DE102005047539A1

DE102005047539A1 - Bildverarbeitungsverfahren zur Fensterung und/oder Dosisregelung für medizinische Diagnostikeinrichtungen

Info

Publication number: DE102005047539A1
Application number: DE102005047539A
Authority: DE
Inventors: Martin Dr. Spahn
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2005-09-30
Filing date: 2005-09-30
Publication date: 2007-04-05
Also published as: US20070076937A1; US7747058B2

Abstract

Bildverarbeitungsverfahren zur Ermittlung und Einstellung einer optimierten Fensterung und/oder Dosisregelung einer medizinischen Diagnostikeinrichtung basierend auf Röntgenstrahlung, wobei das aus einer Anzahl von Bildelementen (14) bestehende digitalisierte Bild einer ursprünglichen durch einen Röntgendetektor (5) erzeugten Detektor-Bilddatenmatrix B verarbeitet wird, indem der Objektbereich (12, 25) bestimmt wird durch Bildung einer Eingangs-Bilddatenmatrix B1, durch Bildung einer ROI-Bilddatenmatrix B2, durch Analyse ihrer ROI-Bilddatenelemente (17) und durch Auswahl der zum Objektbereich (25) gehörenden ROI-Bilddatenelemente (17) und indem die Signale der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) ausgewertet werden.

Description

Die Erfindung betrifft ein Bildverarbeitungsverfahren zur Ermittlung und Einstellung einer optimierten Fensterung und/oder Dosisregelung bei medizinischen Diagnostikeinrichtungen insbesondere digitalen Flachdetektoren basierend auf Röntgenstrahlung.

Digitale Bildgebungsverfahren spielen in der medizinischen Diagnostik und Intervention inzwischen eine entscheidende Rolle. Während in diagnostischen Verfahren wie z.B. in der Computertomographie, der Magnetresonanz, dem Ultraschall und in Verfahren der Nuklearmedizin digitale Techniken von Beginn an eingesetzt wurden, findet derzeit in „konventionellen" Röntgenverfahren, wie der Mammographie, Angiographie oder Kardiologie der Übergang zur digitalen Bildgebung in hohem Maße statt. Seit Jahren verändern somit digitale Röntgendetektoren die klassische Radiographie. Verschiedenste Technologien sind entweder schon länger im Einsatz oder kurz vor der Marktreife. Zu diesen digitalen Technologien zählen unter anderem Bildverstärker-Kamerasysteme, basierend auf Fernseh- oder CCD-Kameras (charged coupled devices), Speicherfoliensysteme mit integrierter oder externer Ausleseeinheit, Systeme mit optischer Ankopplung der Konverterfolie an CCD's oder CMOS-Chips, Selen-basierte Detektoren mit elektrostatischer Auslesung oder Festkörperdetektoren mit aktiven Auslesematrizen und direkter oder indirekter Konversion der Röntgenstrahlung. Insbesondere die letztgenannten Festkörperdetektoren (FD) erfahren seit den letzten Jahren umfangreiche Entwicklungen für den Einsatz in der digitalen Röntgenbildgebung. Einen Überblick über verschiedene Systeme bzw. die generelle Funktionsweise von direkt oder indirekt arbeitenden Festkörperdetektoren sind ausführlich beschrieben in „Flachbilddetektoren in der Röntgendiagnostik", Radiologe 43 (2003) S. 340-350).

Aus der Anwenderpraxis ergibt sich permanent die Forderung nach einer immer besseren Aufbereitung des digitalen Bildes, um den eigentlichen diagnostischen Inhalt optimal darzustellen und um so die Diagnose zu erleichtern bzw. zu beschleunigen. Ferner ist ein wesentliches Ziel der digitalen Bildverarbeitung die Aufbereitung der Röntgenbilder zur Verringerung der Strahlenbelastung des Patienten und des Untersuchenden. Dabei fungiert die Bildverarbeitung als Mittler in den Fällen, in denen eine Bildinformation in einer Form vorliegt, die dem Auge aufgrund physiologischer Eigenschaften des menschlichen Sehens unzugänglich ist. Zwei wesentliche Parameter für eine optimale Bildeinstellung sind neben der Auflösung der Pegel und der Kontrast. Dabei stellt die sogenannte Fensterung ein Hilfsmittel dar, die auf ca. 2⁷-2⁸ Graustufen begrenzte Kontrastfähigkeit des Auges auszugleichen, indem eine Spreizung von Bildteilbereichen auf den gesamten Leuchtdichtebereich des Betrachtungsmediums erfolgt und somit seine volle Dynamik ausnutzt. Die Parameter für die Fensterung gewinnen mit der heute schon üblichen hohen digitalen Auflösung von bis zu 14 Bits und den damit 16384 Graustufen noch an Bedeutung. Wird zu eng gefenstert oder ist der Pegel nicht optimal gewählt verschwinden Bildinhalte, wird zu weit gefenstert wird das Bild zu kontrastarm und Details sind schlechter erkennbar. Wie eingangs bereits erwähnt wird zum anderen bei Röntgengeräten mit nahezu verzögerungsfreier Digitalisierung wie z.B. bei Röntgengeräten mit Flachdetektoren die Bildverarbeitung dazu eingesetzt, eine Dosisregelung (z.B. bei fluoroskopischen Untersuchungen mit hohen Bildraten von ca. 30 Bildern/s) zu ermöglichen. Dabei wird der Bildinhalt automatisch analysiert und daraus die Generator-Einstellungen (z.B. Hochspannung, Röhrenstrom, Filter) für nachfolgende Bildreihen abgeleitet. An dieser Stelle muss diese Regelungsaufgabe sogar von digitalen Bildverarbeitung geleistet werden, da anders als bei älteren Technologien von Bildverstärkern, hier kein separates optisches Signal abgeleitet werden kann, welches für Regelaufgaben zu benutzen wäre.

Für die Einstellung der richtigen Fensterwerte sind aus dem Stand der Technik verschiedene Möglichkeiten bekannt. So beschreibt US-A-4,827,492 eine Vorrichtung für eine manuelle Grauwertfensterung bei der mit einem Bedienelement die Fensterbreite und mit einem anderen Bedienelement die Fenstermitte, die obere oder die untere Fenstergrenze eingestellt wird. Wünschenswert sind allerdings automatisch ablaufende Verfahren, die im klinischen Betrieb Zeit und Kosten sparen.

