Τα βασικά φωτογραφικά χαρακτηριστικά της ιατρικής εικόνας

1. Τι θα μάθουμε για την ιατρική εικόνα;

Τα φωτογραφικά χαρακτηριστικά περιγράφουν πώς εμφανίζεται μια εικόνα: πόσο φωτεινή είναι, πόσο διαφέρουν οι περιοχές της και πόσο καθαρά φαίνονται οι λεπτομέρειες.

Δεν χρειάζεται να γνωρίζουμε φωτογραφία για να καταλάβουμε τις έννοιες. Ξεκινάμε με απλές ερωτήσεις: «Ξεχωρίζουν τα όρια;», «Φαίνονται οι αχνές περιοχές;», «Υπάρχει κόκκος;».

2. Ποια είναι η διαφορά φιλμ και ψηφιακής εικόνας;

Στο ακτινογραφικό φιλμ βλέπουμε περιοχές με διαφορετικό βαθμό μαυρίσματος. Το φιλμ τοποθετείται σε μια φωτεινή επιφάνεια, το διαφανοσκόπιο, για να περάσει φως από μέσα του.

Η ψηφιακή εικόνα αποθηκεύεται ως αριθμοί. Η εφαρμογή μετατρέπει αυτούς τους αριθμούς σε αποχρώσεις που βλέπουμε στην οθόνη.

Στο φιλμ οι δυνατότητες αλλαγής μετά την εμφάνισή του είναι περιορισμένες. Στην ψηφιακή εικόνα έχουμε περισσότερες επιλογές παρουσίασης, όμως αυτές αξιοποιούν την πληροφορία που έχει ήδη καταγραφεί.

3. Φωτεινότητα: πόσο ανοιχτή ή σκοτεινή φαίνεται η εικόνα;

Η φωτεινότητα περιγράφει πόσο φωτεινή μας φαίνεται η εικόνα. Με τον όρο λαμπρότητα αναφερόμαστε σε ένα μετρήσιμο μέγεθος του φωτός που φτάνει προς τον παρατηρητή από την οθόνη.

Κάθε pixel έχει μια αριθμητική τιμή, αλλά το πόσο λευκό ή μαύρο θα φαίνεται εξαρτάται από την εφαρμογή και την οθόνη. Επομένως, μεγαλύτερη τιμή δεν σημαίνει πάντοτε πιο λευκό.

Οι όροι MONOCHROME1 και MONOCHROME2 στο DICOM σχετίζονται με αυτή την αντιστοίχιση μαύρου και λευκού. Για αρχή κρατάμε ότι οι αριθμοί της εικόνας και η ορατή φωτεινότητα είναι διαφορετικά πράγματα.

4. Οπτική πυκνότητα: πόσο φως περνά από το φιλμ;

Όσο πιο μαύρη είναι μια περιοχή του φιλμ, τόσο λιγότερο φως περνά από μέσα της. Η οπτική πυκνότητα, με συντομογραφία OD, περιγράφει αυτή τη μείωση του φωτός.

Ο τύπος είναι OD = log₁₀(I₀ / I): I₀ είναι το φως που φτάνει στο φιλμ και I το φως που περνά. Δεν χρειάζεται να υπολογίσουμε λογαρίθμους για να καταλάβουμε τη βασική ιδέα: μεγαλύτερη OD → λιγότερο διερχόμενο φως.

Η οπτική πυκνότητα αφορά το φιλμ. Δεν είναι η πυκνότητα ενός ιστού ούτε η τιμή HU της αξονικής τομογραφίας.

5. Αντίθεση: πόσο διαφέρουν δύο περιοχές;

Η αντίθεση περιγράφει τη διαφορά ανάμεσα σε δύο περιοχές της εικόνας. Δύο πολύ παρόμοιες αποχρώσεις του γκρι έχουν μικρή ορατή αντίθεση. Μια σκοτεινή και μια πολύ ανοιχτή περιοχή έχουν μεγαλύτερη.

Για ένα απλό αριθμητικό παράδειγμα, μια περιοχή έχει σήμα 120 και το υπόβαθρο 100. Η διαφορά είναι 20. Με τον συγκεκριμένο τύπο (120 − 100) / 100 = 0,20 = 20% περιγράφουμε τη διαφορά σε σχέση με το υπόβαθρο.

Υπάρχουν και άλλοι τρόποι υπολογισμού, γι’ αυτό συγκρίνουμε αριθμούς που έχουν βγει με τον ίδιο ορισμό. Εδώ η «αντίθεση» είναι χαρακτηριστικό της εικόνας· δεν είναι το ίδιο πράγμα με το σκιαγραφικό φάρμακο.

