Modelo Estatístico para a Determinação do Número Ótimo de Iterações do Filtro de Difusão Anisotrópica Aplicado à Redução de Ruído de Imagens de Ressonância Magnética do Cérebro

Abstract

Apesar do grande sucesso dos filtros de difusão anisotrópica na redução de ruídos de imagens médicas, uma limitação dessa abordagem iterativa é a determinação automática do número correto de iterações do algoritmo,  visto que um número grande de iterações pode causar um borramento excessivo das bordas entre as estruturas anatômicas, enquanto um número  pequeno pode não ser suficiente para remover completamente o ruído da imagem. Portanto, este trabalho propõe um modelo estatístico para  a determinação automática do número ótimo de iterações do filtro de  difusão anisotrópica aplicado à redução de ruído de imagens médicas.  O modelo é determinado "off-line" por meio da maximização do  índice de similaridade estrutural, o qual é usado neste trabalho como  uma função objetivo para avaliar quantitativamente a qualidade das  imagens resultantes após cada iteração do filtro. Após a determinação  dos parâmetros do modelo, o número ótimo de iterações do algoritmo  necessário para remover o ruído da imagem e, ao mesmo tempo preservar as bordas entre as estruturas anatômicas, é facilmente obtido. Resultados aplicados à imagens 3D de ressonância magnética do cérebro são apresentados  para ilustrar a eficácia do método proposto.