Eine andere weit verbreitete Möglichkeit zur automatischen Fensterung bei Röntgensystemen ist die ausschließliche Benutzung so genannter Organtasten, die einen voreingestellten, empirisch ermittelten Parametersatz für den jeweiligen Aufnahmebereich benutzen. Als nachteilig erweist sich hierbei, der hohe Bedienaufwand durch die Organtasten. Ferner bleiben die durch die vorher festgelegten Parameter individuell unterschiedlich Aufnahmebedingungen unberücksichtigt, die eingestellten Parameter können also nur einen Kompromiss darstellen.

In der US-A 5,351,306 ist ein Verfahren beschrieben, bei dem durch Ermittlung statistischer Parameter in lang gestreckten, parallel zum Bildrand angeordneten Auswertefeldern die Lage von Einblendungen gefunden werden kann. Dadurch, dass Überstrahlungen unberücksichtigt bleiben und gedrehte Einblendungen nicht erkannte werden können, erhält man mit einer derartigen Fensterung nicht immer optimale Ergebnisse.

Aus der US-A5,150,421 ist ein Verfahren bekannt, bei dem der in der Literatur beschriebene und allgemein bekannte Histogrammausgleich (Gleichverteilung der Grauwerte) in etwas modifizierter Form durchgeführt wird. Bei dieser nichtlinearen Grauwertetransformation ist aber auch eine Beschränkung auf den relevanten Bildbereich notwendig. Dies wird durch unterschiedliche Gewichtung der einzelnen Pixel gelöst. Es wird vorausgesetzt, dass Einblendungen und Überstrahlungen extrem hell oder dunkel sind, sowie hauptsächlich an den Bildrändern zu finden sind. Pixel nahe am Bildrand sowie mit extremen Grauwerten werden also für den Histogrammausgleich geringer gewichtet als solche, die näher zur Bildmitte liegen oder die weniger extreme Grauwerte haben. Des Weiteren wird eine Objektkonturerkennung vorgeschlagen, die auf Detektion von großen Grauwertänderungen im Bild basieren. Ein derartiges Verfahren weist die Nachteile auf, dass diese nichtlineare Grauwerttransformation den Bildcharakter verändert. Weiterhin trifft die Annahme nicht immer zu, dass relevante Bildbereiche immer in der Nähe der Bildmitte liegen sowie keine extremen Grauwerte besitzen. Außerdem lassen sich Einblendungen durch eine Objektkonturenerkennung allein durch Detektion von großen Grauwertänderungen im Bild ohne weitere Maßnahmen nicht zuverlässig erkennen.

Aus der DE-A1-197 42 152 ist ein Verfahren zur gefensterten Darstellung von medizinischen Bildern bekannt, bei dem Einblendungen und/oder Überstrahlungen erkannt und extrahiert werden und nur für die so erfassten bildrelevanten Teile durch Ermittlung ihrer Minimal- und Maximalwerte ihre Fenstergrenzen bestimmt werden. Dabei werden Überstrahlung und/oder Einblendungen durch das Erkennen geometrischer Strukturen vollständig extrahiert, was auch das Entfernen von Pixel im Randbereich der bildrelevanten Teile bewirkt. Ferner wird ein Verfahren beschrieben, durch das, ausgehend von den Randbereichen, Einblendungen, hervorgerufen durch eine Blende, extrahiert werden. Dabei werden schrittweise zur Bildmitte hin Pixel auf Überschreitung eines Schwellwertes hinsichtlich ihres Grauwertes untersucht. Die hier beschriebenen Ansätze gehen auf das Erkennen von geometrischen Strukturen, Kanten, Konturen zurück.

Die Erfindung geht von der Aufgabe aus, ein weiterentwickeltes Verfahren anzugeben, welches auf einfache und robuste Art und Weise diagnostische Inhalte von Röntgenbildern von nicht-diagnostischen Inhalten trennt, um eine optimale Bildwidergabe und Fensterung zu erreichen. Dabei sind insbesondere Direktstrahlungsbereiche oder Bereiche, die durch röhrenseitige Blenden abgedeckt werden sowie Übergangs- oder Randbereiche von den bildtechnisch relevanten Bereichen mit diagnostischem Inhalt, dem Objektbereich, zu trennen. Ferner ist es Aufgabe der Erfindung die verbleibenden diagnostischen Bildbereiche so zu bestimmen, dass sie zur Regelung der Strahlendosis verwendet werden können.

Die Aufgabe wird gelöst durch ein Bildverarbeitungsverfahren für die Ermittlung und Einstellung einer optimierten Fensterung und/oder Dosisregelung insbesondere von Bildern einer medizinischen Diagnostikeinrichtung basierend auf Röntgenstrahlung, wobei das aus einer Anzahl von Pixel bestehende digitalisierte Bild einer ursprünglichen durch einen Röntgendetektor, insbesondere Flachbilddetektor erzeugten Detektor-Bilddatenmatrix B durch folgenden Schritte verarbeitet wird:

1. Objektbereichsbestimmung durch: 1a) Bildung einer Eingangs-Bilddatenmatrix B1 ausgehend von der ursprünglichen Detektor-Bilddatenmatrix B 1b) Zusammenfassung mehrerer Pixel der Eingangs-Bilddatenmatrix B1 zu interessierenden Bereichen und Erzeugung einer ROI-Bilddatenmatrix B2 bestehend aus diesen ROI-Bilddatenelementen , wobei jedes Pixel der Eingangs-Bilddatenmatrix nur einmal an der Bildung eines ROI-Bilddatenelements beteiligt ist. 1c) Analyse der einzelnen ROI-Bilddatenelemente der ROI-Bilddatenmatrix B2 1d) Auswahl der ROI-Bilddatenelemente des Objektbereichs
2. Signalauswertung der ROI-Bilddatenelemente des Objektbereichs