6. Από πού προκύπτει η αντίθεση;

Η αντίθεση που βλέπουμε στην οθόνη προκύπτει σε διαφορετικά στάδια. Μας βοηθά να τα σκεφτόμαστε χωριστά:

Η επεξεργασία μπορεί να κάνει μια ήδη καταγραμμένη διαφορά πιο ορατή. Δεν δημιουργεί από μόνη της πραγματική πληροφορία που δεν καταγράφηκε στη λήψη.

7. Παράθυρο εμφάνισης: ποιες αποχρώσεις θέλουμε να ξεχωρίσουν;

Μια ψηφιακή εικόνα μπορεί να περιέχει μεγάλο εύρος αριθμητικών τιμών. Το παράθυρο εμφάνισης επιλέγει ποιες τιμές θα απλωθούν στην κλίμακα από μαύρο έως λευκό.

Το κέντρο ή level δείχνει γύρω από ποιες τιμές οργανώνεται η προβολή. Το πλάτος ή width δείχνει πόσο μεγάλο είναι το επιλεγμένο εύρος.

Η αλλαγή παραθύρου συνήθως αλλάζει την προβολή και διατηρεί τα δεδομένα. Ένα απλό εξαγόμενο στιγμιότυπο, όμως, μπορεί να κρατά μόνο τη συγκεκριμένη εμφάνιση.

8. Δυναμικό εύρος: από το πιο αδύναμο ως το πιο ισχυρό σήμα

Το δυναμικό εύρος περιγράφει πόσο μεγάλο εύρος σημάτων μπορεί να χειριστεί χρήσιμα ένα σύστημα ή ένα στάδιό του. Χρειάζεται να διευκρινίζουμε αν μιλάμε για τον ανιχνευτή, τις αποθηκευμένες τιμές ή την οθόνη.

Ο κορεσμός εμφανίζεται όταν φτάσουμε σε κάποιο όριο και διαφορετικά σήματα δεν μπορούν πλέον να αποδοθούν χωριστά στο συγκεκριμένο στάδιο.

9. Βάθος bit: πόσες διαφορετικές τιμές χωρούν;

Τα bits είναι τα δυαδικά ψηφία με τα οποία αποθηκεύει πληροφορίες ο υπολογιστής. Το βάθος bit δείχνει πόσα bits χρησιμοποιούνται για την κωδικοποίηση μιας τιμής της εικόνας.

Με n bits υπάρχουν έως 2ⁿ διαφορετικοί κωδικοί:

Περισσότερα bits επιτρέπουν περισσότερες αριθμητικές διαβαθμίσεις. Δεν σημαίνει ότι το μάτι βλέπει όλες αυτές τις αποχρώσεις ταυτόχρονα ούτε ότι η εικόνα είναι οπωσδήποτε καλύτερη.

10. Pixel, μήτρα και voxel με απλά λόγια

Το pixel είναι ένα μικρό στοιχείο μιας δισδιάστατης ψηφιακής εικόνας. Πολλά pixel τοποθετημένα σε γραμμές και στήλες σχηματίζουν τη μήτρα της εικόνας.

Μια μήτρα 512 × 512 έχει 512 γραμμές και 512 στήλες, δηλαδή 262.144 pixel. Ο αριθμός των pixel δεν μας λέει μόνος του πόσα χιλιοστά αντιστοιχούν στο καθένα.

Το voxel είναι στοιχείο όγκου: το σκεφτόμαστε σαν ένα μικρό κουτάκι με μήκος, πλάτος και πάχος. Ένα ιδεατό voxel 0,5 × 0,5 × 1 mm έχει όγκο 0,25 mm³.

Τα μικρότερα στοιχεία βοηθούν στην καταγραφή λεπτομερειών, αλλά η πραγματική απόδοση εξαρτάται και από το υπόλοιπο σύστημα. Το πάχος τομής και η απόσταση μεταξύ διαδοχικών τομών επίσης δεν είναι πάντα ίδια.

11. Διακριτική ικανότητα: βλέπουμε δύο κοντινές γραμμές χωριστά;

Η χωρική διακριτική ικανότητα δείχνει πόσο μικρές και κοντινές δομές μπορούν να εμφανιστούν χωριστά. Η ευκρίνεια αφορά το πόσο καθαρά αποδίδονται τα όρια και οι λεπτομέρειες.

Το μικρό μέγεθος pixel βοηθά, αλλά δεν αρκεί. Η κίνηση, ο ανιχνευτής και η ανακατασκευή της εικόνας μπορούν επίσης να περιορίσουν τη λεπτομέρεια.

