Розробка та експериментальне дослідження цифрового засобу покращення якості інтраскопічних зображень у системах медичної діагностики
DOI:
https://doi.org/10.26642/ten-2025-2(96)-52-57Ключові слова:
біомедична інженерія, медична інформатика, обробка сигналів, медичні зображення, медична діагностикаАнотація
У статті представлено архітектуру та принцип роботи цифрового програмного модуля для покращення якості зображень у системах інтраскопічної візуалізації. Запропонований модуль реалізує комбінований підхід, що базується на вейвлет-декомпозиції, адаптивному локальному контрастуванні та двобічному згладжуванні. Проведено інтеграцію модуля з моделлю відеопотоку ендоскопічної системи, а також апробацію на відкритих датасетах реальних зображень шлунково-кишкового тракту. Результати дослідження продемонстрували покращення візуального сприйняття та інформативності зображень, що підтверджено оцінками експертів і кількісними метриками (PSNR, SSIM, NIQE). Практична значущість розробки полягає у можливості її впровадження в системи діагностики з метою підвищення точності клінічного висновку.
Посилання
Gonzalez, R.C. and Woods, R.E. (2018), Digital Image Processing, Pearson, 4th ed.
Zhang,Y., Wang, J. and Yang, G. (2021), «Medical image denoising with generative adversarial network», Neural Computing and Applications, рр. 15641–15655, doi: 10.1007/s00521-021-05976-w.
Ma, J., Zheng, Y. and Wu, J. (2022), «Guided filtering based preprocessing for endoscopic image enhancement», Biomedical Signal Processing and Control, Vol. 72, doi: 10.1016/j.bspc.2021.103350.
Kaur, M., Jindal, M. and Ahmed, S.H. (2020), «Wavelet-based enhancement of medical images using multiscale fusion», Computers in Biology and Medicine, Vol. 119, doi: 10.1016/j.compbiomed.2020.103667.
Li, X., Luo, Y. and, Ren, Z. (2022), «Improved CLAHE for endoscopic image enhancement», International Journal of Computer Assisted Radiology and Surgery, рр. 367–375.
Ancuti, C., Ancuti, C.O. and Timofte, R. (2020), «NTIRE 2020 Challenge on Nonhomogeneous Dehazing», CVPR Workshops, [Online], available at: https://openaccess.thecvf.com/content_CVPRW_2020/html/wacv/Ancuti_NTIRE_2020_Challenge_on_Nonhomogeneous_Dehazing_CVPRW_2020_paper.html
Halder, A., Mandal, S. and Maji, P. (2023), «A hybrid contrast enhancement approach for medical images based on CLAHE and wavelet transform», Computer Methods and Programs in Biomedicine, Vol. 231.
Mahmood, F., Chen, R. and Durr, N.J. (2019), «Unsupervised reverse domain adaptation for synthetic medical images via adversarial training», IEEE Transactions on Medical Imaging, рр. 1972–1981.
KVASIR, [Online], available at: https://datasets.simula.no/kvasir/
CVC-ClinicDB, [Online], available at: https://polyp.grand-challenge.org/CVCClinicDB/
EndoVis Challenge, [Online], available at: https://endovis.grand-challenge.org/
Yavorska, E., Dozorska, O. and Nykytyuk, V. (2020), «Wavelet-based preprocessing of biomedical signals», Proceedings of the CSIT Conference, pp. 188–192.
Dozorskyi, V., Dediv, L. and Khvostivskyi, M. (2021), «Methods of stochastic modeling in biomedical engineering», Visnyk NTUU KPI. Ser. Radiotechnika, pp. 56–64.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Людмила Михайловна Ткачук; Іван Олександрович Гринюк
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
