Filtro Adaptativo de Wiener Gaussiano para Imagens de Tomografia Computadorizada com Variância de Ruído Gaussiano

A imagem médica desempenha um papel importante na assistência médica moderna, com a Tomografia Computadorizada (TC) sendo essencial para a imagem transversal de alta resolução. No entanto, o ruído gaussiano muitas vezes ocorre nas imagens de TC e dificulta a interpretação das imagens, reduzindo a precisão diagnóstica, criando um obstáculo significativo para a plena utilização da tecnologia de tomografia computadorizada. As técnicas de remoção de ruído existentes têm dificuldade em equilibrar a redução do ruído e a preservação dos detalhes importantes da imagem, não conseguindo permitir a precisão diagnóstica ideal. Este estudo introduz o Filtro Adaptativo de Wiener Gaussiano (AGWF), um filtro inovador que visa remover o ruído das imagens de TC que foram corrompidas com várias variâncias de ruído gaussiano sem comprometer os detalhes da imagem. O AGWF combina o filtro gaussiano para a redução inicial do ruído, seguido pela implementação do filtro de Wiener, que pode estimar adaptativamente a variância do ruído e a potência do sinal em regiões localizadas. Essa abordagem não apenas supera outras técnicas existentes, mas também demonstra um equilíbrio notável entre a redução do ruído e a preservação dos detalhes da imagem. O experimento avalia 300 imagens do conjunto de dados e cada imagem é corrompida com variância de ruído gaussiano para garantir uma avaliação abrangente do desempenho do AGWF. A avaliação indicou que o AGWF pode melhorar o valor da Razão Sinal-Ruído (SNR) e reduzir o Erro Médio Quadrático (RMSE) e o Erro Quadrático Médio (MSE), mostrando uma melhoria qualitativa nas imagens de TC. O método proposto possui um potencial promissor para avançar a tecnologia de imagem médica com a implementação de aprendizado profundo.