Resumen

El ruido gaussiano es uno de los ruidos dominantes que degrada la calidad de los datos de imagen adquiridos por Tomografía Computarizada (CT). Crea dificultades en la identificación patológica o diagnóstico de cualquier enfermedad. La eliminación del ruido gaussiano es deseable para mejorar la claridad de una imagen de CT para aplicaciones clínicas, diagnósticas y de postprocesamiento. Este artículo propone un enfoque de filtro adaptativo no lineal evolutivo, utilizando la Red Neuronal Artificial de Enlace Funcional de Enjambre de Gatos (CS-FLANN) para eliminar el ruido no deseado. La estructura del filtro propuesto se basa en la Red Neuronal Artificial de Enlace Funcional (FLANN) y la Optimización de Enjambre de Gatos (CSO) se utiliza para la selección del peso óptimo del filtro de red neuronal. El filtro aplicado se ha comparado con los filtros lineales existentes, como el filtro de media y el filtro de Wiener adaptativo. Se han calculado índices de rendimiento, como la relación señal a

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Ruido gaussiano; Tomografía computarizada; Calidad de imagen; Red neuronal artificial de enlace funcional de enjambre de gatos; Eliminación de ruido; Relación pico-señal a ruido
• Keywords:Gaussian noise; Computed tomography; Image quality; Cat swarm functional link artificial neural network; Noise elimination; Peak signal to noise ratio