Σε πιο τεχνικά κείμενα θα συναντήσουμε το όριο Nyquist, που συνδέεται με την απόσταση των δειγμάτων. Για το μάθημα κρατάμε ότι υπάρχει όριο στο πόσο λεπτά στοιχεία μπορεί να καταγράψει ένα πλέγμα.

Αν μεγαλώσουμε ψηφιακά μια μικρή εικόνα και προσθέσουμε pixel με υπολογισμό, δεν δημιουργούμε αυτόματα πραγματικές λεπτομέρειες που έλειπαν.

12. MTF: πόσο καλά διατηρούνται οι λεπτομέρειες;

Η MTF είναι ένας τρόπος να περιγράψουμε πώς ένα σύστημα αποδίδει πιο χονδρές και πιο λεπτές εναλλαγές στην εικόνα. Το πλήρες όνομα είναι Modulation Transfer Function.

Η καμπύλη MTF περιγράφει αυτή τη μεταβολή. Η χωρική συχνότητα δείχνει πόσο πυκνές είναι οι εναλλαγές: πιο πυκνές γραμμές αντιστοιχούν σε υψηλότερη συχνότητα.

Οι δείκτες MTF50 και MTF10 δηλώνουν τις συχνότητες όπου η MTF φτάνει στο 50% και στο 10%. Δεν είναι ποσοστά συνολικής διαγνωστικής ποιότητας.

Δεν χρειάζεται εδώ να υπολογίσουμε καμπύλες. Κρατάμε ότι η MTF δίνει πληροφορία για την απόδοση λεπτομερειών, πέρα από τον απλό αριθμό pixel.

13. Χαμηλή αντίθεση: ξεχωρίζει μια αχνή περιοχή;

Μια περιοχή μπορεί να έχει σχεδόν την ίδια απόχρωση με το περιβάλλον της. Η διακριτική ικανότητα χαμηλής αντίθεσης αφορά το πόσο καλά μπορούμε να τη διακρίνουμε.

Η διάκριση εξαρτάται από τη διαφορά σήματος, το μέγεθος της περιοχής, τον θόρυβο και την απόδοση του συστήματος. Επομένως, καλή απεικόνιση λεπτών γραμμών δεν σημαίνει αυτόματα καλή διάκριση κάθε αχνής περιοχής.

Οι έλεγχοι με ομοιώματα, δηλαδή ειδικά αντικείμενα με γνωστούς στόχους, βοηθούν να αξιολογηθεί αυτή η δυνατότητα σε συγκεκριμένες συνθήκες.

14. Θόρυβος: ο ανεπιθύμητος «κόκκος» της εικόνας

Ο θόρυβος είναι ανεπιθύμητες μεταβολές στις τιμές της εικόνας, που δυσκολεύουν τη διάκριση της χρήσιμης πληροφορίας. Συχνά τον αντιλαμβανόμαστε ως κόκκο ή ανομοιομορφία.

Ο θόρυβος μπορεί να σχετίζεται με τον αριθμό των φωτονίων που καταγράφονται, τα ηλεκτρονικά του συστήματος και την επεξεργασία. Η τυπική απόκλιση είναι ένας αριθμός που περιγράφει πόσο σκορπισμένες είναι οι τιμές γύρω από τον μέσο όρο τους.

Σε ένα ιδανικό μαθηματικό μοντέλο καταμέτρησης, 100 καταγραφές αντιστοιχούν σε σχετικό θόρυβο 10%, ενώ 400 σε 5%. Το παράδειγμα εξηγεί μια σχέση· δεν αποτελεί οδηγία αλλαγής έκθεσης ασθενούς.

Η εξομάλυνση μπορεί να μειώσει τον ορατό κόκκο, αλλά αν είναι έντονη μπορεί να μειώσει και χρήσιμες λεπτομέρειες.

15. SNR: πόσο ισχυρό είναι το σήμα σε σχέση με τον θόρυβο;

Το σήμα είναι η χρήσιμη πληροφορία που καταγράφουμε. Ο SNR, ή λόγος σήματος προς θόρυβο, συγκρίνει το μέγεθος του σήματος με το μέγεθος του θορύβου.

Σκεφτόμαστε μια φωνή σε ένα δωμάτιο με φασαρία. Όσο πιο έντονη είναι η φωνή σε σχέση με τη φασαρία, τόσο ευκολότερα ακούγεται. Η αναλογία βοηθά να καταλάβουμε τη σχέση σήματος και θορύβου στην εικόνα.

