تنظيم شدت نور و حذف نويز به منظور ارتقاء كيفيت تصاوير پزشكي

Light Intensity Adjustment and Noise Removal for Medical Image Enhancement

ارتقاء كيفيت تصوير يكي از روش هاي پردازش تصوير است به طوري كه هر چه تصوير خروجي داراي كيفيت نمايش بالاتري باشد. تصاوير پزشكي نقش برجسته اي در تشخيص مدرن دارند، در نتيجه هدف از اين مطالعه بهبود وضوح تصاوير پزشكي به منظور كمك به راديولوژيست ها و جراحان در پيدا كردن ناحيه هاي ناهنجار است.روش: روش هاي استفاده شده در اين مطالعه به منظور ارتقاء تصاوير پزشكي به دو دسته تنظيم شدت نور و حذف نويز دسته بندي مي گردد. روش هاي مبتني بر تنظم شدت نور، شامل تكنيك هايي براي نگاشت مقادير شدت نور تصوير به دامنه جديد مي باشد. دسته دوم، شامل روش هايي براي حذف نويز تصوير مي باشند. در اين مقاله از هر دو دسته براي ارتقاء تصاوير پزشكي استفاده شده است. تصاوير پزشكي استفاده شده شامل تصاوير ستون فقرات، مغز، ريه و ماموگرافي پستان مي باشد.نتايج: نتايج حاصل از به كار بستن روش هاي استفاده شده بر روي تصاوير پزشكي بر اساس پنج معيار تعداد لبه هاي آشكارسازي، pcnr، انديس كيفيت تصوير، ambe و ارزيابي كيفيت بصري مورد مقايسه قرار گرفت كه تصاوير ستون فقرات، مغز، ريه و ماموگرافي پستان در بهترين حالت به ترتيب داراي تعداد لبه هاي آشكاري سازي 6465، 10305، 16266و 13509 مي باشد.نتيجه گيري: نتايج نشان مي دهد كه برخي معيار هايي چون تعداد لبه هاي آشكار سازي و ارزيابي كيفيت بصري بهترين روش هاي مبتني بر شدت نور مي باشند و عملكرد بهتري دارند اما معيار هايي مانند pcnr، انديس كيفيت تصوير، ambe روش هاي مبتني بر حذف نويز نتايج بهتري را نشان دادند.

Introduction: Image contrast enhancement is an image processing method in which the output image has high quality display. Medical images have prominent role in modern diagnosis; therefore, this study aimed to enhance the quality of medical images in order to help radiologists and surgeons in finding abnormal areas. Method: The methods used in this study to enhance medical images quality are categorized into two groups; intensity adjustment and noise removal. Intensity adjustment methods including techniques for mapping image intensity values to the new domain. The second group including methods to remove noise from the images. Medical images used in this study including images of spine, brain, lung and breast. Results: The results were analyzed based on five criteria including the number of detected edges, PCNR, Image Quality Index, AMBE and visual quality that the number of detected edges in images of spine, brain, lungs and breast were 6465, 10305, 16266 and 13509, respectively. Conclusion: The results show that the methods with intensity adjustment technique have better performance in criteria such as the number of detected edges and image visual assessment. However, the other method include in noise removal technique perform more effectively in PCNR, Image Quality Index and AMBE measure.