Erlangen, Nürnberg, Universiẗat, Diss., 2005.

Ziel: Eine Optimierung medizinischer Bilddatenkompression. Evaluation des Einflusses unterschiedlicher Filter auf die Bildqualität waveletkomprimierter Röntgenbilder. Material und Methode: Im Rahmen von Vorstudien Optimierung der digitalen Bildbefundung anhand von ROC-Analysen. Auswahl geeigneter Kompressionsverfahren durch methodischen und ROC-gestützten Vergleich von Wavelet- mit fraktaler und JPEG-Kompression. Im Rahmen der Hauptstudie ROC-basierter und statistischer Vergleich von 4 unterschiedlichen Waveletfiltern verschiedener Komplexität mittels Prüfkörper für niedrigfrequente, gemischt-frequente und hochfrequente Bildinformation im schwellenwertnahen Bereich. Ergebnisse: Durch Einsatz unterschiedlicher Filter insbesondere im Niedrigfrequenzbereich entstehen signifikante Unterschiede des Rekonstruktionsergebnisses der Röntgenbilder. Trotz eines partiell uneinheitlichen Ergebnisses der visuellen Analyse fanden sich Vorteile für komplexere Filter. Für Details im hochfrequenten Bereich finden sich kaum signifikante Unterschiede. Schlußfolgerungen: Die durch die ROC-Analyse erhobenen Ergebnisse korrelierten in keiner Weise mit den gleichzeitig mathematisch erhobenen PSNR-Werten. Ursache hierfür ist, daß die Reduktion des Bildrauschens durch die Waveletkompression in der PSNR als negative Einflußgröße abgebildet wird. Bei medizinischen Röntgenbildern führt jedoch die Minimierung des Bildrauschens zu einer erhöhten Erkennbarkeit von Details insbesondere im schwellenwertnahen Bereich. Entsprechend verbesserten sich die Ergebnisse der schwellenwertnah durchgeführten ROC-Analyse ungleichsinnig zu den PSNR-Werten. Eine detaillierte Beschreibung des Einflusses der Komplexität von Waveletfiltern auf die Rekonstruktionsqualität medizinsicher Bilder findet sich im Diskussionsteil der Studie. / Aim: Optimisation of medical image compression. Evaluation of wavelet-filters for wavelet-compression. Materials and methods: Optimisation of image review applying ROC analysis. Analysis of medical image compression methods comparing wavelet-compression, fractal compression and JPEG by ROC analysis. Evaluation of 4 different wavelet-filters with different complexity applying phantoms for low frequency, high and mixed frequency information. Results: Application of filters with different complexity results in significant variations in the quality of image reconstruction after compression specifically in low frequency informatiin. Filters of high complexity proved to be advantagous despite of heterogenous results during visual analysis. For high frequency details, complexity of filters did not prove to be of significant impact on image quality after reconstruction. Conclusions: Results of ROC analysis did not correspond with PSNR values. Reduction of image noise in reconstructed images by wavelet-filtering is expressed negatively in PSNR values. In medical images, reduction of image noise enhances detection specifically of low contrast details. A detailed discussion of the influence of filter complexity on the reconstruction quality of medical images can be found in the discussion section of the study.

A new algorithm for detection of longitudinal crack-like indications in radiographic images is developed in this work. Conventional local detection techniques give unsatisfactory results for this task due to the low signal to noise ratio (SNR ~ 1) of crack-like indications in radiographic images. The usage of global features of crack-like indications provides the necessary noise resistance, but this is connected with prohibitive computational complexities of detection and difficulties in a formal description of the indication shape. Conventionally, the excessive computational complexity of the solution is reduced by usage of heuristics. The heuristics to be used, are selected on a trial and error basis, are problem dependent and do not guarantee the optimal solution. Not following this way is a distinctive feature of the algorithm developed here. Instead, a global characteristic of crack-like indication (the estimation function) is used, whose maximum in the space of all possible positions, lengths and shapes can be found exactly, i.e. without any heuristics. The proposed estimation function is defined as a sum of a posteriori information gains about hypothesis of indication presence in each point along the whole hypothetical indication. The gain in the information about hypothesis of indication presence results from the analysis of the underlying image in the local area. Such an estimation function is theoretically justified and exhibits a desirable behaviour on changing signals. The developed algorithm is implemented in the C++ programming language and testet on synthetic as well as on real images. It delivers good results (high correct detection rate by given false alarm rate) which are comparable to the performance of trained human inspectors. / In dieser Arbeit wurde ein neuer Algorithmus zur Detektion rissartiger Anzeigen in der digitalen Radiographie entwickelt. Klassische lokale Detektionsmethoden versagen wegen des geringen Signal-Rausch-Verhältnisses (von ca. 1) der Rissanzeigen in den Radiographien. Die notwendige Resistenz gegen Rauschen wird durch die Benutzung von globalen Merkmalen dieser Anzeigen erzielt. Das ist aber mit einem undurchführbaren Rechenaufwand sowie Problemen bei der formalen Beschreibung der Rissform verbunden. Üblicherweise wird ein übermäßiger Rechenaufwand bei der Lösung vergleichbarer Probleme durch Anwendung von Heuristisken reduziert. Dazu benuzte Heuristiken werden mit der Versuchs-und-Irrtums-Methode ermittelt, sind stark problemangepasst und können die optimale Lösung nicht garantieren. Das Besondere dieser Arbeit ist anderer Lösungsansatz, der jegliche Heuristik bei der Suche nach Rissanzeigen vermeidet. Ein globales wahrscheinlichkeitstheoretisches Merkmal, hier Schätzfunktion genannt, wird konstruiert, dessen Maximum unter allen möglichen Formen, Längen und Positionen der Rissanzeige exakt (d.h. ohne Einsatz jeglicher Heuristik) gefunden werden kann. Diese Schätzfunktion wird als die Summe des a posteriori Informationsgewinns bezüglich des Vorhandenseins eines Risses im jeden Punkt entlang der hypothetischen Rissanzeige definiert. Der Informationsgewinn entsteht durch die Überprüfung der Hypothese der Rissanwesenheit anhand der vorhandenen Bildinformation. Eine so definierte Schätzfunktion ist theoretisch gerechtfertigt und besitzt die gewünschten Eigenschaften bei wechselnder Anzeigenintensität. Der Algorithmus wurde in der Programmiersprache C++ implementiert. Seine Detektionseigenschaften wurden sowohl mit simulierten als auch mit realen Bildern untersucht. Der Algorithmus liefert gute Ergenbise (hohe Detektionsrate bei einer vorgegebenen Fehlalarmrate), die jeweils vergleichbar mit den Ergebnissen trainierter menschlicher Auswerter sind.

