Técnicas de mejoramiento de imagen para el mejoramiento de tumores cerebales en imágenes de resonancia magnética
DOI:
https://doi.org/10.24933/rep.v8i1.359Palabras clave:
CLAHE, BCET, Ecuaciones de histograma, Mejora de contraste, Resonancia MagnéticaResumen
La integración de la tecnología en diversos campos del conocimiento humano, especialmente en la intersección entre la medicina y la informática, ha permitido la implementación y contribución a procedimientos relacionados con la adquisición de imágenes y los tratamientos médicos, resultando en la mejora de las prácticas médicas y consecuentemente de la condición de salud del paciente. Sin embargo, la obtención de imágenes, como por ejemplo mediante resonancia magnética, presenta varios desafíos, como ruido, distorsiones y otras características de la imagen que pueden influir en la evaluación del examen final. Para mitigar estos problemas, en este artículo se desarrolló una aplicación que recibe imágenes de resonancia magnética que contienen pacientes con y sin tumores cerebrales. Luego, se aplican métodos de mejora del contraste como CLAHE (Ecualización de histograma adaptativa limitada por contraste), BCET (Técnica de mejora del contraste de equilibrio) y ecualización de histograma, y luego se discuten las ventajas y desventajas de utilizar cada método, así como evaluar la evaluación mediante. la interpretación de los histogramas de las imágenes resultantes del algoritmo. Al final se concluye que CLAHE obtuvo el mejor desempeño entre las técnicas cubiertas, resaltando los tumores en las imágenes, además de resaltar otras regiones fundamentales para el diagnóstico del paciente.
Descargas
Citas
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
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 teste
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
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).