blog

Jan 01, 2024

Eliminação de ruído de imagem em microscopia acústica usando bloco

Scientific Reports volume 13, Artigo número: 13212 (2023) Citar este artigo 208 Acessos 2 Detalhes da Altmetric Metrics A microscopia acústica de varredura (SAM) é uma técnica de imagem sem rótulo usada em

Scientific Reports volume 13, Artigo número: 13212 (2023) Citar este artigo

208 Acessos

2 Altmétrico

Detalhes das métricas

A microscopia acústica de varredura (SAM) é uma técnica de imagem sem rótulo usada em imagens biomédicas, testes não destrutivos e pesquisa de materiais para visualizar estruturas superficiais e subterrâneas. Na imagem ultrassônica, os ruídos nas imagens podem reduzir o contraste, os detalhes das bordas e da textura e a resolução, impactando negativamente os algoritmos de pós-processamento. Para reduzir os ruídos na imagem digitalizada, empregamos um filtro de correspondência de blocos 4D (BM4D) que pode ser usado para eliminar o ruído de sinais volumétricos acústicos. O filtro BM4D utiliza a técnica de filtragem de domínio de transformação com limiar rígido e estágios de filtragem de Wiener. O algoritmo proposto produz a saída sem ruído mais adequada em comparação com outros métodos de filtragem convencionais (filtro Gaussiano, filtro mediano e filtro Wiener) quando aplicado a imagens com ruído. A saída das imagens filtradas pelo BM4D foi comparada ao nível de ruído com diferentes filtros convencionais. As imagens filtradas foram analisadas qualitativamente usando métricas como matriz de índice de similaridade estrutural (SSIM) e relação sinal-ruído de pico (PSNR). A análise qualitativa e quantitativa combinada demonstra que a técnica BM4D é o método mais adequado para eliminar o ruído da imagem acústica do SAM. O filtro de correspondência de blocos proposto abre um novo caminho no campo da eliminação de ruído de imagens acústicas ou fotoacústicas, particularmente em cenários com relações sinal-ruído pobres.

Da ciência dos materiais à biologia, microscópios acústicos de varredura (SAM) têm sido usados ​​com sucesso para gerar imagens de estruturas superficiais e internas e realizar avaliações não destrutivas sem causar danos ao material que está sendo estudado . Além da capacidade de inspecionar objetos, o SAM também é capaz de fornecer informações quantitativas amplas e precisas sobre os itens inspecionados. O SAM possui uma gama de capacidades, incluindo a caracterização microestrutural não invasiva de materiais, a caracterização das propriedades mecânicas de materiais piezoelétricos em suas superfícies e subsuperfícies, monitoramento da saúde estrutural (SHM) das estruturas compostas, detecção de defeitos superficiais em polímeros. circuitos e examinando a propagação de fônons anisotrópicos 2,3,4,5,6,7. A tecnologia do SAM tem importância significativa nos mercados altamente competitivos e exigentes das indústrias de microeletrônica e semicondutores. Ele desempenha um papel vital no aprimoramento de projetos de moldes para embalagens flip-chip e é capaz de gerenciar as complexidades envolvidas em montagens miniaturizadas, como embalagens em escala de chip e pilhas de IC 3D, tornando-o uma ferramenta significativa na indústria8, 9.

A resolução das imagens geradas pelo SAM em uma frequência específica depende do tamanho do pixel ou das etapas de varredura nas direções x e y, juntamente com o tamanho do ponto do feixe acústico. Na imagem ultrassônica, as imagens são geradas pela coleta de sinais, e a qualidade das imagens resultantes pode ser bastante afetada pela presença de ruído. Imagens com ruído podem causar diminuição do contraste, perda de detalhes de bordas e texturas e redução da resolução, o que pode afetar negativamente o desempenho do algoritmo de pós-processamento. Portanto, o ruído é um fator crítico que pode contribuir para o declínio da qualidade do sinal em imagens acústicas. A determinação precisa dos parâmetros das imagens adquiridas depende da eliminação eficaz de ruído da imagem.

O desafio mais prevalente e não resolvido na ultrassonografia é a presença de ruído de múltiplas fontes, o que muitas vezes leva a uma degradação significativa da qualidade da imagem. Consequentemente, a presença de ruído torna-se altamente limitante em aplicações sensíveis onde o contraste acústico desempenha um papel crucial. Devido a vários fatores, como ambiente, ruído eletrônico, cabo de transmissão e outros, as imagens estão inevitavelmente sujeitas a ruído durante a aquisição, compressão e transmissão, resultando em distorção e perda de informações da imagem. Esses fatores tornam as imagens vulneráveis ​​à manifestação de ruídos aleatórios durante a aquisição de dados. As técnicas de remoção de ruído podem ser classificadas em duas categorias principais: métodos de domínio espacial e métodos de domínio de transformação. Os filtros espaciais podem ser divididos em filtros lineares e não lineares, e utilizam filtragem passa-baixa nos valores de pixel de uma imagem, uma vez que o ruído tende a ocupar regiões mais altas no espectro de frequências10. Os filtros espaciais tendem a reduzir o ruído até certo ponto, mas muitas vezes levam ao desfoque da imagem. Em contraste, o domínio de transformação fornece várias técnicas de processamento de sinal, como decomposição wavelet e decomposição em modo empírico (EMD), para resolver este problema . Além disso, métodos como análise de componentes principais (PCA) e decomposição de valores singulares (SVD) podem ser usados ​​para reconstrução e restauração de sinal12, 13. Wang et al. utilizou um método híbrido que combinava decomposição de pacotes de ondas e EMD para eliminar ruído de sinais e posteriormente classificou várias falhas de motor usando Support Vector Machine (SVM) . Em um estudo separado, Fan et al. apresentaram um algoritmo de remoção de ruído baseado na análise de componentes principais (PCA) que foi demonstrado usando dados simulados com níveis variados de ruído . Huan et al. introduziram um método chamado C-PCASVD, que combina análise de componentes principais (PCA) e decomposição de valores singulares (SVD) para identificar os valores singulares de interferência16. Esta técnica permite um equilíbrio ideal entre o decaimento de indução livre sem ruído (FID) e a eficiência da redução de ruído.