Tıbbi görüntü parazitini giderme için dalgacık dönüşümü ile Fourier alanı filtrelemesinin karşılaştırmalı çalışması

Daha temiz taramaların önemi

BT ve MRG gibi modern tıbbi taramalar yaşam-kurtaran ayrıntılarla doludur: küçük lezyonlar, soluk dokular ve ince doku sınırları. Ne var ki her tarama aynı zamanda rastgele "kar" ve lekeler—önemli ipuçlarını gizleyebilen gürültü—içerir; bu da doktorları daha yüksek radyasyon dozları veya daha uzun tarama süreleri kullanmaya zorlayabilir. Bu makale, klinik sonuçları büyük olan aldatıcı derecede basit bir soruyu ele alır: iki popüler matematiksel temizleme aracından hangisi, gürültü farklı şekillerde ortaya çıktığında gerçekten daha temiz ve daha güvenilir görüntüler üretiyor?

Bir görüntüye bakmanın iki yolu

Yazarlar, temizlemeden önce görüntüyü yeniden ifade eden iki klasik stratejiye odaklanıyor. Birincisi dalgacıkları kullanır; bu yöntem resmi kaba arka plan yapısı ve ardından ardışık olarak daha ince ayrıntı düzeylerine böler. Bu temsilde rastgele gürültünün çoğu çok küçük katsayılara dönüşürken gerçek kenarlar ve dokular daha az sayıda daha büyük katsayı olarak görünür. Gürültü giderme, küçük katsayıları çeşitli eşik kurallarına göre küçültmek veya yok etmek ve ardından görüntüyü yeniden oluşturmaktan ibarettir. İkinci strateji, görüntünün tamamına değil de birçok küçük, üst üste binen kare bloğa uygulanan ayrık kosinüs dönüşümü adlı Fourier'ın bir akrabasını kullanır. Her blok içinde dönüşüm, düzgün yapıyı (düşük frekanslar) ince değişimlerden (yüksek frekanslar) ayırır ve algoritma esasen gürültüyü taşıyan yüksek frekans bileşenlerini bastırabilir.

Popüler yöntemleri adil bir teste sokmak

Bu yaklaşımları adil şekilde karşılaştırmak için araştırmacılar 512 × 512 bir BT görüntüsü etrafında büyük bir test ortamı kurdular. Gerçek tıbbi sorunları taklit eden dört tür sentetik gürültü eklediler: Gauss ve uniform gürültü (kumlu oynamalar), Poisson gürültüsü (az dozlu X-ışını görüntülemede tipik olarak az foton toplandığında görülen) ve "tuz ve karabiber" gürültüsü (eylem hatalarını simüle eden parlak ve koyu benekler). Dalgacıklar için en basit Haar dalgacıktan daha sofistike biyortogonal spline'lara kadar sekiz farklı aile denendi—on iki farklı katsayı küçültme yöntemi ve küçültme gücünü seçmenin dört yolu ile birleştirildi. Kosinüs tabanlı yöntem için, üst üste binen 16 × 16 bloklar işlendi, her blok dönüştürüldü, küçük yüksek frekans bileşenleri sıfırlandı ve sonra üst üste binen bloklar ortalanarak tam bir görüntüye geri yollandı.

Kim daha iyi temizliyor, ne kadar farkla?

Performans, temizlenmiş görüntüyü orijinal gürültüsüz görüntü ile karşılaştıran standart görüntü kalitesi puanlarıyla değerlendirildi. Dalgacık cephesinde, biyortogonal spline ve Daubechies dalgacıkları öne çıktı; özellikle SURE ve Smooth Garrote gibi gözlenen veriye uyum sağlayan adaptif eşik kuralları ile eşleştirildiklerinde. Bu kombinasyonlar, Haar gibi daha basit dalgacıkları ve Meyer ile Shannon gibi daha egzotik olanları tutarlı şekilde geride bıraktı. Buna rağmen, en iyi dalgacık düzenlemeleri test edilen her gürültü senaryosunda blok tabanlı kosinüs yöntemi tarafından aşıldı. Örneğin Gauss gürültüsü için, en iyi dalgacık konfigürasyonu yaklaşık 31 dB civarında tepe sinyal-gürültü oranı (PSNR) elde ederken, blok tabanlı kosinüs yöntemi yaklaşık 36 dB'ye ulaştı. Uniform, Poisson ve tuz-ve-karabiber gürültüsü için benzer 4–6 dB'lik farklar görüldü; bu, gözle görülür derecede daha keskin görüntüler ve daha az kalıcı yapılandırma anlamına geliyor.

Neden daha küçük parçalar kazanıyor

Sürpriz, kosinüs dönüşümlerinin işe yaramıyor olması değil—bunlar görüntü sıkıştırmanın belkemiğidir—ama nispeten basit, blok tabanlı bir kosinüs filtresinin dikkatle ayarlanmış dalgacıkları geride bırakabilmesidir; dalgacıklar sıklıkla görüntülerin çok ölçekli bakışıyla övülür. Yazarlar, kilidin matematiksel dönüşümün kendisinde değil, nasıl kullanıldığına bağlı olduğunu savunuyor. Onların dalgacık tekniği tüm görüntüye tek bir küresel karar kuralı uygular, bu yüzden soluk ama gerçek yapılar gürültü sanılıp silinebilir. Buna karşılık, blok tabanlı kosinüs yöntemi yerel komşuluklara uyum sağlar: her üst üste binen yama analiz edilir, temizlenir ve sonra komşularıyla yumuşak bir şekilde harmanlanır. Bu yerel bakış, ince anatomik detayları korumaya yardımcı olurken kumlanmayı azaltır ve örtüşme, genellikle blok yöntemlerini bozan bloklu artefaktların oluşmasını engeller.

Gelecek taramalar için ne anlama geliyor

Klinisyenler ve görüntüleme mühendisleri için temel çıkarım, yöntem tasarımının—özellikle yerel ile küresel işlem arasındaki farkın—"dalgacık" ile "Fourier" arasındaki seçimden daha önemli olabileceğidir. Bu kontrollü çalışmada, yerelleştirilmiş bir kosinüs-tabanlı filtre, yalnızca mütevazı bir hesaplama zamanı artışıyla bir dizi gerçekçi gürültü türünde çok çeşitli dalgacık tariflerinden daha temiz BT görüntüleri sağladı. Bu, pratik, derin öğrenme dışı gürültü gidericiler arayan hastaneler ve cihaz üreticilerinin blok tabanlı frekans yöntemlerine veya bunların yerelliğini ödünç alan hibritlere yönelmek isteyebileceğini düşündürüyor. Sonuçta, bu tür algoritmik tercihlerin getirisi kolayca anlaşılır: daha düşük dozda veya daha kısa tarama sürelerinde daha net görüntüler ve hastalık belirtilerinin gürültü içinde kaybolmama olasılığının artması.

Atıf: Saif, M.A., Mughalles, B.M. & Loqman, I.G.H. Comparative study of wavelet transform and Fourier domain filtering for medical image denoising. Sci Rep 16, 10145 (2026). https://doi.org/10.1038/s41598-026-40594-4

Anahtar kelimeler: tıbbi görüntü parazit giderme, BT görüntüleme, dalgacık dönüşümü, ayrık kosinüs dönüşümü, görüntü gürültü azaltma