A new algorithm for detection of longitudinal crack-like indications in radiographic images is developed in this work. Conventional local detection techniques give unsatisfactory results for this task due to the low signal to noise ratio (SNR ~ 1) of crack-like indications in radiographic images. The usage of global features of crack-like indications provides the necessary noise resistance, but this is connected with prohibitive computational complexities of detection and difficulties in a formal description of the indication shape. Conventionally, the excessive computational complexity of the solution is reduced by usage of heuristics. The heuristics to be used, are selected on a trial and error basis, are problem dependent and do not guarantee the optimal solution. Not following this way is a distinctive feature of the algorithm developed here. Instead, a global characteristic of crack-like indication (the estimation function) is used, whose maximum in the space of all possible positions, lengths and shapes can be found exactly, i.e. without any heuristics. The proposed estimation function is defined as a sum of a posteriori information gains about hypothesis of indication presence in each point along the whole hypothetical indication. The gain in the information about hypothesis of indication presence results from the analysis of the underlying image in the local area. Such an estimation function is theoretically justified and exhibits a desirable behaviour on changing signals. The developed algorithm is implemented in the C++ programming language and testet on synthetic as well as on real images. It delivers good results (high correct detection rate by given false alarm rate) which are comparable to the performance of trained human inspectors. / In dieser Arbeit wurde ein neuer Algorithmus zur Detektion rissartiger Anzeigen in der digitalen Radiographie entwickelt. Klassische lokale Detektionsmethoden versagen wegen des geringen Signal-Rausch-Verhältnisses (von ca. 1) der Rissanzeigen in den Radiographien. Die notwendige Resistenz gegen Rauschen wird durch die Benutzung von globalen Merkmalen dieser Anzeigen erzielt. Das ist aber mit einem undurchführbaren Rechenaufwand sowie Problemen bei der formalen Beschreibung der Rissform verbunden. Üblicherweise wird ein übermäßiger Rechenaufwand bei der Lösung vergleichbarer Probleme durch Anwendung von Heuristisken reduziert. Dazu benuzte Heuristiken werden mit der Versuchs-und-Irrtums-Methode ermittelt, sind stark problemangepasst und können die optimale Lösung nicht garantieren. Das Besondere dieser Arbeit ist anderer Lösungsansatz, der jegliche Heuristik bei der Suche nach Rissanzeigen vermeidet. Ein globales wahrscheinlichkeitstheoretisches Merkmal, hier Schätzfunktion genannt, wird konstruiert, dessen Maximum unter allen möglichen Formen, Längen und Positionen der Rissanzeige exakt (d.h. ohne Einsatz jeglicher Heuristik) gefunden werden kann. Diese Schätzfunktion wird als die Summe des a posteriori Informationsgewinns bezüglich des Vorhandenseins eines Risses im jeden Punkt entlang der hypothetischen Rissanzeige definiert. Der Informationsgewinn entsteht durch die Überprüfung der Hypothese der Rissanwesenheit anhand der vorhandenen Bildinformation. Eine so definierte Schätzfunktion ist theoretisch gerechtfertigt und besitzt die gewünschten Eigenschaften bei wechselnder Anzeigenintensität. Der Algorithmus wurde in der Programmiersprache C++ implementiert. Seine Detektionseigenschaften wurden sowohl mit simulierten als auch mit realen Bildern untersucht. Der Algorithmus liefert gute Ergenbise (hohe Detektionsrate bei einer vorgegebenen Fehlalarmrate), die jeweils vergleichbar mit den Ergebnissen trainierter menschlicher Auswerter sind.