Dabei ist die ursprüngliche Detektor-Bilddatenmatrix B die im Wesentlichen direkt über den Röntgendetektor abgebildete Bilddatenmatrix, welche im Folgenden reduziert und vereinfacht und hinsichtlich ihres interessierenden Objektbereichs untersucht wird. In Abhängigkeit von Detektorgröße, -auflösung und -intelligenz entsteht nach einem möglichen ersten Iterationsschritt eine komprimierte Eingangs-Bilddatenmatrix B1 und nach einem zweiten Iterationsschritt eine ROI-Bilddatenmatrix B2, die als Elemente so genannte ROI-Bilddatenelemte (ROI = Region of Interest) beinhalten. Dadurch werden vorteilhaft sowohl die Anzahl der Daten minimiert, welche Eingang in die weitere Analyse finden als auch eine gewisse Glättung der Ausgangsdaten erreicht. Mit der Analyse der ROI-Bilddatenelemente werden diese nunmehr clusterbar und in verschiedene Bereiche einteilbar. Durch Einteilung in die Bereiche wird darüber entschieden, ob die ROI-Bilddatenelemente einem im Weiteren interessierenden Objektbereich angehören und in die weitere Betrachtung einbezogen oder ob sie verworfen werden. Nach Extrahierung von interessierenden ROI-Bilddatenelementen schließen sich Einstellungen zur Objektbereichsbestimmung an. In weitergehenden Auswertungen können die Daten aus dem Objektbereich auch zur Regulierung der Strahlendosis insbesondere bei sequentiellen Mehrfachaufnahmen verwendet werden. Das Verfahren basiert im Wesentlichen darauf, dass klinische Objekte im Allgemeinen Strukturen d.h. Kanten bzw. Grauwertänderungen aufweisen (Knochen, Gefäße etc.). Direktstrahlungsbereiche oder eingeblendete Regionen sind dagegen sehr homogen, weisen keine solchen Strukturen auf und haben darüber hinaus entweder sehr hohe Signale (Direktstrahlung) oder sehr niedrige Signale (Blendenbereich).

Es hat sich als vorteilhaft erwiesen, dass die Bildung der Eingangs-Bilddatenmatrix B1 durch Reduzierung der Pixelanzahl erfolgt. Bei heutigen Flachdetektoren einer Größe von 40 × 40cm ergeben sich in der ersten Detektor-Bilddatenmatrix B bei einer Pixelgröße von ca. 150 μm über 7 Millionen Pixel. Eine erste Reduzierung dieser Datenmengen erscheint, insbesondere zur Gewährleistung von Untersuchungen mit hohen Bildraten (z.B. 30 Bildern/s) auf Grund von sich ergebenen Einschränkungen in der Performance sinnvoll.

In einer vorteilhaften Ausführungsvariante erfolgt die Reduzierung der Pixelanzahl zur Bildung der Eingangs-Bilddatenmatrix B1 durch so genannte Unterabtastung der ursprünglichen Detektor-Bilddatenmatrix B. Dabei wird die ursprüngliche Detektor-Bilddatenmatrix B in Unterbereiche gerastert, wobei diese zuvor festgelegten und in der Regel statischen, gleich großen und sich nicht überlappenden Unterbereiche aus einer bestimmten Menge von Pixel der ursprünglichen Detektor-Bilddatenmatrix B zusammengesetzt werden. Aus diesen Unterbereichen wird nun ein beliebiges oder ein immer an der gleichen Position im Unterbereich liegendes Pixel stellvertretend zur Erzeugung der Eingangs-Bilddatenmatrix B1 verwendet. Die Summe der einzelnen aus den Unterbereichen entnommenen Pixel bildet die Eingangs-Bilddatenmatrix B1. Diese Ausführungsvariante stellt ein sehr einfaches und performantes gleichsam aber oft ausreichendes Verfahren zur ersten Reduzierung der ursprünglichen Bilddatenmenge dar.

In einer weiteren vorteilhaften Ausgestaltungsform wird eine Reduzierung der Pixelanzahl zur Bildung der Eingangs-Bilddatenmatrix B1 durch so genanntes Binning erzeugt. Dabei wird aus den vorbeschriebenen Unterbereichen wiederum ein Pixel zur Bildung der Eingangs-Bilddatenmatrix B1 gewonnen. Diesmal wird jedoch das Pixel der Eingangs-Bilddatenmatrix B1 aus den Signalpegeln (Grauwerte) aller Pixel des jeweiligen Unterbereichs errechnet. Die Summe der für den jeweiligen Unterbereich errechneten Pixel bildet die Eingangs-Bilddatenmatrix B1 für den weiteren Algorithmus. Für die Berechnung des jeweiligen den Unterbereich repräsentierenden Pixel sind verschiedene Möglichkeiten denkbar, wodurch eine unterschiedliche Wichtung der dem Unterbereich angehörenden Pixel ermöglicht wird. Vorteil dieser Ausführungsform ist eine Verbesserung der Datenbasis für den weiteren Algorithmus, da keine Pixel verworfen, sondern alle Pixel in die Bildung der Eingangs-Bilddatenmatrix eingehen.

In einer weiteren vorteilhaften Ausgestaltung der Erfindung wird vorgeschlagen, das Pixel des Unterbereichs, welches der Erzeugung der Eingangs-Bilddatenmatrix B1 dient, durch Mittelwertbildung der Signalpegel aller Pixel des jeweiligen Unterbereichs zu errechnen. Eine solche Mittelwertbildung kann sehr schnell durchgeführt werden und bildet den Unterbereich für den weiteren Algorithmus mit hinreichender Qualität ab.

In einer vorteilhaften Ausgestaltung der Erfindung hat es sich als ausreichend und vorteilhaft erwiesen, dass der Unterbereich eine Größe von 3 × 3 Pixel bis 15 × 15 aufweist. Damit kann auf der einen Seite die Anzahl der Pixel um den Faktor 9 -225 merklich minimiert werden, ohne das auf der anderen Seite wichtige Informationen verloren gehen. Ferner lässt sich damit eine gute Anpassung des Algorithmus an die verfügbare Rechenleistung erreichen.

In einer anderen Variante kann eine erste Komprimierung der ursprünglichen Detektor-Bilddatenmatrix B bereits durch Algorithmen im Detektor und damit durch den Detektor selbst erfolgen. Im Fall, in dem der Detektor nur eine komprimierte Detektor-Bilddatenmatrix zur Verfügung stellt, wird diese direkt zur Eingangs-Bilddatenmatrix B1 für die nachfolgenden Verfahrensschritte. In einem solchen Falle könnte der Verfahrensschritt zur Bildung der Eingangs-Bilddatenmatrix B1 im nachgeschalteten digitalen Bildverarbeitungssystem durch 1:1 Beziehungen zwischen Unterbereich und Pixel der komprimierten Detektor-Bilddatenmatrix quasi inaktiv geschaltet und es ändert sich an den Algorithmen selbst nichts. Eine Steuerung und Anpassung an die Vorkomprimierung durch den Detektor erfolgt in diesem Falle dann ausschließlich über die versorgten Parameter.

