteilhaft
eingesetzt werden. Gelingt es, die einzelnen Pixel eines Bildes
zu einer möglichst
geringen Anzahl von Bildbereichen mit gleichen oder zumindest ähnlichen
Grauwerten zusammenzufassen, werden die Auftrittswahrscheinlichkeiten
der zu unterscheidenden Grauwerte erhöht, wodurch die Quellenentropie
verringert und damit der erzielbare Kompressionsfaktor gesteigert
wird.
-
Um
den Bilddaten eines beispielsweise mittels CT- bzw. MRT-gestützter Bildgebung
generierten digitalen Bildes die innewohnende Redundanz zu entziehen,
kann im Rahmen von Schritt S3a des erfindungsgemäßen Verfahrens in einem ersten
Kompressionsschritts beispielsweise eine Prädiktion der einzelnen Pixelwerte
und/oder durch eine Transformation der Bilddaten erfolgen. Bei diesem
Teilschritt handelt es sich typischerweise um eine lineare Operation,
die durch eine entsprechende, von einem Dekodierer der 2D-/3D-Bildrendering-Applikation
BRA auf Seiten des Bildverarbeitungs- und Bildvisualisierungssystems
ausgeführte
inverse Operation wieder rückgängig gemacht
werden kann. Im Falle einer verlustlosen Bildkompression ist dabei
zu beachten, dass die Berechnung der Redundanzreduktion unbedingt
mit einer ganzzahligen Integer-Arithmetik
realisiert werden muss, da die Verwendung einer Gleitkomma-Arithmetik
bei der Rekonstruktion der originalen Bilddaten Rundungsfehler erzeugen
kann, die eine verlustlose Rekonstruktion unmöglich machen. Bei Verwendung
eines ver lustbehafteten Kompressionsverfahrens erfolgt als nächster Kompressionsschritt
eine Umquantisierung der transformierten Bilddaten bzw. des Prädiktionsfehlers.
Dabei werden die Bilddaten gezielt mit einer geringeren Auflösung quantisiert,
so dass sich eine geringere Quellenentropie für die verbleibenden Pixelwerte
ergibt und die Bilddaten sich somit weiter komprimieren und einfacher
kodieren lassen. Dadurch, dass die Daten durch die Quantisierung
verfälscht
werden, ist eine fehlerfreie bzw. verlustlose Rekonstruktion über die
2D-/3D-Bildrendering-Applikation
BRA des Bildverarbeitungs- und Bildvisualisierungssystems nicht
mehr möglich.
Aus diesem Grund darf bei einer verlustlosen Bildkompression keine
Quantisierung durchgeführt
werden. Als letzter Kompressionsschritt kann z.B. eine Entropiekodierung
durchgeführt werden.
Hierbei wird versucht, einen Kode zu bestimmen, dessen durchschnittliche
Kodelänge
möglichst
nahe an die Entropie der Datenquelle herankommt. Eine besondere
Effizienzsteigerung lässt
sich erzielen, wenn es gelingt, die einzelnen Symbole durch Kontextmodellierung
möglichst
gut über
ihre bedingten Auftrittswahrscheinlichkeiten, d.h. über ihre
Auftrittswahrscheinlichkeiten bei Zuordnung zu bestimmten Bildbereichen
einheitlicher Grauwerte, zu beschreiben.
-
Ein
Beispiel für
ein weiteres verlustbehaftetes Kompressions- und Kodierverfahren, das auch bei geringer
Prozessorleistung im Rahmen des erfindungsgemäßen Verfahrens durchgeführt werden
kann, besteht in einer Umquantisierung des darstellbaren Grauwertbereichs
der Grauwerte von Bildpunkten generierter Querschnittsaufnahmen
aus dem Körperinneren
eines zu untersuchenden Patienten, die von dem Röntgen-, CT- bzw. MRT-Gerät in Form
eines seriellen Bilddatenstroms, bestehend aus einer Datensequenz
der einzelnen Grauwerte, bereitgestellt werden. Die Grauwerte der
einzelnen Bildpunkte werden hierbei in binär kodierter Form einer in Festkommadarstellung
mit einer reellwertigen normalisierten Mantisse m aus dem Bereich
1 ≤ m < 2 und einem ganzzahligen
Exponenten e (wobei e in den natürlichen
Zahlen, einschließlich
Null enthalten ist) zu einer ganzzahligen Basis b (z.B. b = 10)
angebbaren ganzzahligen Dezimalzahl Z = m·be in
auf- oder abgerundeter Form, d.h. mit einer reduzierten Nachkommastellenzahl
in der Mantisse m, gespeichert und folglich mit geringerer Grauwert-Auflösung, dafür jedoch
gegebenenfalls mit größerem Grauwert-Aussteuerbereich,
in grafischer Form dargestellt.
