Técnica local basada en conjuntos difusos de tipo 2 para mejorar la imagen de manchas
El enfoque propuesto en el artículo se encuentra en el proyecto “Investigación avanzada de procesamiento de imágenes médicas basadas en computación suave”, el trabajo ha sido realizado por el doctor Dibya Jyoti Bora (profesor asistente), de la Facultad de Ciencias de la Computación, Universidad de Assam Kaziranga, Jorhat, Assam en el año 2018-2019.
Introducción: las imágenes de tinción HE, aunque consideradas como el estándar ideal para el diagnóstico de imágenes médicas, aún sufren de poco contraste y degradación en la calidad del color. En este documento se propone una técnica de mejora basada en conjuntos difusos tipo 2 para optimizar la imagen de tinción HE con especial cuidado hacia los cálculos y mediciones basados en el color.
Métodos: este documento presenta un nuevo enfoque basado en el conjunto difuso tipo 2 para mejorar la
imagen de tinción HE, donde la interpolación bicúbica juega un papel importante. La máscara de desenfoque también se emplea como factor de mejora posterior.
Resultados: a partir de los resultados es claramente visible que los núcleos celulares y otros cuerpos celulares son fácilmente distinguibles entre sí en el resultado mejorado producido por el enfoque propuesto. Esto implica que la vaguedad en los bordes que rodean los objetos en la imagen original se elimina a un nivel aceptable.
Conclusiones: se encuentra que el enfoque es, a través de evaluaciones tanto subjetivas como objetivas, una técnica de preprocesamiento eficiente para un mejor análisis de imagen de tinción HE.
Originalidad: las ideas involucradas en este documento son originales. Si el trabajo de otros investigadores se menciona en alguna parte del artículo se citan correctamente.
Limitación: la complejidad de tiempo relativamente alta es la única limitación asociada con el enfoque propuesto.
Cómo citar
Licencia
Derechos de autor 2019 Ingeniaría Solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
D. J. Bora, “An Ideal Approach for Medical Color Image Enhancement”, (n.d.)
G. S. Robinson, “Color edge detection,” in Proc. SPIE Symp.Advances Image Transmission Techniques, vol. 87, pp. 126–133, 1976.
M. H. F. Zarandi, and M. Zarinbal, “A new image enhancement method Type-2 Possibilistic C-Mean Approach”, IFSA World Congress and NAFIPS Annual Meeting (IFSA/NAFIPS), pp. 1131-1135, 2013 Joint. doi: http://dx.doi.org/10.1109/IFSA-NAFIPS.2013.6608559
T. Chaira, “Medical image enhancement using intuitionistic fuzzy set,” 1st Inter-national Conference on Recent Advances in Information Technology (RAIT), 2012. doi: http://dx.doi.org/10.1109/rait.2012.6194479.
T. Chaira, “An improved medical image enhancement scheme using Type II fuzzy set,” Applied Soft Computing, 25, pp. 293-308, 2014. doi: http://dx.doi.org/10.1016/j.asoc.2014.09.004
J. Gu, L. Hua, X. Wu, H. Yang, and Z. Zhou, “Color medical image enhancement based on adaptive equalization of intensity numbers matrix histogram,” International Journal of Au-tomation and Computing, vol. 12, pp. 551-558, 2015. doi: http://dx.doi.org/10.1007/s11633-014-0871-9
P. Ensafi, and H. Tizhoosh, “Type-2 Fuzzy Image Enhancement,” Lecture Notes in Computer Science, pp.159-166, 2005.
M. Zarinbal, and M. Fazel Zarandi, “Type-2 fuzzy image enhancement: Fuzzy rule based approach”, 2017. doi: https://doi.org/10.3233/IFS-130902
D. Bora, “An Efficient Innovative Approach Towards Color Image Enhancement,” International Journal of Information Retrieval Research, vol. 8, no. 1, pp.20-37, 2017. [Accessed 1 December 2017]. [Online]. Available from: https://www.igi-global.com/article/an-efficient-innovative-approach-towards-color-image-enhancement/193247
Cytoinformatics.com. (2017). H&E Stain Hematoxylin and Eosin Staining |Digital Pathology Analysis. [Accessed 1 December 2017]. [Online]. Available from: https://cytoinformatics.com/Cyto/he-stain
Wikipedia.org. (2017). Hu0026E stain. [Accessed 1 December 2017]. [Online]. Available from: https://en.wikipedia.org/wiki/H%26E_stain
S. Paxton, M. Adele and Peckham, (2017). The Leeds Histology Guide. Histology.leeds.ac.uk. [Accessed 14 December 2017]. [Online]. Available from: http://histology.leeds.ac.uk/what-is-histology/H_and_E.php
M. Gurcan, L. Boucheron, A. Can, A. Madabhushi, N. Rajpoot, and B. Yener, “Histopathological Image Analysis: A Review,” IEEE Reviews in Biomedical Engineering, vol. 2, pp.147-171, 2009.
Upload.wikimedia.org. (2017). [Accessed 15 December 2017]. [Online]. Available from: https://upload.wikimedia.org/wikipedia/commons/8/86/Emphysema_H_and_E.jpg
D. Bora, “AERSCIEA: An Efficient and Robust Satellite Color Image Enhancement Approach,” Proceedings of the Second International Conference on Research in Intelligent and Computing in Engineering, 2017.
Stephen Johnson, “Stephen Johnson on Digital Photography,” O'Reilly, 2006.
D. Bora, “Importance of Image Enhancement Techniques In Color Image Segmentation: A Comprehensive And Comparative Study,” Indian J.Sci.Res, vol. 15, no. 1, pp. 115-131, 2017.
R. Keys, “Cubic convolution interpolation for digital image processing,” IEEE Transactions On Acoustics, Speech, And Signal Processing, vol. 29, no.6, pp. 1153-1160, 1981. Doi: http://dx.doi.org/10.1109/tassp.1981.1163711
D. Han, “Comparison of Commonly Used Image Interpolation Methods,” Proceedings of the 2nd International Conference on Computer Science and Electronics Engineering (ICCSEE 2013), China, pp. 1556-1559, 2013.
V. Patel, and K. Mistree, “A Review on Different Image Interpolation Techniques for Image Enhancement,” International Journal of Emerging Technology and Advanced Engineering, vol. 3, no.12, pp. 129-133, 2013.
Z. Zhao, and Y. Zhou, “PLIP based unsharp masking for medical image enhancement” IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2016. doi: 10.1109/icassp.2016.7471874
Unsharp Mask. (2017). Docs.gimp.org. [Accessed 9 May 2017]. [Online]. Available from: https://docs.gimp.org/en/plug-in-unsharp-mask.html.
Spatial Filters - Gaussian Smoothing. Homepages.inf.ed.ac.uk. [Accessed 9 May 2017]. [Online]. Available from: http://homepages.inf.ed.ac.uk/rbf/HIPR2/gsmooth.htm.
Medicalxpress.com. (2017). Team finds link between backup immune defense, mutation seen in Crohn's disease. [Accessed 16 December 2017]. [Online]. Available from: https://medicalxpress.com/news/2017-07-team-link-backup-immune-defense.html
Pixera.com. (2017). Cite a Website - Cite This For Me. [Accessed 16 December 2017]. [Online]. Available from: http://www.pixera.com/sample-images/users/user-0009.jpg
I. Jafar, and H. Ying, “Multilevel component-based histogram equalization for enhancing the quality of grayscale images” IEEE International Conference on Electro/Information Technology, 2007. doi: http://dx.doi.org/10.1109/eit.2007.4374490.
