Метод підвищення чіткості дрібних деталей біомедичних зображень із використанням графового підсилення
DOI:
https://doi.org/10.26642/ten-2026-1(97)-332-336Ключові слова:
обробка біомедичних зображень, біомедична інженерія, підсилення структур, графове згладжування, комп’ютерна діагностикаАнотація
Підвищення якості біомедичних зображень є критично важливим для забезпечення достовірної візуалізації анатомічних структур і патологічних змін, що безпосередньо впливає на точність діагностики. Покращення контрасту, зниження шуму та підсилення інформативних деталей сприяють більш надійному аналізу зображень як лікарями, так і автоматизованими системами обробки даних. У статті представлено реалізацію запропонованого алгоритму покращення якості медичних зображень, що базується на графовому edge-aware підсиленні структур. Запропонований підхід використовує зелений канал як основне джерело структурної інформації для побудови графової моделі локальних зв’язків між пікселями та виконує ітераційне згладжування з урахуванням інтенсивнісних відмінностей. На основі різниці між початковим і згладженим зображенням формується карта деталей, яка разом із додатковою високочастотною складовою, отриманою за допомогою гаусового фільтра, використовується для підсилення судинного рисунка. Реалізовано перенесення виділених деталей у кольоровий простір RGB з різними ваговими коефіцієнтами, що забезпечує збереження природного кольорового балансу. Проведено обробку серії тестових зображень із відкритих джерел та виконано оцінювання результатів роботи алгоритму. Отримані результати демонструють підвищення інформативності зображень і покращення візуалізації судинних структур. Практична значущість підходу полягає у можливості його застосування в системах комп’ютерної діагностики для підвищення якості аналізу медичних зображень.
Посилання
Andikevych, S., Shcherbatyuk, A., Poudanien, Yu. et al. (2025), «Biomedical image quality improvements with attention mechanisms and deep residual learning», Proceedings of SPIE, Vol. 5, doi: 10.1117/12.3093542.
Pavlov, S.V., Vovkotrub, D.V., Dovhaliuk, R.Yu. and Khani, A. (2011), «Informatsiini tekhnolohii pidvyshchennia yakosti biomedychnykh zobrazhen», Informatsiini tekhnolohii ta kompiuterna inzheneriia, No. 2.
Poudanien, Y. and Kozhemiako, A. (2023), «Optical-digital narrowband methods for registration and improvement of biomedical images during endoscopy», Optoelectronic Information-Power Technologies, Vol. 46, No. 2, рр. 44–54, doi: 10.31649/1681-7893-2023-46-2-44-54.
Yang, Y.J. (2023), «Current status of image-enhanced endoscopy in inflammatory bowel disease», Clinical Endoscopy, doi: 10.5946/ce.2023.070.
Shcherbatiuk, A.V. and Tuzhanskyi, S.Ye. (2024), «Metody optychnoi koherentnoi tomohrafii ta alhorytmy filtratsii zobrazhen dlia oftalmolohichnoi diahnostyky», Optyko-elektronni informatsiinoenerhetychni tekhnolohii, No. 1, рр. 148–154, [Online], available at: http://jnas.nbuv.gov.ua/article/UJRN-0001494647
Andrikevych, S.A. and Tuzhanskyi, S.Ye., «Zastosuvannia metodu adaptyvnoho vyrivniuvannia histohram dlia pidvyshchennia kontrastnosti zobrazhen ochnoho dna», [Online], available at: https://ir.lib.vntu.edu.ua/handle/123456789/48219
«Visualization Tools for High Resolution Fundus Dataset», Dataset Ninja, [Online], available at: https://datasetninja.com/high-resolution-fundus
Memari, N., Ramli, A.R., Bin Saripan, M.I. et al. (2017), «Supervised retinal vessel segmentation from color fundus images based on matched filtering and AdaBoost classifier», PloS one, Vol. 12, No. 12, doi: 10.1371/journal.pone.0188939
Narvekar, N.D. and Karam, L.J. (2011), «A No-Reference Image Blur Metric Based on the Cumulative Probability of Blur Detection (CPBD)», IEEE Transactions on Image Processing, Vol. 20, No. 9, рр. 2678–2683, doi: 10.1109/TIP.2011.2131660.
Canny, J. (1986), «A Computational Approach to Edge Detection», IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, No. 6, рр. 679–698, doi: 10.1109/TPAMI.1986.4767851.
Список використаної літератури:
Biomedical image quality improvements with attention mechanisms and deep residual learning / S.Andikevych, A.Shcherbatyuk, Yu.Poudanien and other // Proceedings of SPIE. – 2025. – Vol. 5. DOI: 10.1117/12.3093542.
Інформаційні технології підвищення якості біомедичних зображень / С.В. Павлов, Д.В. Вовкотруб, Р.Ю. Довгалюк, А.Хані // Інформаційні технології та комп’ютерна інженерія. – 2011. – № 2.
Poudanien Y. Optical-digital narrowband methods for registration and improvement of biomedical images during endoscopy / Y.Poudanien, A.Kozhemiako // Optoelectronic Information-Power Technologies. – 2023. – Vol. 46, № 2. – P. 44–54. DOI: 10.31649/1681-7893-2023-46-2-44-54.
Yang Y.J. Current status of image-enhanced endoscopy in inflammatory bowel disease / Y.J. Yang // Clinical Endoscopy. – 2023. DOI: 10.5946/ce.2023.070.
Щербатюк А.В. Методи оптичної когерентної томографії та алгоритми фільтрації зображень для офтальмологічної діагностики / А.В. Щербатюк, С.Є. Тужанський // Оптико-електронні інформаційно-енергетичні технології. – 2024. – № 1. – С. 148–154 [Електронний ресурс]. – Режим доступу : http://jnas.nbuv.gov.ua/article/UJRN-0001494647.
Андрікевич С.А. Застосування методу адаптивного вирівнювання гістограм для підвищення контрастності зображень очного дна / С.А. Андрікевич, С.Є. Тужанський [Електронний ресурс]. – Режим доступу : https://ir.lib.vntu.edu.ua/handle/123456789/48219.
Visualization Tools for High Resolution Fundus Dataset / Dataset Ninja [Electronic resource]. – Access mode : https://datasetninja.com/high-resolution-fundus.
Supervised retinal vessel segmentation from color fundus images based on matched filtering and AdaBoost classifier / N.Memari, A.R. Ramli, M.I. Bin Saripan and other // PloS one. – 2017. – Vol. 12, № 12. DOI: 10.1371/journal.pone.0188939.
Narvekar N.D. A No-Reference Image Blur Metric Based on the Cumulative Probability of Blur Detection (CPBD) / N.D. Narvekar, L.J. Karam // IEEE Transactions on Image Processing. – 2011. – Vol. 20, № 9. – P. 2678–2683. DOI: 10.1109/TIP.2011.2131660.
Canny J. A Computational Approach to Edge Detection / J.Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. PAMI-8, № 6. – P. 679–698. DOI: 10.1109/TPAMI.1986.4767851.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Сергій Анатолійович Андрікевич, Артем Володимирович Щербатюк, Станіслав Євгенович Тужанський
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.