In einer weiteren vorteilhaften Variante wird ein ROI-Bilddatenelement aus der Zusammenlegung von 5 × 5 bis 50 × 50, vorzugsweise 10 × 10 bis 30 × 30 Pixel der Eingangs-Bilddatenmatrix B1 gebildet. Damit ergibt sich beispielsweise mit den vorgenannten Detektordaten und Unterbereichen von 3 × 3 Pixel ein Spektrum von ca. 300 bis 30.000 ROI-Bilddatenelementen. Die genaue Anzahl der ROI- Bilddatenelemente richtet sich nach Parametern wie Komplexität, Auflösung oder Kontrast des Bildes.

In einer vorteilhaften Ausprägung der Erfindung erfolgt die Analyse der einzelnen ROI-Bilddatenelemente der ROI-Bilddatenmatrix durch Auswertung ihres Frequenzspektrums. Dazu werden jeweils die ROI-Bilddatenelemente, die im Zeit- oder Orts-Raum als Folge von Grauwerten dargestellt sind, in den so genannten Frequenzraum überführt, in welchem nun nicht mehr die Grauwerte selbst, sondern die Frequenz- und Phasenanteile der zugrunde liegenden Folgen von Grauwerten abgebildet werden. Für jede ROI entsteht somit ein Frequenzbild, wie es im Allgemeinen aus dem Stand der Technik bekannt ist. Dabei werden hohe Sprünge in den Grauwertsequenzen über hohe Frequenzen abgebildet, weichen Grauwertübergängen stehen niedrige Frequenzen gegenüber. Ferner lassen sich Beugungserscheinungen, wie sie im Blendenbereich zwangsläufig auftreten beispielsweise unmittelbar als Intensitätsverteilung der Fouriertransformierten interpretieren. Somit kann durch die Auswertung des Frequenzspektrums auf Randbereiche hervorgerufen durch Blenden rückgeschlossen werden. Als ein möglicher Algorithmus zur Durchführung der Fouriertransformation soll die FFT (Fast Fourier Transformation) stellvertretend genannt werden. Andere, dem Fachmann bekannte Algorithmen wären denkbar.

Eine weitere Ausgestaltungsform ergibt sich dann, wenn die Auswertung des Frequenzspektrums auf Unter- bzw. Überschreitung von Schwellwerten erfolgt. Die Frequenzanalyse kann darüber hinaus zusätzlich durch die Kenntnis des zu untersuchenden Organs optimiert werden. Beispielsweise werden Knochenstrukturen (z.B. Knie, Fuß, Hand etc.) deutlich mehr hochfrequente Anteile enthalten als Weichteilgewebe (Abdomen). Der vorgenannte beispielhafte Detektor kann mit einer Pixelgröße von 150 μm idealer Weise und ohne Aliasing-Effekte Ortsfrequenzen von bis zu 3,3 lp/mm (Linienpaare pro Millimeter) auflösen. Ein betrachtetes Organ mit Knochenstrukturen, wie beispielsweise ein Knie, wird typisch Ortsfrequenzen von bis zu 3 lp/mm oder mehr aufweisen. Diese Ortsfrequenzen entsprechen dann dem Objektbereich, wohingegen Direktstrahlungs- oder Blendenbereiche nur sehr kleine Ortsfregenzen (nahe 0 lp/mm) aufweisen werden. Weiterentwickelte, hochauflösende Detektoren mit Pixelgrößen von beispielsweise bis zu 50μm, wie sie vorzugsweise in der Mammographie eingesetzt würden, bedürfen natürlich andere Schwellwertparameter. Auf diese Weise ist die Zuordnung der einzelnen analysierten ROI-Bilddatenelemente zu vordefinierten Bereichen leicht möglich.

In einer weiteren vorteilhaften Ausführung erfolgt die Analyse der einzelnen ROI-Bilddatenelemente der ROI-Bilddatenmatrix durch Auswertung ihrer Signalpegel im Vergleich zur Histogrammverteilung der Eingangs-Bilddatenmatrix B1. Das Histogramm bildet in seinem von der digitalen Grauwertauflösung des Detektors (Analog-Digital-Wandler) abhängigen Wertebereichs alle Grauwerte von Schwarz bis Weiß ab. Jede ROI-Bilddatenelement wird nunmehr daraufhin analysiert, in welchen Wertebereich sie fällt. Ein relativ enger unterer Wertebereich wird dem Blendenbereich, ein relativ enger oberer Wertebereich wird dem Direktstrahlungsbereich entsprechen. Die Übergangsbereiche schließen sich direkt an Blenden- und Direktstrahlungsbereich an. Der interessierende Objektbereich liegt somit zwischen den Übergangsbereichen.

In einer besonders bevorzugten Ausführungsform erfolgt die Auswertung der Signalpegel im Vergleich zur Histogrammverteilung derart, dass die Signalpegel der ROI-Bilddatenelemente, welche sich aus dem arithmetischen Mittelwert der einzelnen an der Bildung der ROI-Bilddatenelemente beteiligten Pixel, der Eingangs-Bilddatenmatrix B1 bilden und die im Wertebereich von 10-70% des Histogramm liegen dem Objektbereich zugeordnet werden. In einer weiteren Unterteilung wird ein unterer Bereich des Histogramms von 0-5% dem Blendenbereich zugeordnet, ein oberer Bereich des Histogramms von 95-100% dem Direktstrahlungsbereich. Die Bereiche von 5-10% sowie von 70 bis 95% zählen zu den Übergangsbereichen. Auf diese Weise lassen sich ROI-Bilddatenelemente auf einfache und performan te Weise einem Objektbereich sehr einfach und schnell zuordnen. In weiteren Ausgestaltungen sind diese Bereichsgrenzen zudem variable einstellbar.

