Procesamiento de Señales e Imágenes Digitales
URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/31440
Explorar
Ítem Texto completo enlazado Joint reconstruction techniques for ultrasonic attenuation imaging(Pontificia Universidad Católica del Perú, 2024-05-08) Miranda Zárate, Edmundo Arom; Lavarello Montero, Roberto JannielEl ultrasonido cuantitativo (QUS, por sus siglas en inglés) es una modalidad de imagen no invasiva que caracteriza numéricamente los tejidos para el diagnóstico médico. Los estimadores QUS se basan en parámetros acústicos como la pendiente del coeficiente de atenuación (ACS, por sus siglas en inglés). Un estudio anterior propuso eliminar el ruido de las relaciones logarítmicas espectrales utilizando una variación total de un solo canal a través de la frecuencia. El método espectral para estimar el ACS, conocido como diferencia logarítmica espectral (SLD, por sus siglas en inglés) no incorpora ninguna estrategia de reconstrucción conjunta para mejorar la imagen. Por lo tanto, este trabajo propone la integración de dos estrategias conjuntas compatibles con el marco SLD. Primero, un enfoque de regularización conjunta denominado variación total nuclear (TNV-SLD) es implementado, el cual combina información geométrica del ACS y el componente del coeficiente de retrodispersión (BSC, por sus siglas en inglés) para mejorar la calidad de las imágenes, logrando mejores resultados en términos de error porcentual medio (MPE) y relación contraste-ruido (CNR). Posteriormente, el estudio se amplía para eliminar conjuntamente los ratios logarítmicos espectrales del SLD en los canales de frecuencia. Se propone un método conjunto multifrecuencia para aumentar la calidad de las imágenes de atenuación. Se consideraron dos modificaciones de la variación total con base en las normas Frobenius (TFV) y nuclear (TNV). Las métricas se compararon con dos métodos de regularización anteriores denominados RSLD y TVSLD, basados en la variación total de un solo canal con datos de maniquíes simulados y experimentales, y una muestra de tejido ex vivo. Los resultados mostraron un mejor desempeño general del método TNV para ambas estrategias, produciendo mapas ACS mejorados y extendiendo el balance entre la resolución espacial y la variabilidad de la estimación en términos de CNR con un sesgo estable.