Fusión multiespectral de imágenes médicas mediante agrupamiento espectral lineal basado en variación total...

Área de la Ciencia:

• Imagenología Médica
• Visión por Computadora
• Procesamiento de Señales

Sus antecedentes:

• Los expertos médicos con baja visión enfrentan desafíos para extraer información crítica de las imágenes médicas.
• La fusión de imágenes multimodales (por ejemplo, CT-MRI) ofrece una solución potencial al combinar información complementaria.
• Los métodos de fusión existentes pueden tener dificultades con datos de imágenes médicas ruidosas o variantes de desplazamiento.

Objetivo del estudio:

• Desarrollar una arquitectura novedosa de fusión de imágenes médicas multimodales.
• Abordar los desafíos que plantean las imágenes médicas ruidosas y variantes de desplazamiento.
• Mejorar la fiabilidad analítica de las imágenes médicas fusionadas para expertos con baja visión.

Principales métodos:

• Reducción de ruido en imágenes médicas mediante una red neuronal convolucional (CNN).
• Aplicación de la transformada de contourlet no submuestreada (NSCT) para obtener componentes de imagen de aproximación y detallados.
• Fusión de componentes de aproximación mediante agrupamiento espectral lineal habilitado por variación total direccional (DTV).
• Fusión de componentes detallados mediante enfoques de Sum Modified Laplacian (SML).
• Reconstrucción de la imagen fusionada final mediante NSCT inversa.

Principales resultados:

• La arquitectura de fusión propuesta en el dominio NSCT reduce eficazmente el ruido en imágenes médicas multimodales.
• La estrategia de fusión que combina la agrupación espectral DTV y SML produce imágenes fusionadas informativas.
• Los análisis cualitativos y cuantitativos demuestran la superioridad del método propuesto.

Conclusiones:

• La técnica de fusión de imágenes multimodales desarrollada mejora la información diagnóstica para los expertos médicos, particularmente aquellos con baja visión.
• El dominio NSCT invariante al desplazamiento y las estrategias de fusión robustas contribuyen a resultados analíticos fiables.
• Este método ofrece una herramienta valiosa para la investigación comparativa y el análisis experimental en imágenes médicas.