Εδώ χρησιμοποιούμε τον τύπο SNR = μέση τιμή / τυπική απόκλιση σε κατάλληλη ομοιόμορφη περιοχή. Ο τρόπος μέτρησης χρειάζεται προσοχή και δεν εφαρμόζεται ίδιος σε κάθε επεξεργασμένη εικόνα.

Μεγαλύτερος SNR, με συγκρίσιμες συνθήκες, σημαίνει ισχυρότερο σήμα σε σχέση με τον θόρυβο. Δεν περιγράφει όμως μόνος του όλες τις λεπτομέρειες ή τη συνολική ποιότητα.

16. CNR: ξεχωρίζει ο στόχος μέσα στον θόρυβο;

Ο CNR συγκρίνει τη διαφορά ανάμεσα σε έναν στόχο και το περιβάλλον του με τον θόρυβο. Θα συναντήσουμε και τον σχετικό όρο SDNR, λόγος διαφοράς σήματος προς θόρυβο.

Στο παράδειγμα χρησιμοποιούμε: CNR = απόλυτη διαφορά μέσων τιμών / μέτρο θορύβου. Υπάρχουν διαφορετικοί τρόποι μέτρησης του θορύβου, γι’ αυτό οι συγκρίσεις χρειάζονται ίδιο ορισμό.

Ο CNR βοηθά να καταλάβουμε γιατί μια περιοχή μπορεί να ξεχωρίζει δυσκολότερα όταν αυξάνεται ο θόρυβος. Δεν υπάρχει ένας αριθμός που να εγγυάται καταλληλότητα για κάθε εξέταση και κάθε στόχο.

17. Ιστόγραμμα: πόσα pixel έχουν κάθε τιμή;

Το ιστόγραμμα είναι μια καταμέτρηση των τιμών της εικόνας. Δείχνει πόσα pixel έχουν μια συγκεκριμένη τιμή ή ανήκουν σε ένα εύρος τιμών.

Σε ένα διάγραμμα ιστογράμματος, ο οριζόντιος άξονας δείχνει τις τιμές και ο κατακόρυφος πόσα pixel αντιστοιχούν σε αυτές.

Δύο διαφορετικές εικόνες μπορούν να έχουν το ίδιο ιστόγραμμα αν έχουν ίδια πλήθη τιμών σε διαφορετικές θέσεις. Το ιστόγραμμα βοηθά στην επεξεργασία, αλλά δεν περιγράφει μόνο του το σχήμα των δομών.

18. Τεχνουργήματα: τι αλλοιώνει την εικόνα;

Το τεχνούργημα, ή artifact, είναι μια ανεπιθύμητη εμφάνιση που σχετίζεται με τη λήψη, τον εξοπλισμό ή την επεξεργασία και μπορεί να δυσκολέψει την ερμηνεία.

Τα προβλήματα μπορούν να συνυπάρχουν. Ο θόρυβος συνήθως μοιάζει με διακυμάνσεις, ενώ ένα τεχνούργημα μπορεί να έχει συγκεκριμένο σχήμα, όπως γραμμές ή διπλά περιγράμματα.

Αναγνωρίζουμε και αναφέρουμε το πρόβλημα σύμφωνα με τη διαδικασία του τμήματος. Μια ασυνήθιστη εικόνα δεν οδηγεί αυτόματα σε επανάληψη της λήψης.

19. Οθόνη και φωτισμός: γιατί επηρεάζουν όσα βλέπουμε;

Η ίδια εικόνα μπορεί να φαίνεται διαφορετική ανάλογα με την οθόνη και τον φωτισμό του χώρου. Οι αντανακλάσεις και η ακατάλληλη απόδοση του γκρι μπορούν να κρύψουν λεπτές διαφορές.

Η βαθμονόμηση είναι η ρύθμιση της οθόνης με μετρήσεις ώστε να αποδίδει όπως προβλέπεται. Το DICOM GSDF περιγράφει έναν τυποποιημένο τρόπο απόδοσης των διαβαθμίσεων του γκρι.

Η καταλληλότητα μιας οθόνης ελέγχεται ανάλογα με τη χρήση της. Η αναφορά GSDF από μόνη της δεν αρκεί για να θεωρήσουμε κάθε οθόνη κατάλληλη για διάγνωση.

Οι αποχρώσεις που βλέπουμε σε αυτό το εκπαιδευτικό αρχείο δεν αποτελούν εργαλείο ελέγχου ή βαθμονόμησης οθόνης.

