Resumen

La tomografía por emisión de positrones (PET) proporciona imágenes de la actividad metabólica del organismo y se utiliza en la investigación, el seguimiento y el diagnóstico de varias enfermedades. Sin embargo, los datos brutos producidos por el escáner están severamente corrompidos por el ruido, causando una calidad degradada en las imágenes reconstruidas. En este trabajo, proponemos un algoritmo de reconstrucción para mejorar el proceso de reconstrucción de imágenes, abordando el problema desde una perspectiva geométrica variacional. Propusimos utilizar la curvatura gaussiana ponderada (WGC) como término de regularización para lidiar mejor con el ruido y preservar la geometría original de la imagen, como la estructura de la lesión. En otros contextos, se ha comprobado que el término WGC tiene excelentes capacidades para preservar los bordes y las estructuras de baja magnitud de gradiente, como las estructuras en rampa; al mismo tiempo, elimina eficazmente el ruido en la imagen. Presentamos varios experimentos destinados a evaluar el contraste y la detectabilidad de lesiones en las imágenes reconstruidas. Los resultados de las imágenes simuladas y de los datos reales mostraron que nuestro algoritmo propuesto preserva eficazmente las lesiones y elimina el ruido.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:ruido, imágenes, tomografía por emisión de positrones, proceso de reconstrucción de imágenes, baja magnitud de gradiente, perspectiva geométrica variacional, curvatura gaussiana ponderada, imagen, término WGC, calidad degradada
• Keywords:noise, images, Positron emission tomography, image reconstruction process, low gradient magnitude, variational geometric perspective, weighted Gaussian curvature, image, WGC term, degraded quality