Resumen

Las técnicas de fusión de imágenes constan de tres etapas: extracción de características, reducción de dimensiones y clasificación.   Problema: Este artículo presenta un nuevo enfoque para el análisis multirresolución.   Objetivo: El análisis multirresolución es la técnica más utilizada en la ciencia de la fusión de imágenes, que captura las características de una imagen no sólo a diferentes resoluciones, sino también a diferentes orientaciones. Metodología: Este algoritmo basado en Wavelet tiene ventajas adicionales de rápida implementación, versatilidad, ahorro de memoria auxiliar, propiedades de reconstrucción completa y simplicidad ya que se utilizó la transformación wavelet. Resultados: Los resultados de la simulación de las imágenes de RM y TC muestran una calidad de imagen perfectamente aceptable y cubren la detección de la enfermedad en la imagen final posterior. Conclusiones: El Análisis de Componentes Principales (ACP) basado en algoritmos de fusión facultará a los investigadores médicos o clínicos para aplicar adecuadamente la fusión de imágenes y la transmisión de datos, lo que conduce a mejores prácticas de atención para minimizar las redundancias y también puede manejar la pérdida de datos. Originalidad: La fusión de imágenes puede disminuir el tamaño de la imagen, lo que puede disminuir el ancho de banda al transmitir imágenes. Esto también comprime las imágenes; aquí se intenta mantener la misma coherencia. Limitaciones: Al tratarse de un método relativamente novedoso, los errores en el manejo de los datos clínicos pueden provocar deficiencias en el tratamiento del paciente. La calidad de la imagen no debe disminuir con este uso.

1. INTRODUCCIÓN

La imagen médica adquiere un papel significativo en diversos usos de la investigación terapéutica y el avance tecnológico de la terapia médica en la época actual. Implica imágenes progresivamente mayores con propiedades y datos muy mejorados para identificar y diagnosticar la imagen de salud con precisión. Por lo tanto, la fusión de imágenes médicas ofrece la mejor respuesta a la alta calidad y la recopilación redundante de datos de imagen. La fusión multimodal de imágenes médicas aumenta la calidad de la imagen posterior de forma espontánea tras la fusión. La fusión de imágenes requiere un mínimo de dos imágenes explicativas y genera datos adicionales para representar mejor la imagen final producida. La imagen resultante también contiene los datos correspondientes y redundantes.

La imagen médica es, en varios aspectos, un aspecto esencial del uso clínico rutinario. La presencia de métodos de imagen distintivos para mostrar la anatomía del sistema en diferentes partes del cuerpo humano es ampliamente apreciada. Modalidades como la resonancia magnética y la tomografía computarizada (TC) proporcionan menos información y más información mutua [1] [2].

• Materias:Procesamiento de imágenes Imágenes médicas Imágenes diagnósticas
• Subjects:Image processing Medical imaging Diagnostic imaging
• Palabras claves:Imagen fusionada; Algoritmos de fusión; Análisis de Componentes Principales (PCA); Análisis de Componentes Independientes (ICA); Transformada Wavelet; Fusión de imágenes
• Keywords:Fused Image; Fusion Algorithms; Principal Component Analysis (PCA); Independent Component Analysis (ICA); Wavelet Transform; Image fusion