-
Soll
jedem Grauwert (d.h. jedem Symbol) ein individuelles Kodewort zugewiesen
werden, und zwar so, dass die mittlere Kodewortlänge minimal wird, lässt sich
ein solcher Kode z.B. mittels Huffman-Kodierung erzeugen. Hierbei
sind allerdings keine Kodes möglich,
die weniger als 1 Bit pro Symbol verwenden. Dies ist insbesondere
dann kritisch, wenn es Symbole mit Wahrscheinlichkeiten größer 0,5
gibt. Hier schafft eine arithmetische Kodierung Abhilfe, die jeweils
mehrere Symbole gemeinsam kodiert und somit erreicht, der Quellenentropie
beliebig nahe zu kommen. Beim Verfahren der arithmetischen Kodierung
handelt es sich um ein ohne größeren Rechenaufwand
durchführbares
Kompressions- und Kodierverfahren, bei dem von einer Datenquelle
generierte Symbolsequenzen (z.B. ein von dem Röntgen-, CT- bzw. MRT-Gerät generierter
und serialisierter Bilddatenstrom, bestehend aus den Grauwerten
der einzelnen Bildpunkte von Querschnittsaufnahmen aus dem Körperinneren
des zu untersuchenden Patienten) binär kodiert werden, ohne dass
hierzu wesentlich mehr Bits benötigt
werden als die ideelle Entropie der Datenquelle vorgibt. Im Gegensatz
zu dem wesentlich bekannteren Huffman-Algorithmus wird dabei nicht
jedem Symbol eine feste Bitfolge zugeordnet, sondern es wird aus der
komplett zu kodierenden Symbolfolge eine reelle Dezimalzahl (d.h.
eine Gleitpunktzahl, bestehend aus einer normalisierten Mantisse
und einem zur Basis 10 angegebenen Exponenten) im Intervall [0;
1[ konstruiert, welche in binärer
Darstellung dem komprimierten Datenstrom entspricht – daher
die Bezeichnung „arithmetische" Kodierung. Der Kodiervorgang
läuft in
Form einer Intervallschachtelung ab, d.h. mit jedem weiteren Symbol
ai wird ein Kodierintervall im Bereich [0;
1[ um den Faktor p(ai), d.h. um die Auftrittswahrscheinlichkeit
des betreffenden Symbols, verkleinert, wobei die als Ergebnis ausgegebene
Gleitpunktzahl liegt innerhalb des jeweils ver kleinerten Intervalls
liegt. Der Kodiervorgang wird dabei durch eine in der arithmetischen
Kodierung als „Modell" bezeichnete Wahrscheinlichkeitsverteilung
der Symbole des Symbolalphabets direkt beeinflusst. Daher kann das
Modell während
der Kodierung einer längeren
Symbolfolge mühelos
dynamisch angepasst werden, ohne dass wie bei der Huffman-Kodierung erst ein
Kodebaum neu konstruiert werden muss.
-
Im
Einzelnen läuft
das Verfahren der arithmetischen Kodierung wie folgt ab: Im Rahmen
einer Initialisierungsphase wird zunächst das aktuelle Kodierintervall
I wird auf den Bereich [0; 1[ festgelegt. Daraufhin wird dieses
Intervall in N Teilintervalle zerlegt, wobei jedem Symbol ai aus einem Symbolalphabet A = {a1, a2, ..., aN} genau ein Teilintervall zugeordnet wird.
Die Länge
jedes Teilintervalls ergibt sich dabei aus der Auftrittswahrscheinlichkeit
p(ai) des betreffenden Symbols ai multipliziert mit der Größe des aktuellen
Kodierintervalls. Nach der Aufteilung in Teilintervalle wird das
aktuelle Kodierintervall durch das dem jeweils nächsten zu kodierenden Symbol
ai entsprechende Teilintervall ersetzt.
Anschließend
wird dieses neue Intervall wieder unterteilt, und dieser Vorgang
wird für
alle folgenden Symbole wiederholt, bis kein Symbol mehr zu kodieren
ist. Daraufhin wird die kürzeste
im Intervall [0; 1[ liegende Binärzahl
gesucht, die innerhalb des Kodierintervalls liegt. Die Nachkommastellen
dieser Binärzahl
werden dann als Kodierergebnis ausgegeben.
-
Ein
arithmetischer Kodierer verwendet in der Regel zwei Festkomma-Variablen
l und h mit beliebig steigerbarer Genauigkeit, die die untere und
obere Grenze des aktuellen Kodierintervalls festlegen. Nach Kodierung
des jeweils nächsten
Symbols a
i einer Symbolsequenz hat sich
das Kodierintervall auf ein Intervall verkleinert, welches durch
die beiden Intervallgrenzen
begrenzt wird. Das neue Kodierintervall
ist dabei um den Faktor p(a
i) kleiner als
das vorangegangene. Nach Kodierung des letzten Symbols wird l solange
aufgerundet, solange noch l < h
gilt, und die Nachkommastellen von l werden dann als Kodierergebnis
ausgegeben.
