Herzlich Willkommen beim beam-Verlag in Marburg, dem Fachverlag für anspruchsvolle Elektronik-Literatur.


Wir freuen uns, Sie auf unserem ePaper-Kiosk begrüßen zu können.

Aufrufe
vor 7 Jahren

1-2017

  • Text
  • Medizinelektronik
  • Software
  • Medizintechnik
  • Sensoren
  • Kameras
Fachzeitschrift für Medizintechnik-Produktion, Entwicklung, Distribution und Qualitätsmanagement

Bildverarbeitung Bild 5:

Bildverarbeitung Bild 5: Effekt des Weißabgleichs. Livebild einer Basler Mikroskopie-Kamera pulse puA2500. Links: Vor dem Weißabgleich. rechts: Nach automatischem Weißabgleich Objektiv Typischerweise wird erst nach erfolgreichen Spezifikationen für die Kamera, dem Licht, der Prozessoreinheit, sowie der Algorithmen nach den Anforderungen des Objektivs gesucht. Die Produktion von maßgeschneiderten Objektiven dauert oft Jahre – daher ist es wichtig, die Auswahl des Objektivs bereits früh in der Entwicklungsphase unterzubringen. Einige Hersteller von MV- Kameras bieten passende Objektive, sowie entsprechende Kabel direkt mit an. Dieses „one-stopshopping“ spart Zeit, wichtige Entwicklungsressourcen, und es minimiert das Risiko von Zuliefererproblemen. Langlebigkeit der Plattform Die Langlebigkeit der Plattform ist einer der wesentlichen Aspekte in der Entscheidung für die Kamera eines Herstellers. Besonders bei Anwendungen im Bereich der Chirurgie, Ophthalmologie und medizinischen Diagnostik, sind aufgrund langwieriger Zertifizierungen (ISO, FDA) Produktzyklen bis zu zehn Jahren keine Seltenheit. Daher ist es umso wichtiger, dass der Kamerahersteller sein Zulieferernetz so ausgerichtet hat, dass er die Produkte entsprechend lange anbietet. Dieses Kriterium ist so maßgeblich, dass Hersteller von Medizinprodukten ein langfristig verfügbares Produkt einer technischen Neuheit vorziehen. Individuelle Kundenanpassungen Machine-Vision-Kamerahersteller sind es gewohnt, Kameras an Kundenwünsche anzupassen. Diese Flexibilität ist insbesondere im Medizinbereich von enormer Wichtigkeit. Wird ein Produkt beispielsweise als Medizinprodukt zertifiziert, muss die Firmware entsprechend des Standes für den Kunden eingefroren und neue Kameras - entsprechend dieser Firmware - an den Kunden ausgeliefert werden. Oft müssen Kameras auch in standardisierte medizinische Gehäuse integriert werden, was kundenspezifische Anpassungen in Bezug auf Materialien, Labels oder Farben mit sich bringt. Zusammenfassung Machine Vision-Kameras und Hersteller eignen sich also hervorragend für den medizinischen Markt: 1. Langlebige Kameras: stabiles Gehäuse, geringer Sensorversatz, gute Verarbeitung 2. Stabile und gepflegte Software mit Features zum Anpassen der Kamera an verschiedene Licht/-Applikationsszenarien – bei hoher Transparenz der eingesetzten Methoden (keine Black- Box wie bei Kameramodulen im Konsumentenbereich) 3. Breite Sensor- und Interfaceauswahl, zusammen mit gutem Support sorgen für schnelle und effiziente Integration sowie kurze Time-to-Market 4. Machine-Vision-Kameras