In einer weiteren vorteilhaften Ausführungsform erfolgt die Analyse der einzelnen ROI-Bilddatenelemente durch ROI-Bilddatenmatrix B2 durch die Auswertung ihrer Signal-Breiten Funktion. Dabei wird das Signal eines ROI-Bilddatenelements, im Ausführungsbeispiel also sein mittlerer Grauwert, mit der Breite des ROI-Bildddatenelements, welche sich aus der Differenz des maximalen und des minimalem Signals innerhalb dieses ROI-Bilddatenelements definiert, verknüpft. ROI-Bilddatenelemente in Blendenbereichen werden sowohl geringe Breiten als auch geringe Signalwerte aufweisen, ROI-Bilddatenelemente in Direktstrahlungsbereichen lassen ebenfalls geringe Breiten aber hohe Signalwerte erwarten. ROI-Bilddatenelemente in Übergangsbereiche insbesondere zwischen Blenden und Direktstrahlungsbereich werden wiederum hohe Breiten bei mittlerem Signal aufweisen. Aus der Lage der einzelnen ROI-Bilddatenelemente im Signal-Breiten Diagram lassen sich also Zuordnungen zu typisierten Bereichen treffen. Für die Bestimmung des Signalwertes und/oder der Breite der ROI-Bilddatenelemente sind jedoch auch andere Berechnungsmöglichkeiten möglich. So kann beispielsweise ein Signalwert, gebildet aus dem Median berechnet werden, oder die Breite ergibt sich aus Standardabweichung σ, der Wurzel aus der Varianz, also des zweiten zentralen Moments. Die so ermittelten Werte für Signalpegel und Breite können ebenso Basis für die Auswertung der Signal-Breiten-Funktion sein. Allen vorgenannten Analyseverfahren ist gemeinsam, dass diese auf einfache Art und weise zur Clusterung von ROI-Bilddatenelementen und damit zur Extrahierung der für die weitere Betrachtung relevanten Bildinhalten dienen.

In einer weiteren sehr vorteilhaften Ausprägung sind die vorgenannten Analyseverfahren nach dem Frequenzspektrum, nach dem Signalpegel im Vergleich zur Histogrammverteilung und nach der Signal-Breiten-Funktion beliebig miteinander kombinierbar. Dabei können zwei der o. g. Analyseverfahren oder auch alle drei Analyseverfahren miteinander kombiniert werden. Es wird durch die Kombination der Analyseverfahren die Genauigkeit der getroffenen Aussagen weiter verbessert, da Nachteile der einzelnen Verfahren auf diese Weise kompensiert werden können.

In einer besonders bevorzugten Ausführungsform bilden die Auswerteergebnisse zu den einzelnen ROI-Bilddatenelementen aus Frequenzanalyse- und/oder Histogrammverteilungs- und/oder Signal-Breiten-Analyse eine Anzahl von Eingangsknoten eines neuronalen Netzes. Der Ausgangsknoten dieses neuronalen Netzes liefert dann Aussagen darüber zu welchem Bereich (Direktstrahlungs-, Blenden-, Übergangs-, oder Objektbereich) die ROI-Bilddatenelemente am wahrscheinlichsten zuordenbar sind. Eingangsgrößen für die Eingangsknoten des neuronalen Netzes stellen z.B. die Spitzenfrequenz der Fast Fourier Transformation, oder der relative Signalpegel bezogen auf das Histogramm oder die Signal-Breiten Funktion dar. Sollte die Kenntnis des zu untersuchenden Organs mittels Organprogramm zusätzlich als Eingabewert vorgesehen sein, so stellt das bekannte Organ eine weitere Möglichkeit zur Speisung eines Eingangsknoten dar.

In einer weiteren Ausgestaltung der Erfindung werden die ROI-Bilddatenelemente des erkannten Objektbereichs zur Ermittlung und Einstellung einer optimierten Dosisleistung der Röntgenstrahlung herangezogen. In einem ersten Schritt werden die arithmetischen Mittelwerte der einzelnen ROI-Signalpegel des Objektbereiches gebildet, der jeweilige Mittelwert repräsentiert das ROI-Bilddatenelement mit einem Wert. Nach einigen Ausführungsformen der Erfindung (z.B. Histogrammverteilungsanalyse) liegen dieser Werte bereits vor und es kann auf diese zurückgegriffen werden. In einem weiteren Schritt wird ein bestimmtes q-Quantil der nach ihrem Signalpegel geordneten Reihe aus ROI-Bilddatenelementen bestimmt, so dass die relative Häufigkeit der darunter liegenden Werte mindestens q ist. Der Wert des Quantils wird mit der Sensitivität des Detektors bei dem verwendeten Röntgenspektrum abgeglichen. Es hat sich beispielsweise als vorteilhaft erwiesen, das q-Quantil auf das 25 Prozent-Quantil einzustellen. Durch den Abgleich erhält man einen Wert für die am Detektor eingetroffene Systemdosis und es können in nachgeschalteten und außerhalb der Erfindung liegenden und deshalb hier nicht weiter erläuterten Verfahren Generatoreinstellungen, wie z.B. Hochspannung, Röhrenstrom, Filter abgeleitet werden.

In einer weiteren Ausgestaltung der Erfindung werden die ROI-Bilddatenelemente des erkannten Objektbereichs zur Ermittlung und Einstellung einer optimierten Fensterung herangezogen. Danach werden wie vorbeschrieben in einem ersten Schritt die arithmetischen Mittelwerte der einzelnen Signalpegel der ROI-Bilddatenelemente des Objektbereichs gebildet. Der untere Fensterwert ergibt sich nunmehr aus einem im Wertebereich von 0-10% liegenden Wert des Histogramms, der obere Fensterbereich aus einem im Wertebereich von 90-100% liegenden Wert des Histogramms aller ROI's des Objektbereiches. Dabei beziehen sich die vorgenannten Prozentangaben von 0 und 100% nicht auf die volle Dynamik des Detektors, sondern stellen als Unter- und Obergrenzen den tatsächlichen Graubereich des Objektbereichs dar. Damit wird der Graubereich des identifizierten Objektbereichs nochmals gespreizt, was eine nochmals verbesserte Bilddarstellung im Objektbereich zur Folge hat. Es hat sich als vorteilhaft erwiesen, den unteren Fensterbereich auf den Wert von 5%, den oberen Fensterbereich auf den Wert von 95% einzustellen.