-
Zur
Dekodierung liest ein arithmetischer Dekodierer zunächst eine
komplette, einer binären
Kodesequenz entsprechende dezimale Gleitkommazahl, bestehend aus
einer Mantisse und einem zur Basis 10 angegebenen Exponenten, ein
und legt diese in einer Festkomma-Variable x ab. Anschließend werden
wie beim Kodiervorgang die beiden Grenzen des Kodierintervall im
Rahmen einer Initialisierungsphase auf l = 0 und h = l festgelegt,
woraufhin genauso wie beim Kodiervorgang der Übergang auf das jeweils nächst kleinere
Kodierintervall vorgenommen wird. Während jedoch beim Kodierer
das bekannte nächste
Symbol a
i das nächste Kodierintervall aus den
N Teilintervallen der Zerlegung auswählt, bestimmt beim Dekodiervorgang
die eingelesene Zahl x, welches Teilintervall das nachfolgende Kodierintervall
ist. Das ausgewählte
Teilintervall bestimmt außerdem,
welches dekodierte Symbol am Ausgang des Dekodierers bereitgestellt
wird. Bei einem aktuellen Kodierintervall [1; h[ wird im Dekodierer
dasjenige i gesucht, für
welches die Ungleichungskette
erfüllt ist.
Dann wird das Symbol a
i ausgegeben und das
neue Kodierintervall lautet wie beim Kodiervorgang [l'; h'[.
-
Wie
bereits angesprochen, kann es sich bei dem in Schritt S3a des erfindungsgemäßen Verfahrens zur
Datenreduktion verwendeten Kompressionsalgorithmus auch um einen
kontextbasierten Kompressionsalgorithmus handeln, der statistische
Abhängig keiten
der Grauwerte benachbarter Pixel ausnutzt, um in den vom Bildgebungssystem
BGS generierten Bilddaten enthaltene Redundanzen zu beseitigen bzw.
zu verringern. Dies kann z.B. durch Ausnutzung der Korrelation von
Grauwerten angrenzender Bildpunkte von zusammenhängenden Bereichen derselben
Röntgenaufnahme,
CT- oder MRT-Schichtaufnahme, der Korrelation von Grauwerten derselben
Bildpunkte in zeitlich aufeinander folgenden CT- bzw. MRT-Schichtaufnahmen
ein und derselben Schicht und/oder der Korrelation von Grauwerten
derselben Bildpunkte in räumlich
aneinander angrenzenden CT- bzw. MRT-Schichtaufnahmen geschehen. Die statistischen
Abhängigkeiten
der einzelnen Pixel-Grauwerte untereinander werden dabei durch die
Verwendung von Kontextvariablen modelliert. Ein Kontext bezeichnet
eine bestimmte Konstellation einer begrenzten Menge von benachbarten,
bereits kodierten Pixeln. Durch die Kontextbildung kann eine Verbesserung
der Kompression dann erzielt werden, wenn sich der Wert des zu kodierenden
Pixels möglichst
gut vorhersagen lässt,
d.h. wenn die Wahrscheinlichkeit für das zu kodierende Symbol
erhöht
wird. Durch die Verwendung von geeigneten Kontexten K lässt sich
dabei die Entropie verringern. Ziel ist, die Wahrscheinlichkeiten
der Pixelwerte für
unterschiedliche Kontexte möglichst
gut zu differenzieren. Durch eine Vergrößerung der Kontextregion ergeben
sich mehr mögliche
Kontexte, was eine verbesserte Modellierung der Wahrscheinlichkeiten
ermöglicht.
Zu große
Kontextregionen sind jedoch problematisch, da sehr schnell eine
extrem große
Anzahl von Kontexten entsteht, die größer als die Pixelanzahl des Bildes
sein kann. Wenn bei der Kodierung ein bestimmter Pixel mit einem
speziellen Kontext kodiert wird, kann es passieren, dass dieser
Kontext noch nie aufgetreten ist und daher keine sinnvollen Wahrscheinlichkeiten geschätzt werden
können.
-
Um
den Wertebereich der zu kodierenden Pixelwerte zu reduzieren, kann
ein nächster
Schritt darin bestehen, Kontextvariablen zu quantisieren, d.h. bestimmte
Wertebereiche für
die Kontextbildung zusammenzufassen, um somit auf eine handhabbare
Zahl von Kontexten zu kommen. Ein sehr gutes Beispiel für den Einsatz
der Kontextbildung und der Kontextquantisierung ist die sehr leistungsfähige Bildkompression
mittels CALIC. CALIC steht für „Context-based
Adaptive Lossless Image Compression" und wurde 1995 von der ISO bei der
Suche nach einem neuen Standard für die verlustlose Bildkompression
als bestes Verfahren eingestuft. CALIC verwendet dabei zwei unterschiedliche
Kontexttypen. Nach einer adaptiven Prädiktion wird eine Modellierung
des Prädiktionsfehlers
durchgeführt.