liefern ein akkurates, belastbares, reproduzierbares Bild mit echten Farben vom Objekt, während Kameras aus dem Konsumentenbereich die Bilder schönrechnen 5. CMOS-Sensoren sind mittlerweile kostengünstige Alternativen zu CCD-Sensoren 6. Machine-Vision-Kameras haben GigE- und USB-3.0-Interfaces, die auf Bildübertragung spezialisiert sind 7. Neue Interfacetechnologien wie LVDS ermöglichen Vision- Systeme auf engstem Raum (z.B. tragbare Geräte, Stereo-Vision) 8. One-stop-shopping: Kamera, Objektiv und Kabel aus einer Hand zur Minimierung von Zuliefererproblemen 9. Langlebigkeit von Softwareund Hardware-Plattformen über viele Jahre hinweg können Hersteller von Machine-Vision-Kameras anbieten 10. Service wie kundenspezifische Anforderungen (Farbe, Label, Materialien..) können realisiert werden Farbechtheit bei Kameraanwendungen in der Medizin Besonders in wachsenden Märkten der medizinischen Diagnostik, wie z.B. der digitalen Pathologie, der Ophthalmologie, der Hämatologie oder der Mikroskopie ist die Farbwiedergabe der Kamera von zentraler Bedeutung. Mithilfe der digitalen Pathologie können Abbildungen von Präparaten zwischen verschiedenen Labors ausgetauscht werden. Die Diagnose wird auf diese Weise kostengünstiger, effizienter und robuster, da Experten hunderte Kilometer entfernt Zugang zu den Präparaten erhalten. Mithilfe einer Software lassen sich die digitalisierten Präparate ansehen und kommentieren. Außerdem kann die Probe – einmal digitalisiert – von Algorithmen auf verdächtige Regionen untersucht werden. Diese sog. computergestützte Diagnostik, die auf Mustererkennungs-Algorithmen wie neuronalen Netzen beruht, hat in den letzten Jahren große Fortschritte gemacht und wird auch weiter an Bedeutung gewinnen. Dieses Verfahren macht Diagnosen verlässlicher und spart zudem Kosten und Zeit, da Präparate vorqualifiziert werden können. Da die Farbe bestimmter Strukturen des Präparates für den geschulten Pathologen ein aussagekräftiges Merkmal zur Klassifikation der Diagnose ist, ist die Anforderung an die Kamera hoch, dass die digitale Version des tatsächlichen Präparates seinem Ebenbild in Detail und Farbton entspricht. Bei der digitalen Dermatoskopie werden potentiell schädigende Strukturen der Haut mit einer Kamera aufgenommen. Herkömmliche optische Dermatoskope erlauben zwar die Beurteilung von tumorverdächtigen Stellen – liefern jedoch keine Möglichkeit zur standardisierten Dokumentation oder der quantifizierten Beobachtung über die Zeit. Bei einer digitalen dermatoskopischen Untersuchung werden verdächtige Hautveränderungen mit einer Kamera abfotografiert. Dies geschieht zu mehreren Zeitpunkten, sodass die Entwicklung des Pigments digital festgehalten werden kann. Eine Software speichert die Bilder und stellt sie für den Dermatologen übersichtlich dar. Verschiedene Kriterien, wie Radius und Farbe, liefern dem Dermatologen dann eine Entscheidungsgrundlage zur Diagnose. Die Farbechtheit ist somit auch hier ein wesent- 40 meditronic-journal 1/2017

