Adquisición de las imágenes

Los datos de CT se obtuvieron para esta investigación de dos escáneres CT diferentes: un kV on-board imaging (OBI) system integrated en un acelerador lineal médico TrueBeamTM (Varian Medical System, Palo Alto, CA, USA) y un escáner Siemens SOMATOM Sensation 16 scanner CT utilizando la geometría de exploración helicoidal (Santa Clara, Cuba). Los pacientes con empastes dentales se escanearon en un sistema kV OBI con un tipo de filtro “Filtro corporal”, núcleo de convolución “estándar”, corriente del tubo 250mA y 120 kVp; en el caso de pacientes con implantes de cadera y semilla, con "Filtro corporal", núcleo de convolución "estándar", corriente del tubo de 150 mA y 120 kVp . Otros pacientes con empastes dentales se escanearon en un Siemens SOMATOM Sensation 16 scanner CT y fue utilizado un tipo de filtro “WEDGE_2”, convolución kernel “'H31s”, corriente del tubo 226

mA y 120 kVp. La matriz de imágenes reconstruidas es de 512 x 512 píxeles en ambos escáneres. Los tamaños de píxeles correspondientes fueron de 1 mm X 1 mm para OBI y de 0.776 mm X 0.776 mm para Siemens SOMATOM Sensation. La distribución de conjuntos de datos tomados de diferentes regiones anatómicas y CT es la siguiente: tres implantes de semillas, tres implantes de cadera y tres implantes dentales adquiridos de OBI; y once empastes dentales de Siemens SOMATOM Sensation.

2.6 Análisis de la imagen

Las imágenes clínicas obtenidas mediante el uso de los algoritmos de variación total fueron evaluadas por dos observadores certificados de forma independiente, cada uno con más de 5 años de experiencia clínica, cegados a todos los datos de los pacientes y los parámetros de la imagen. Las imágenes se visualizaron en las mismas condiciones; se muestra en orden aleatorio y se revisa en la ventana de tejido blando (nivel de ventana 20 HU, ancho de ventana 400 HU) y ventana ósea (nivel de ventana 300 HU, ancho de ventana 2,500 HU). Las imágenes se mostraron con un monitor de 23" con una resolución de 1920 X 1080. Los observadores vieron los monitores desde una distancia de visión aproximada de 2-2.5 altura de pantalla. Los experimentos fueron conducidos en luz ambiental atenuada (menos de 25 lux).

Los dos observadores clasificaron 210 imágenes tomográficas generadas (10 originales + 200 modificadas utilizando diferentes algoritmos y parámetros con el propósito de determinar las más óptimas), tanto el ruido como la interpretación diagnóstica en una escala de clasificación de cinco puntos. El grado de calidad en las imágenes se puntuó en una escala de 1 a 5 (1, ruido muy severo; 2, ruido severo; 3, ruido moderado; 4, ruido mínimo; 5, sin ruido). La calidad de la imagen diagnóstica se puntuó de manera similar en imágenes de TC en una escala de 1 a 5 (1, calidad de imagen gravemente reducida, no diagnóstica; 2, calidad de imagen marcadamente reducida, con interpretabilidad diagnóstica deteriorada; 3, calidad de imagen aceptable e interpretabilidad diagnóstica; 4, buena calidad de imagen, con alta confianza de diagnóstico; 5, excelente calidad de imagen, con interpretabilidad de diagnóstico completo) [42], [43].

Con el propósito de evaluar el acuerdo entre observadores, se utilizó el kappa de Cohen. Los valores κ de 0.01-0.20 se consideraron como un leve acuerdo, 0.21-0.40 por acuerdo justo,

CAPÍTULO 2. ALGORITMOS DE VARIACIÓN TOTAL PROPUESTOS Y CARACTERÍSTICAS DE

LAS IMÁGENES UTILIZADAS 29

0.41-0.60 por acuerdo moderado, 0.61-0.80 por acuerdo sustancial y 0.81-1.00 por acuerdo casi perfecto. Los análisis estadísticos se realizaron con el software estadístico (SPSS, versión 22.0; IBM, Chicago, IL, USA). Para todos los análisis estadísticos, se consideró que los valores de p inferiores a 0,05 representaban diferencias estadísticamente significativas. Una región de interés (ROI) se le aplicó a cada imagen de CT. Los tamaños utilizados fueron 100 x 100 píxeles con forma cuadrada para un total de 300 ROI. Las ROI se mantuvieron para todas las mediciones.

2.6.1 Métricas utilizadas para la evaluación

Este estudio se aplica para cinco métodos de FR (Full Reference) utilizados en muchas aplicaciones como compresión de imágenes, restauración de imágenes, transmisión multimedia y campo de visión por computadora. La desviación de similitud de gradiente (GMSD) [44] es la primera métrica. GMSD emplea mapas de calidad de imagen local basados en la variación global de gradientes para la predicción general de calidad de imagen. Los indicadores segundo y tercero evaluados son relación señal-ruido ponderada por contenido de información (IW-PSNR) y ponderado por contenido de información (IWMSE), propuesto por Wang y Li en [45].IWPSNR e IWMSE emplean la transformada de pirámide Laplaciana. La cuarta métrica probada es la relación señal / ruido ponderada (WSNR) [46]. Se seleccionó un modelo de selección de escala óptima (OSS) propuesto en [47] y se evaluó el rendimiento de la relación pico señal / ruido (OSS-PSNR).

Las métricas analizadas no implican ningún proceso de capacitación. Todas las métricas se implementan con MATLAB y los códigos fuente utilizados en este trabajo están disponibles y programados en Internet por sus autores. Para obtener detalles completos de estos algoritmos, consulte la literatura correspondiente.

2.7 Conclusiones parciales

En este capítulo se abordaron las características principales de los algoritmos de variación total utilizados, así como las principales fórmulas matemáticas que utilizan los mismos, y se explica con detalle cada una de las variaciones y despejes matemáticos que tienen. También se caracteriza a la herramienta de simulación que se utiliza para procesar cada una de las imágenes utilizadas. Además, se muestra cómo es el proceso puesto en práctica por los

evaluadores para la adquisición y análisis de las imágenes originales y resultantes visualizadas. Por último se exhiben las métricas propuestas para la valoración de todas las imágenes.