Hierzu wird die Prädiktionsfehlerenergie
aus den Gradienten der Nachbarpixel und dem benachbarten Prädiktionsfehler
abgeschätzt.
Dieser Schätzwert
wird in vier Bereiche quantisiert. Zusätzlich wird erfasst, ob die
umgebenden Pixel größer oder
kleiner als der Prädiktionswert
sind. Diese beiden Informationen bilden zusammen 576 mögliche Kontexte
zur Modellierung der Prädiktionsfehler bei
unterschiedlichen Bildtexturen. Allerdings wird nicht die Verteilung
der Prädiktionsfehler
modelliert, sondern „nur" der Erwartungswert
des Prädiktionsfehlers
bestimmt. Dieser Wert kann als weitere Verbesserung der Prädiktion
verwendet werden, da gelernt wird, inwieweit ein Prädiktor bei
bestimmten Kontexten versagt. Bei der anschließenden Kodierung des Prädiktionsfehlers
werden acht Kontexte verwendet. Die Klassifizierung erfolgt über die
zu erwartende Prädiktionsfehlerenergie.
Der 1997 verabschiedete Standard zur verlustlosen Bildkompression
JPEG-LS, der auch als LOCO bekannt ist, ging im Wesentlichen aus
einer vereinfachten Version von CALIC hervor.
-
Auch
der neue Bildkompressionsstandard JPEG2000 erlaubt eine verlustlose
Kompression von Bilddaten, die im Rahmen von Schritt S3a des erfindungsgemäßen Verfahrens
eingesetzt werden kann. Hierbei wird zunächst eine umkehrbare Integer-Wavelet-Transformation
durchgeführt.
Die Waveletzerlegung wird in Blöcke
unterteilt, die ihrerseits in ihre Bitebenen zerlegt werden, die
dann mit einem arithmetischen Kodierer entropiekodiert werden. Für die Kontextbildung
eines Bits eines Koeffizienten werden die acht umgebenden Positionen
verwendet. Insgesamt werden neun Kontexte unterschieden. Dadurch,
dass jeder Block unabhängig
von den anderen kodiert wird, besteht eine gute Möglichkeit
zur Adaptation an lokale Schwankungen der Bildstatistik. Durch die
Zerlegung in Bitebenen erlaubt JPEG2000 eine progressive Übertragung
der Daten, sodass aus einem Bruchteil einer verlustlos kodierten
JPEG2000-Datei z.B. eine Vorschau generiert werden kann.
-
Die
Vorteile der erfindungsgemäß im Front
End des Datenerfassungssystems durchgeführten Datenreduktion bestehen
insbesondere darin, dass das Bildverarbeitungssystem BVS nicht mit
modernster Technik zur Gewährleistung
hoher Datenverarbeitungsgeschwindigkeiten ausgestattet sein muss,
wodurch der Kostenaufwand für
das Gesamtsystem erheblich gesenkt werden kann. Zudem sind Bildverarbeitungssysteme
mit geringer Prozessorleistung und damit geringer Verarbeitungsgeschwindigkeit
leichter verfügbar
als solche mit höherer
Datendurchsatzrate. Wird das erfindungsgemäße, zur Durchführung einer
effizienten Datenreduktion erfasster Bilddaten ausgestattete Bildgebungssystem
BGS in Verbindung mit einem modernen Hochgeschwindigkeits-Bildverarbeitungssystem
BVS verwendet, lassen sich nochmals höhere Verarbeitungsgeschwindigkeiten
erzielen. Die Durchführung
eines der vorgenannten Kompressions- und Kodierverfahren im Front End des
Datenerfassungssystems DERS hat darüber hinaus den Vorteil, dass
die Prozessorverlustleistung des ausgangsseitig an das Bildgebungssystem
BGS angeschlossenen Bildverarbeitungssystems BVS bei niedrigen Taktraten
sinkt. Werden kundenspezifische integrierte Schaltungen im Front
End-Bereich des Datenerfassungssystems DERS eingesetzt, was häufig der
Fall ist, kann die Datenkompressionsfunktion bereits dort integriert
werden und erfordert somit keine weiteren Implementierungskosten.
Eine weitere kostensparende Implementation dieser Datenkompressionsfunktion
ergibt sich bei einer Kombination der zur Datenreduktion verwendeten
Kompressions- und Kodierverfahren mit dem ersten Schritt der eingangs
erwähnten
Konzentration akquirierter Bilddaten zu einer baumartigen Datenstruktur.