推进多式医疗图像融合:一种基于多层次指导过的自适应图像分解方法
Shiva Moghtaderi1, Mokarrameh Einlou1, Khan A Wahid1
1Department of Electrical and Computer Engineering, University of Saskatchewan, Saskatoon, Saskatchewan S7N 5A9, Canada.
Royal Society open science
|April 11, 2024
概括
这项研究引入了一种快速的医疗图像融合方法,使用多层导向边缘保护过 (MLGEPF) 来增强对比度,并保留来自多模式来源的信息,如MRI,SPECT和PET扫描.
科学领域:
- 医疗成像医学成像
- 图像处理 图像处理
- 计算生物学 计算生物学
背景情况:
- 多模式医疗图像融合旨在将来自不同成像模式的信息整合到单一的信息图像中.
- 关键的挑战包括平衡空间和光谱质量与计算效率.
- 现有的方法往往难以实现最佳的权衡.
研究的目的:
- 提出一种快速可靠的医疗图像融合方法.
- 提高图像质量和计算效率之间的权衡.
- 为了提高视觉对比度和信息保存在融合医疗图像.
主要方法:
- 使用多层导向边缘保护过 (MLGEPF) 分解来将图像分为小规模,大规模和背景组件.
- 应用了两个融合策略:基于结构张量和基于最大的融合的脉冲合神经网络 (PCNN).
- 组合合并的子层生成最终的合并图像.
主要成果:
- 拟议的方法表明结构和周围组织之间的视觉对比度增加.
- 观察者的主观审查表明了积极的反和改进的视觉比较.
- 客观指标 (IMF,SCD,Qabf,Qy) 显示了高的评估结果,表明信息的保存和传输优越.
结论:
- 开发的基于MLGEPF的融合方案为多式联络医疗图像融合提供了快速可靠的方法.
- 该方法有效地提高了视觉对比度,并保留了关键信息.
- 在客观和主观评估中,与现有方法相比,实现了更高的性能.