Nachfolgend soll die Erfindung an Hand von Ausführungsbeispielen näher erläutert werden. Darin zeigen:
1 eine Röntgendiagnostikeinrichtung gemäß dem Stand der Technik
2 Röntgenaufnahme eines Knies zur Kennzeichnung von Bereichen
3 eine ursprüngliche Detektor-Bilddatenmatrix B
4 eine pixelreduzierte Eingangs-Bilddatenmatrix B1
5 eine ROI-Bilddatenmatrix B2 und seine Bildung
6 eine Aufnahme nach 2 mit ROI-Bilddatenmatrix B2
7 Analyseverfahren für ROI-Bilddatenelemente
8 eine schematische Darstellung des neuronalen Netzes
1 zeigt den elektrischen Aufbau einer Röntgendiagnostikeinrichtung. Eine Röntgenröhre 1 wird von einem Hochspannungsgenerator 2 betrieben. Die Röntgenröhre 1 sendet ein Röntgenstrahlenbündel 3 aus, das einen Patienten 4 durchdringt und auf einen Röntgendetektor 5 entsprechend der Transparenz des Patienten 4 geschwächt fällt und ein Röntgenstrahlbild abbildet. Die Absorption der Röntgenstrahlung 3 durch den Patienten 4 folgt einer Exponentialfunktion. Der Röntgendetektor 5 wandelt das Röntgenstrahlbild in elektrische Signale um, die in einem angeschlossenen digitalen Bildverarbeitungssystem 6 verarbeitet und einem Monitor 7 zur Wiedergabe des Röntgenstrahlenbüldes zugeführt werden. Durch den Einschub von Blenden 8 kann das Röntgenstrahlbündel 3 so beeinflusst werden, dass es in einer eingeschränkten Ausdehnung den Patienten 4 durchdringt und somit auch nicht auf die volle aktive Oberfläche des Röntgendetektors 5 trifft. Der Röntgendetektor 5 kann wie eingangs beschrieben entweder aus einem Flachbilddetektor der eingangs beschriebenen Art oder aus einer Einheit von Röntgenbildverstärker, Optik und nachgeschalteter Kamera (Fernseh- oder CCD Kamera) bestehen. In beiden Fällen wird dem Bildverarbeitungssystem 6 ein digitales Bildsignal der gesamten aktiven Oberfläche des Detektors zur Verfügung gestellt. Die Anzahl der Pixel (Bildelemente) des digitalisierten Bildes richtet sich nach der Größe der aktiven Detektoroberfläche und Auflösung des Detektors, die Anzahl der Grauwertstufen richtet sich nach der Güte der zur Bildung des digitalisierten Bildes vorgeschaltenen Analog-Digital-Wandlung. Das digitale Bildsystem 6 kann in bekannter Weise Verarbeitungsschaltungen, Wandler, Differenzstufen bzw. Bildspeicher aufweisen.
2 zeigt beispielhaft die Aufnahme eines Knies. Dabei stellt die Fläche 9 die gesamte aktive Detektoroberfläche des Röntgendetektors 5 dar. Der Bereich 10 ist der durch die Blenden 8 kollimierte Blendenbereich, welche in der Aufnahme weiß dargestellt wird. Der Bereich 11 stellt als Direktstrahlungsbereich den Bereich der Aufnahme dar, in dem das Röntgenstrahlbündel 3 direkt, also ohne Schwächung durch den Patienten 4 auf die Oberfläche 9 des Röntgendetektors 5 fällt. Der Objektbereich 12 ist der verbleibende Bereich, der mehr oder minder durch den Patienten 4 geschwächt auf die Detektoroberfläche 9 trifft. Das digitalisierte Bild dieser gesamten Detektoroberfläche 9 wird im Folgenden als ursprüngliche Detektor-Bilddatenmatrix B bezeichnet.
3 zeigt eine ursprüngliche Detektor-Bilddatenmatrix B. Diese setzt sich aus einer Reihe von Bildelemente 14 zusammen. Bei einem Flachbilddetektor mit einer aktiven Detektoroberfläche von 40 × 40cm² ergibt sich bei einer Größe der Fotodioden von ca. 150μm, die jeweils ein Bildelement repräsentieren eine Pixelanzahl von ca. 7 Millionen Bildelementen. 3 zeigt einen kleinen Ausschnitt 13 der aus Bildelementen 14 bestehenden ursprünglichen Detektor-Bilddatenmatrix B. Mehrere Bilddatenelemente 14 sind zu Unterbreichen 32 zusammengefasst.
4 zeigt die Eingangs-Bilddatenmatrix B1 mit dem identischen Ausschnitt 13. Die Eingangs-Bilddatenmatrix B1 wird nunmehr repräsentiert durch eine im Vergleich zur Detektor-Bilddatenmatrix B geringere Anzahl von Bildelementen 15, wobei ein Bildelement 15 repräsentativ für einen Unterbereich 32 ist. Im Beispiel nach 4 bildet sich ein Bildelement 15 durch 3 × 3 Bildelemente 14 (3). Diese Reduzierung der Pixelanzahl kann durch Unterabtastung oder Binning erfolgen, wobei verschiedene Binning-Algorithmen denkbar sind. Einige Röntgendetektoren sind bereits in der Lage eine Reduzierung der Pixelanzahl selbst vorzunehmen. In einem solchen Beispiel muss eine Reduzierung der Pixelanzahl dann nicht mehr im Bildverarbeitungssystem 6 erfolgen.