20. Τι κρατάμε από το μάθημα;

Το φιλμ περιγράφεται με την αμαύρωση και την οπτική πυκνότητα. Στην ψηφιακή εικόνα ξεχωρίζουμε τις αποθηκευμένες τιμές από τον τρόπο που εμφανίζονται στην οθόνη.

Περισσότερα pixel, περισσότερα bits ή πιο έντονη αντίθεση δεν σημαίνουν από μόνα τους καλύτερη εικόνα. Χρειάζεται να δούμε τι καταγράφηκε και πόσο χρήσιμα παρουσιάζεται.

Στην επόμενη υποενότητα θα δούμε πώς οι αλλαγές αυτών των χαρακτηριστικών επηρεάζουν τη συνολική ποιότητα της εικόνας.

Πηγές και περαιτέρω μελέτη

Οι παρακάτω πηγές περιλαμβάνονται στο αρχικό εκπαιδευτικό υλικό και προσφέρονται για περισσότερη μελέτη. Οι αριθμοί και τα παραδείγματα είναι απλουστευμένα και δεν αποτελούν μετρήσεις πραγματικού μηχανήματος ή οδηγίες αλλαγής έκθεσης ασθενούς. Για το μάθημα δίνουμε έμφαση στην κατανόηση των εννοιών. Οι εξωτερικοί σύνδεσμοι χρειάζονται σύνδεση στο διαδίκτυο.

1. IAEA — Handbook of Basic Quality Control Tests for Diagnostic Radiology, Human Health Series No. 47 Βασικά χαρακτηριστικά και συστηματική αξιολόγηση εικόνας.
2. AAPM — Report 74: Quality Control in Diagnostic Radiology, 2002 Θεμελιώδεις έννοιες φιλμ, αμαύρωσης και ελέγχου· ιστορική πηγή, όχι ισχυρισμός σύγχρονης κανονιστικής απαίτησης.
3. DICOM PS3.3 — Image Pixel Module Αριθμητική αναπαράσταση, δείγματα και χαρακτηριστικά pixel.
4. AAPM — Report 116: An Exposure Indicator for Digital Radiography, 2009 Ψηφιακή απόκριση, έκθεση, θόρυβος και ανάλυση ιστογράμματος.
5. AAPM — Report 270: Display Quality Assurance, 2019 Λαμπρότητα, συνθήκες παρατήρησης και ποιότητα οθόνης.
6. DICOM PS3.3 — Look Up Tables and Presentation States Μετασχηματισμοί τιμών, μονάδες και διαδρομή εμφάνισης.
7. IAEA — Diagnostic Radiology Physics: A Handbook for Teachers and Students, 2014, κεφάλαιο 4 Φυσική δημιουργίας σήματος και μέτρα ποιότητας· μεγάλο αρχείο PDF.
8. DICOM PS3.3 — VOI LUT Module Window center, window width και συναρτήσεις εμφάνισης.
9. DICOM PS3.5 — Encoding of Pixel, Overlay and Waveform Data Bits allocated, bits stored και αριθμητική κωδικοποίηση.
10. DICOM PS3.3 — Image Plane Module Γεωμετρία, pixel spacing, πάχος και θέση τομών.
11. AAPM — Report 150: Acceptance Testing and Quality Control of Digital Radiographic Imaging Systems Τεκμηρίωση ελέγχων απόδοσης ψηφιακών ακτινογραφικών συστημάτων.
12. Samei et al. — Intercomparison of Methods for Image Quality Characterization. I. Modulation Transfer Function, Medical Physics, 2006 Πρωτογενής μελέτη μεθόδων μέτρησης MTF και συγκρισιμότητας.
13. IAEA — Quality Assurance Programme for Computed Tomography: Diagnostic and Therapy Applications, Human Health Series No. 19, 2012 Χαμηλή αντίθεση, θόρυβος και αξιολόγηση CT.
14. Automatic Image Quality Evaluation in Digital Radiography Using a Modified Version of the IAEA Radiography Phantom, 2025 Πρωτογενής μελέτη για MTF, SNR, SDNR και εξάρτηση από επεξεργασία και εργασία.
15. Radiographic Techniques, Contrast, and Noise in X-Ray Imaging, AJR, 2015 Σχέση διαφοράς σήματος και θορύβου και έννοια CNR.
16. AAPM — Report 151: Ongoing Quality Control in Digital Radiography, 2015 Έλεγχος ποιότητας και αναγνώριση μη αναμενόμενης απόδοσης.
17. DICOM PS3.14 — Overview of the Grayscale Standard Display Function Τυποποιημένη απόδοση κλίμακας του γκρι.