在NSST领域的多式医疗图像融合,具有结构和光谱特征增强增强
Sajid Ullah Khan1, Fahim Khan2, Shahid Ullah3
1Multimedia Information Processing Lab, Department of Information and Communication Engineering, Chosun University, Gwangju, South Korea.
Heliyon
|July 7, 2023
概括
这项研究引入了一种新的多式医学图像融合 (MMIF) 方法,使用非亚样本Shearlet转换 (NSST) 和强度,色彩,和 (IHS) 来增强疾病识别和治疗. 这种新的方法通过结合不同成像方式的结构和光谱特征来提高诊断准确性.
科学领域:
- 医疗成像医学成像
- 图像处理 图像处理
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 医学成像对于诊断至关重要,但单一的模式存在挑战.
- 准确的疾病识别和改进的治疗是关键的医疗困难.
- 多模式医疗图像融合 (MMIF) 旨在增强诊断能力.
研究的目的:
- 为MMIF提出一种新的结构和光谱特征增强方法.
- 提高疾病识别和治疗规划的准确性.
- 开发一种可以超越现有MMIF方法的算法.
主要方法:
- 使用强度,色彩,和 (IHS) 方法进行初始图像准备.
- 应用非亚样本的Shearlet转换 (NSST) 用于将图像分解为频率子频段.
- 在低频子频段采用结构信息 (SI) 融合策略,在高频子频段采用主要组件分析 (PCA).
主要成果:
- 拟议的方法有效地增强了结构和光谱特征.
- 对于高频组件,使用PCA在像素级别进行了融合.
- 使用反向NSST和IHS转换重建了最终的融合图像.
- 通过120对不同模式的图像对进行验证,证明了卓越的性能.
结论:
- 开发的MMIF算法显著改善了诊断信息.
- 该方法提供了增强的结构和光谱特征表示.
- 这种方法代表了多式联络医疗图像融合的最先进进展.
