Comparación de técnicas de filtrado en estudios planares de medicina nuclear
Fecha
2015-06-21
Autores
Pérez García, José Osvaldo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central "Marta Abreu" de Las Villas
Resumen
Las imágenes de gammagrafía planar son muy útiles en el diagnostico asistido por imágenes. Sin embargo, estas tienden a presentar problemas de detectabilidad de lesiones pequeñas por estar contaminadas con ruido, fenómeno que se acentúa por la imposibilidad de aumentar la dosis del radiofármaco por encima de los niveles establecidos o el tiempo de estudio del paciente bajo la cámara gamma. El presente trabajo propone un algoritmo de reducción de ruido de Poisson utilizando la transformación de Anscombe junto a la Transformada Wavelet en estas imágenes. Primeramente las imágenes óseas reales de pacientes obtenidas con dos cámaras gamma se contaminan con ruido de Poisson a diferentes niveles. Luego se realiza la transformación de Anscombe con el objetivo de tratar al ruido de Poisson como si fuera ruido aditivo Gaussiano con varianza unitaria. Posteriormente las imágenes se filtran con un conjunto de 6 filtros diseñados en el dominio de las wavelets. Finalmente, la calidad de las imágenes resultantes (filtradas y sin filtrar) se evalúa por medio de medidas objetivas como la relación señal a ruido (SNR), el error medio cuadrático normalizado (NMSE) y el índice de similitud estructural (SSIM). Como resultado se obtuvo que al ser aplicada la transformada de Anscombe previo al filtrado Wavelet, mejora en todos los casos la calidad de la imagen resultante, al disminuir significativamente los niveles de ruido (p<0.05), sin afectar sensiblemente la resolución espacial. En el experimento realizado los filtros obtenidos a partir de las wavelets Coif3 a 5 niveles de descomposición, bior3.5 a 5 niveles de descomposición y db2 a 4 niveles de descomposición mostraron los mejores resultados.
Descripción
Palabras clave
Medicina Nuclear, Imágenes de Gammagrafía Planar, Cámara Gamma, Transformada Wavelet