Bildverarbeitung licher Aspekt im diagnostischen Prozess und stellt eine Anforderung an die Kamera dar. Speziell in der digitalen Dermatoskopie ist das nicht trivial – denn die Farbdarstellung muss unabhängig von der Beleuchtungsart und Lichtfarbe stets gleich sein. Vom Objekt zum Messwert: Abbildung von Farbe bei digitalen Kameras Die beschriebenen Applikationen zeigen beispielhaft, dass Kameras als Werkzeug zur Dokumentation, zur visuellen Unterstützung, sowie als Messgerät verwendet werden, und die Anforderungen an Farbgenauigkeit für digitale Kameras in medizintechnischen Anwendungen überaus hoch sind. Um den Prozess der Farbwiedergabe eines Objekts zu beschreiben, muss man den Prozess der Farbe des Objekts bis zum Intensitätswert eines Bildes betrachten: Dieser Weg geht vom Objekt über das Objektiv zum Sensor, und wird in der Kamera zum Farbwert verarbeitet. Bei der Bildakquirierung fällt zunächst das vom Objekt reflektierte Licht über ein Objektiv auf den Sensor der Kamera. Allen drei Komponenten fällt eine entscheidende Bedeutung zu: Je besser die Beleuchtung des Objekts, desto exakter kann der Sensor die Farbintensität messen. Da das reflektierte Licht über ein Objektiv auf den Sensor projiziert wird, ist auch dieses von besonderer Bedeutung. Viele einzelne Pixel Der Sensor besteht aus vielen einzelnen Pixeln, welche die eintreffenden Photonen des Lichts aufnehmen können und je nach Anzahl ein unterschiedlich starkes elektrisches Signal weiterleiten. Die einzelnen Pixel lassen sich bildlich als „Eimer“ verstehen, welche die eintreffenden Photonen aufnehmen können. Um nicht nur die Anzahl der Photonen, sondern auch noch ihre spektrale Zugehörigkeit (Wellenlänge) unterscheiden zu können, ist bei Farbsensoren eine Filterschicht (sog. Bayer-Pattern oder Bayer-Matrix) angebracht (Bild 1), die Photonen einzelner Wellenlänge passieren lassen (Rot, Grün, Blau), während sie Photonen der jeweils anderen Wellenlänge blocken (Bild 2). Das Design des Bayer-Patterns kann zwischen Bauarten von Sensoren zwar variieren – üblicherweise besteht das Muster jedoch aus drei Arten von Filtern: 50% grün, 25% rot und 25% blau. Berechnung des RGB-Wertes Im folgenden Schritt müssen aus den Intensitätswerten der einzelnen Farbpixel die Farbwerte errechnet werden. Ziel ist es, die Intensitätswerte des Bayer-Pattern (bspw. 8 bit pro Pixel) auf eine RGB-Information (24 bit pro Pixel – 8 rot, 8 grün, 8 blau) hochzurechnen. Dieser Vorgang ist unter dem sog. Debayering bekannt und entspricht einer Interpolation (Rückschließen) der fehlenden Farbwerte. Ein Debayering ist rechenaufwändig. Moderne Kameras realisieren diesen Rechenvorgang deshalb direkt auf dem kamerainternen FPGA. Das erspart dem Anwender viel Rechenleistung, die aufgrund stark begrenzter Ressourcen besonders im Embedded-Bereich von großer Bedeutung ist. Durch die Nutzung eines FPGA ist außerdem die Latenzzeit für die Berechnung auf ein Minimum begrenzt. Ein großes Problem bei der Verwendung farbiger medizinischer Bilder ist die uneinheitliche Farbdarstellung, denn diese kann je nach eingesetzter Kamera bzw. Sensor stark variieren. Aus diesem Grund gibt es den standardisierten sRGB-Farbraum. Besonders in der Medizin, in der die standardisierte Dokumentation von großer Relevanz ist, ist der sRGB der Grundpfeiler in standardisierter Farbwiedergabe. sRGB sorgt dafür, dass Bilddaten, die in sRGB gleich sind, auf jedem farbkalibriertem sRGB-Monitor auf der ganzen Welt gleich aussehen. Für eine Überführung der kameraspezifischen RGB-Werte in die genormten sRGB-Werte sind zwei Korrekturen innerhalb der Kamera nötig: Farbkalibrierung und Gammakorrektur. Farbkalibrierung Wie oben beschrieben, hängen die von der Kamera erzeugten Farbwerte zu großen Teilen von den Faktoren Beleuchtung, Objektiv, Sensor und Interpolation (Debayering) ab. Damit sich die medizinische Diagnostik auf die errechneten Farbwerte verlassen kann, sind eine Reihe von Schritten nötig, um diese Anpassung der Farbe auf das reale Objekt sicherzustellen – die Farbkalibrierung. Sie besteht in modernen Kamerasystemen aus drei Teilschritten: dem Weißabgleich, einer sog. Matrix-Korrektur, sowie einer Korrektur mit einem Sechs- Achsen-Operator. Abschließend wird eine sog. Gammakorrektur durchgeführt, die nicht als Schritt der Farbkalibrierung gezählt werden kann. ColorChecker Der Kalibrierungsprozess bedient sich eines sogenannten ColorCheckers (Bild 3, rechts). Hierbei handelt es sich um eine schachbrettähnliche Tafel, auf der 18 Farben und 6 Graustufen in Vierecken nebeneinander abgebildet sind. Da die sRGB-Werte der einzelnen Felder bei bestimmter Beleuchtung bekannt sind (Bild 3, links), dient der ColorChecker als Referenz zum Farbmesswert der Kamera. Misst man den Farbwert der Kamera für ein bestimmtes Feld, erhält man einen sRGB-Wert, den man mit dem tatsächlichen, bekannten Wert für das Farbfeld vergleichen kann. Die Länge des Vektors zwischen gemessenem und bekanntem Punkt im Farbraum wird als ΔE (siehe Bild 4) bezeichnet und kann als Farbfehler definiert werden. Ein ΔE von 1 wird als just noticeable difference (JND) bezeichnet. Ein ΔE von größer als 1 wird als unterschiedliche Farbe wahrgenommen. Ziel des nun folgenden Kalibrierungsprozesses ist es, den Farbfehler ΔE zu minimieren. In der Vergangenheit gab es verschiedene Möglichkeiten, den Farbfehler ΔE zu berechnen. Während das in den 70ern definierte ΔE ab wie oben beschrieben die euklidische Vektordistanz misst, berechnen neuere Definitionen Bild 6: Erhöhung der Sättigung bei einer Liveaufnahme zellulärer Strukturen mit einer Mikroskopie-Kamera (Basler pulse puA2500) meditronic-journal 1/2017 41

hf-praxis

PC & Industrie

© beam-Verlag Dipl.-Ing. Reinhard Birchel