Una aproximación a la detección de bordes en imágenes médicas mediante análisis de histograma y gradiente morfológico

Resumen

La detección de bordes toma importancia en los sistemas de procesamiento de imágenes para
el diagnóstico asistido por ordenador, donde se analizan los cambios bruscos en la intensidad
de los píxeles para obtener información rápida y precisa sobre las regiones de interés para el
especialista. Se desarrolló un método para el realce de caracteristicas y detección de bordes
en imágenes médicas utilizando procesamiento de imágenes analizando el histograma de
distribución de píxeles y la operación de gradiente morfológico. Se utilizaron imágenes del
conjunto de datos MINI MIAS y del conjunto de datos COVID-CT. El método se basa en
procesamiento de imágenes y se aplica a las imágenes de mamografía y TAC de tórax, donde
los pasos de filtrado de desenfoque se acompañan de filtrado de gradiente morfológico,
además de obtener el umbral para detectar el borde mediante el análisis del punto de máxima
concentración de píxeles según el histograma de distribución. El procesamiento se presenta
en una interfaz gráfica de usuario desarrollada en lenguaje Python. El método se valida
mediante la comparación con otras técnicas de detección de bordes como el Algoritmo
Canny, y con métodos de aprendizaje profundo como el Holistically-Nested Edge Detection.
El método propuesto mejora la calidad de la imagen tanto en mamografías como en TAC en
comparación con otras técnicas. También presenta el mejor rendimiento teniendo en cuenta
la detección de bordes internos y externos, así como un tiempo medio de respuesta de 1.054
segundos y 2.63 % de requerimiento de la Unidad Central de Procesamiento. El sistema
desarrollado se presenta como una herramienta de apoyo para su uso en procesos de
diagnóstico asistido por ordenador debido a su alta eficiencia en la detección de bordes.