Técnicas de melhoria de imagens para o realce de tumores cerebrais em imagens de ressonância magnética
DOI:
https://doi.org/10.24933/rep.v8i1.359Palavras-chave:
equalização de histograma, melhoria de contraste, CLAHE, BCET, ressonância magnéticaResumo
A integração da tecnologia em diversos campos do conhecimento humano, especialmente na intersecção entre medicina e computação, possibilitou a implementação e contribuição para procedimentos relacionados à aquisições de imagens e tratamentos médicos, resultando na melhoria das práticas médicas e consequentemente na condição de saúde do paciente. No entanto, a obtenção de imagens, como por meio da ressonância magnética, apresenta diversos desafios, tais como ruídos, distorções e outras características da imagem que podem influenciar a avaliação do exame final. Com a finalidade de mitigar esses problemas, desenvolveu-se neste artigo uma aplicação que recebe imagens de ressonância magnética contendo pacientes com e sem tumores cerebrais. Em seguida, são aplicados métodos de melhoria de contraste como o CLAHE (Contrast Limited Adaptive Histogram Equalization), BCET (Balance contrast enhancement technique) e a equalização de histograma, e então, discute-se quais são as vantagens e desvantagens de utilizar cada método, assim como é explorado a avaliação através da interpretação dos histogramas das imagens resultantes do algoritmo. Ao final, conclui-se que a CLAHE obteve o melhor desempenho entre as técnicas abordadas, destacando os tumores nas imagens, além de ressaltar outras regiões fundamentais para o diagnóstico do paciente.
Downloads
Referências
Alain H, Djemel Z. Image quality metrics: PSNR vs. SSIM. International Conference on Pattern Recognition, 2358 - 2369, 2010.
Bhuvaji S, Kadam A, Bhumkar P, Dedge S. Brain Tumor Classification MRI. Kaggle.
Disponível em:
<https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-classification-mri>. Acesso em:
de aug de 2023.
Ferlay J, Ervik M, Lam F, Colombet M, Mery L, Piñeros M, Znaor A, Soerjomataram I, Bray
F (2020). Global Cancer Observatory: Cancer Today. Lyon, France: International Agency
for Research on Cancer. Disponível em:
<https://gco.iarc.fr/today/data/factsheets/cancers/31-Brain-central-nervous-system-fact-sheet.
pdf>. Acesso em: 18 aug. 2023.
GONZALEZ, Rafael; WOODS, Richard. Digital Imaging Processing. 4. ed. New York: Pearson Education, 2018. 1168 p.
LIU JIAN GUO. Balance contrast enhancement technique and its application in image colour composition. International Journal of Remote Sensing, 12:10, 2133-2151, 1991. DOI: https://doi.org/10.1080/01431169108955241
MACHADO, Angelo; HAERTEL, Lucia Machado. Neuroanatomia funcional. 3. ed. São Paulo: Atheneu, 2013.
OpenCV. Histograms - 2: Histogram Equalization. Disponível em:
<https://docs.opencv.org/4.x/d5/daf/tutorial_py_histogram_equalization.html>. Acesso em: 7
out. 2023.
Rajamani V., Babu. P, S.Jaiganesh. A Review of Various Global Contrast Enhancement
Techniques for Still Images using Histogram Modification Framework. International
Journal of Engineering Trends and Technology (IJETT), 1045-1048, 2013.
Senthilkumaran N, Thimmiaraja J. Histogram Equalization for Image Enhancement Using MRI brain images. World Congress on Computing and Communication Technologies, 80-89, 2014. DOI: https://doi.org/10.1109/WCCCT.2014.45
Sonali, Sima Sahu, Amit Kumar Singh, S.P. Ghrera, Mohamed Elhoseny. An approach for de-noising and contrast enhancement of retinal fundus image using CLAHE. Optics & Laser Technology, 110, 87-98, 2018. DOI: https://doi.org/10.1016/j.optlastec.2018.06.061
Stephen M. Pizer, E.Philip Arburn, John D. Austin, Robert Cromartie, Ari Geselowitz, Trey Greer,Bart Ter Haar Romeny, John B. Zimmerman, Karel Zuiderveld. Adaptive Histogram Equalization and Its Variations. COMPUTER VISION, GRAPHICS, AND IMAGE PROCESSING, 39, 355-368, 1987. DOI: https://doi.org/10.1016/S0734-189X(87)80186-X
Tawsifur Rahman, Amith Khandakar, Yazan Qiblawey, Anas Tahir, Serkan Kiranyaz, Saad Bin Abul Kashem, Mohammad Tariqul Islam, Somaya Al Maadeed, Susu M. Zughaier, Muhammad Salman Khan , Muhammad E.H. Chowdhury. Exploring the effect of image enhancement techniques on COVID-19 detection using chest X-ray images. Computers in Biology and Medicine, 132, 2021. DOI: https://doi.org/10.1016/j.compbiomed.2021.104319
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 teste
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).