5 zeigt die Bildung einer ROI-Bilddatenmatrix B2, die aus der Eingangs-Bilddatenmatrix B1 entstanden ist. Der, im Unterschied zum Ausschnitt nach 3 und 4 vergrößerte Ausschnitt 16 der Eingangs-Bilddatenmatrix B2 zeigt eine Anzahl von Bildelementen 15. Mehrere Bildelemente 15 werden zu Interessensregionen 17 (ROI, region of interest) zusammengefasst. Nach 5 wurden beispielhaft 10 × 10 Bildelemente 15 zu einem ROI-Bilddatenelement 17 zusammengefasst. Diese ROI-Bilddatenelemente 17 werden nachfolgend Analysen unterzogen, um ROI-Bilddatenelemente 17 einem der vorgenannten Bereiche zuzuordnen und die ROI-Bilddatenelemente 17 herauszufiltern, die maßgeblich den Objektbereich repräsentieren.
6 zeigt die in 2 dargestellte Aufnahme des Knies als ROI-Bilddatenmatrix B2 mit ihren ROI-Bilddatenelementen 17.
Im Analyseverfahren, welches in 7 schematisiert dargestellt ist, wird jedes der ROI-Bilddatenelemente 17 einer Frequenzspektrumsanalyse 18, einer Histogrammverteilungsanalyse 19 und/oder einer Signal-Breiten-Analyse 20 unterzogen. Jedes der Frequenzbilder 21 ist aus einem ROI-Bilddatenelement 17 entstanden, für welches nun eine Zuordnung zu den jeweiligen Bereichen (Blenden, Direktstrahlung, Übergangs- oder Objektbereich) getroffen werden kann. In einem anderen Analyseverfahren, der Histogrammverteilungsanalyse 19 werden die Signalpegel der ROI-Bilddatenelemente 17 im Vergleich zur Histogrammverteilung der gesamten Pixelmatrix der Eingangs-Bilddatenmatrix B1 betrachtet. Dabei wird auf der x-Achse der Signalwert und auf der y-Achse die Häufigkeit abgetragen. Dazu wird der Signalpegel (z.B. arithmetischer Mittelwert der Signalpegel der Bildelemente 15) jedes ROI-Bilddatenelements 17 gebildet und verglichen, in welchen Wertebereich des Histogramms 26 der Eingangs-Bilddatenmatrix B1 dieser Signalpegel fällt. Dabei bildet das Histogramm 26 im Wertebereich von 0 und 100% nicht die volle Dynamik des Detektors ab, sondern stellt als Unter- und Obergrenzen den tatsächlichen Graubereich der Eingangs-Bilddatenmatrix B1 und damit nur einen reduzierten Dynamikbereich des Detektors dar. Der Wertebereich zwischen 0 bis 5% sei dem Blendenbereich 22, der Wertebereich 95 bis 100% dem Direktstrahlungsbereich 23, der Wertebereich von 10-30% und 70-95% den Übergangsbereichen 24 und der Wertebereich von 30-70% dem Objektbereich 25 zugeordnet. Da die Absorption der Röntgenstrahlung im Körper des Patienten einer Exponentialfunktion folgt, beziehen sich die vorgenannten beispielhaften Prozentwerte auf eine logarithmisch geteilte Skala für den Wertebereich. In einer anderen Variante wird die Bereichseinteilung auf Basis von Berechnungen der Quantile realisiert, wonach unterhalb des 5%-Quantiles dem Blendenbereich 22 und überhalb des 95%-Quantiles dem Direktstrahlungsbereich 23 zugeordnet. In einem dritten Analyseverfahren, der Signal-Breiten-Analyse 20 werden die ROI-Bilddatenelemente 17 hinsichtlich ihrer Signal-Breiten-Werte analysiert. Dabei wird auf der x-Achse der Signalwert und auf der y-Achse die Breite abgetragen. Der Signalwert des ROI-Bilddatenelements 17 (z.B. arithmetischer Mittelwert) und der Breitenwert des ROI-Bilddatenelements 17 (Abstand zwischen minimalen und maximalen Signalpegel der Bildelemente 15 innerhalb eines ROI-Bilddatenelements 17) werden errechnet und können grafisch, wie im Signal-Breiten-Diagramm 27 beispielhaft gezeigt, dargestellt werden. Damit lassen sich die ROI-Bilddatenelemente den verschiedenen Bereichen zuordnen. Schematisch sind solche Grenzen im Diagramm 27 als die Bereiche 22 (Blendenbereich), 23 (Direktstrahlungsbereich), 24 (Übergangsbereich) bzw. 25 (Objektbereich) skizziert.
In 8 zeigt schematische den Aufbau eines neuronalen Netzes, bestehend aus mehreren Neuronen, wie es aus dem Stand der Technik bekannt ist. Die Neuronen des Eingangsknoten (Input-Units) 28, werden mit Signale oder Mustern der Außenwelt gespeist, die Zwischenknoten (Hidden-Units) 29 beinhalten eine interne Präsentation der Außenwelt, der Ausgangsknoten (Output-Units) 30 gibt Signale zurück an die Außenwelt. Die Informationsfluss- und Verbindungspfeile 31 zwischen den Neuronen stellen die Verbindung zwischen den Neuronen, die sog.
Kanten dar. Die Stärke der Verbindung wird über ein Gewicht ausgedrückt. Die Eingangsknoten werden mit Ergebnissen aus Frequenzanalyse, Histogrammanalyse und/oder Signal-Breiten-Analyse versorgt. Werden den verschiedenen Bereichen (Blendenbereich, Direktstrahlungsbereich, Übergangsbereich, Objektbereich Klassen- oder Bereichszahlen von 1-4 zugeordnet so liefert der Ausgangsknoten eine Wahrscheinlichkeitsverteilung der Klassen-/Bereichszahlen 1-4. ROI-Bilddatenelemente, denen auf diese Weise durch das neuronale Netz nicht ganzzahlige Bereichswerte zugeordnet werden, lassen sich somit durch Auf- und Abrunden dieser nicht ganzzahligen Bereichswerte dem wahrscheinlichsten Bereich zuordnen.

Claims

Bildverarbeitungsverfahren zur Ermittlung und Einstellung einer optimierten Fensterung und/oder Dosisregelung insbesondere von Bildern einer medizinischen Diagnostikeinrichtung basierend auf Röntgenstrahlung, wobei das aus einer Anzahl von Bildelementen (14) bestehende digitalisierte Bild einer ursprünglichen durch einen Röntgendetektor (5), insbesondere Flachbilddetektor erzeugten Detektor-Bilddatenmatrix B durch folgenden Schritte verarbeitet wird: 1. Objektbereichsbestimmung durch: 1a) Bildung einer Eingangs-Bilddatenmatrix B1 ausgehend von der ursprünglichen Detektor-Bilddatenmatrix B 1b) Zusammenfassung mehrerer Pixel (15) der Eingangs-Bilddatenmatrix B1 zu interessierenden Bereichen (Regions Of Interest, ROI) und Erzeugung einer ROI-Bilddatenmatrix B2 bestehend aus diesen ROI-Bilddatenelementen (17), wobei jedes Pixel (15) der Eingangs-Bilddatenmatrix B1 nur einmal an der Bildung eines ROI-Bilddatenelements (17) beteiligt ist. 1c) Analyse der einzelnen ROI-Bilddatenelemente (17) der ROI-Bilddatenmatrix B2 1d) Auswahl der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) Signalauswertung der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25)
Bildverarbeitungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Bildung der Eingangs-Bilddatenmatrix B1 durch Reduzierung der An zahl von Pixel (14) der ursprünglichen Detektor-Bilddatenmatrix B erfolgt.
Bildverarbeitungsverfahren nach Anspruch 2 dadurch gekennzeichnet, dass die Reduzierung der Pixelanzahl zur Bildung der Eingangs-Bilddatenmatrix B1 durch Unterabtastung der ursprünglichen Detektor-Bilddatenmatrix B erfolgt, indem die ursprüngliche Detektor-Bilddatenmatrix B in eine Anzahl sich nicht überlappender Unterbereiche (32) geteilt wird, wobei jeder Unterbereich (32) aus einer Anzahl von Pixel (14) der Detektor-Bilddatenmatrix B besteht und wobei mit jeweils nur einem beliebigen Pixel (14) jedes Unterbereichs (32) die Eingangs-Bilddatenmatrix B1 erzeugt wird.
Bildverarbeitungsverfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Reduzierung der Pixelanzahl zur Bildung der Eingangs-Bilddatenmatrix B1 durch Zusammenfassung von mehreren Pixel (14) (Binning) der ursprünglichen Detektor-Bilddatenmatrix B erfolgt, indem die Detektor-Bilddatenmatrix B in eine Anzahl sich nicht überlappender Unterbereiche (32) geteilt wird, wobei jeder Unterbereich (32) aus einer Anzahl von Pixel (14) der Detektor-Bilddatenmatrix B besteht und wobei die Eingangs-Bilddatenmatrix B1 mit jeweils einem Pixel jedes Unterbereichs (32) erzeugt wird, wobei dieses Pixel aus den Signalpegeln aller Pixel (14) des jeweiligen Unterbereichs (32) errechnet wird.
Bildverarbeitungsverfahren nach Anspruch 4, dadurch gekennzeichnet, dass das Pixel (15) des Unterbereichs (32), welches der Erzeugung der Eingangs-Bilddatenmatrix B1 dient, sich durch arithmetische Mittelwertbildung aller Pixel (14) des jeweiligen Unterbereichs (32) errechnet.
Bildverarbeitungsverfahren nach Anspruch 3 bis 5, dadurch gekennzeichnet, dass der Unterbereich (32) eine Größe von 3 × 3 bis 15 × 15 Pixel aufweist.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Bildung der Eingangs-Bilddatenmatrix B1 bereits durch den Röntgendetektor (5) selbst erfolgt.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein ROI-Bilddatenelement (17) der ROI-Bilddatenmatrix B2 aus der Zusammenlegung von 5 × 5 bis 50 × 50, vorzugsweise 10 × 10 bis 30 × 30 benachbarter Pixel (15) der Eingangs-Bilddatenmatrix B1 gebildet wird.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Analyse der einzelnen ROI-Bilddatenelemente (17) der ROI-Bilddatenmatrix B2 durch Auswertung ihres Frequenzspektrums als Frequenzspektrumsanalyse (18) erfolgt.
Bildverarbeitungsverfahren nach Anspruch 9, dadurch gekennzeichnet, dass die Auswertung des Frequenzspektrums auf Unter- bzw. Überschreiten von Schwellwerten, insbesondere organabhängigen Schwellwerten erfolgt.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Analyse der einzelnen ROI-Bilddatenelemente (17) der ROI-Bilddatenmatrix B2 durch Auswertung der Signalpegel der ROI-Bilddatenelemente (17) im Vergleich zur Histogrammverteilung der Eingangs-Bilddatenmatrix B1 als Histogrammverteilungsanalyse (19) erfolgt.
Bildverarbeitungsverfahren nach Anspruch 11, dadurch gekennzeichnet, dass die Auswertung der Signalpegel im Vergleich zur Histogrammverteilung derart erfolgt, dass Signalpegel der ROI-Bilddatenelemente (17), die im Wertebereich von 10 bis 70% des Histogramms (26) liegen dem Objektbereich (12, 25) zugeordnet werden.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Analyse der einzelnen ROI-Bilddatenelemente (17) der ROI-Bilddatenmatrix B2 durch Auswertung ihrer Signal-Breiten-Funktion als Signal-Breiten-Analyse (20) erfolgt.
Bildverarbeitungsverfahren nach Anspruch 13, dadurch gekennzeichnet, dass die Auswertung der Signal-Breiten-Funktion derart erfolgt, dass pro ROI-Bilddatenelement (17) das Produkt der Digitaleinheiten (du) von Signalpegel und Signalbreite gebildet wird, wobei Werte von 300 bis 5000 du² dem Objektbereich (12, 25) zugeordnet werden.
Bildverarbeitungsverfahren nach Anspruch 9-14, dadurch gekennzeichnet, dass Frequenzspektrums- (18) und/oder Histogrammverteilungs- (19) und/oder Signal-Breiten-Analyse (20) beliebig kombinierbar sind.
Bildverarbeitungsverfahren nach Anspruch 15, dadurch gekennzeichnet, dass die Auswerteergebnisse der einzelnen ROI-Bilddatenelemente (17) aus Frequenzspektrums- (18) und/oder Histogrammverteilungs- (19) und/oder Signal-Breiten-Analyse (20) eine Anzahl von Eingangsknoten (28) eines neuronalen Netzes speisen und ein Ausgangsknoten (30) des neuronalen Netzes Aussagen darüber liefert, welches ROI-Bilddatenelement (17) dem Objektbereich (12, 25) zuordenbar ist.
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Signalauswertung der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) zur Ermittlung und Einstellung einer optimierten Dosisleistung der Röntgenstrahlung (3) durch folgende Schritte erfolgt: a) Bildung der arithmetischen Mittelwerte der Signalpegel aller ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) b) Bildung eines q-Quantils aus den gemäß a) ermittelten Mittelwerten c) Abgleich des nach b) ermittelten Wertes mit der Sensitivität des Röntgendetektors (5) zur Ermittlung der am Röntgendetektor (5) eingetroffenen Systemdosis d) Einstellung der Systemdosis
Bildverarbeitungsverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Signalauswertung der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) zur Ermittlung und Einstellung einer optimierten Fensterung gekennzeichnet durch folgende Schritte erfolgt: a) Bildung der arithmetischen Mittelwerte der Signalpegel aller ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) a) Festlegung des unteren Fensterwertes durch Bildung eines q-Quantils der ROI-Bilddatenelemente (17) des Objektbereichs (12, 25) b) Festlegung des oberen Fensterwertes durch Bildung eines q-Quantils der ROI-Bilddatenelemte (17) des Objektbereichs (12, 25).