基于粒子群优化的曝光区域自适应直方图均衡化技术在医学影像中的卓越应用

研究针对低对比度胸部 X 光（CXR）图像问题，开展 ERBMAHE 及 PSO-ERBMAHE 研究，有效提升图像质量助力诊断。

　　胸部 X 光（CXR）检查就像是医生的 “透视眼”，能帮助发现多种肺部疾病，像肺炎、肺癌，甚至在新冠疫情期间，它也成为了检测新冠病毒的重要帮手。然而，CXR 图像却存在一些 “小毛病”，经常出现低对比度和光照不均匀的情况。这就好比给医生的 “透视眼” 蒙上了一层雾，让重要的结构细节变得模糊不清，很容易导致诊断失误。想象一下，在 CXR 图像里，骨头等密度高的组织吸收了更多 X 射线，会形成特别亮的区域；而软组织和充满空气的器官则形成暗区，这种亮度差异使得图像对比度下降，光照也不均匀，让医生难以发现那些细微的病变，比如小的结节、浸润或病变，严重影响了疾病的诊断。

为了解决这些问题，来自印度 Kurukshetra 大学电子与通信工程系和马来西亚理科大学电气与电子工程学院的研究人员展开了深入研究。他们的研究成果发表在了《Scientific Reports》上，为医学影像领域带来了新的希望。

研究人员提出了一种先进的基于曝光区域的改进自适应直方图均衡化（ERBMAHE）方法，并结合粒子群优化（PSO）算法对其进行优化，简称 PSO-ERBMAHE。该方法主要通过五个关键步骤来实现图像的优化。

第一步是直方图划分。研究人员利用自主研发的 9IEC 算法，根据图像的强度、熵和对比度等属性，将 CXR 图像的直方图精准地划分为欠曝光（UE）、正常曝光（WE）和过曝光（OE）三个区域，并且进一步把 WE 区域细分成三个子区域，最终得到五个子直方图。这一步就像是把一幅混乱的拼图按照不同的特征分成了几个部分，为后续的处理做好准备。

第二步是直方图加权。在这个步骤中，研究人员引入了一种新颖的加权概率密度函数（PDF），通过幂律变换函数来调整每个子区域的直方图。对于不太常见的强度级别赋予较高的权重，而常见的强度级别则给予较低的权重，这样可以有效避免过增强现象，让图像的细节更加清晰。

第三步是直方图均衡化。对经过加权处理的五个子区域，分别基于计算得到的加权 PDF，利用累积分布函数（CDF）进行直方图均衡化操作，从而实现不同曝光区域的对比度增强。这一步就像是给每个拼图部分进行了 “美颜”，让它们的细节更加突出。

第四步是图像合成。将经过直方图均衡化处理后的各个子图像，按照特定的规则进行合并，得到最终对比度增强且保留局部细节的图像。这一步将之前处理好的拼图部分重新组合起来，形成一幅完整且清晰的图像。

第五步也是最后一步，利用 PSO 算法优化幂律参数。PSO 算法是一种模拟鸟群觅食行为的智能算法，它能在众多可能的参数组合中找到最优解，使得 ERBMAHE 方法在对比度增强、熵和亮度保持等方面达到最佳效果。

在研究过程中，研究人员使用了来自 Kaggle 的 COVID-19 放射学数据库中的大量 CXR 图像进行实验，该数据库包含了 COVID-19、病毒性肺炎和正常的 CXR 图像。同时，他们采用了多种评估指标，如峰值信噪比（PSNR）、离散熵（DE）、绝对平均亮度误差（AMBE）等，来全面评估图像的质量。

研究结果令人振奋。首先，ERBMAHE 方法在与其他六种先进技术的对比中表现出色。在对 COVID-19、病毒性肺炎和正常的 CXR 图像的增强处理中，该方法在多项评估指标上都取得了优异成绩，如在 COVID-19 图像上，PSNR 达到 27.38，AMBE 低至 3.44，表明该方法能有效减少图像的平均强度差异，保持图像的噪声水平，并且在保持图像结构和细节方面表现良好。

其次，PSO-ERBMAHE 方法进一步提升了图像质量。它在多项指标上优于 ERBMAHE 方法，例如在正常 CXR 图像上，PSNR 达到 31.15，AMBE 为 0.58，这意味着图像的清晰度和亮度保持效果更好。通过专家医生的评估也证实，该方法能有效提高图像质量，更有利于临床诊断。

此外，对比增强的 CXR 图像在医学领域有着广泛的应用。它可以帮助医生更清晰地观察到细微的病变，如小的结节、血管图案等，有助于早期疾病的检测和诊断；在疾病进展的监测方面，能够通过对比不同时间的图像，更准确地判断病情的变化；在人工智能（AI）和计算机辅助诊断（CAD）中，增强后的图像作为输入，能提高机器学习模型的准确性和可靠性；在术前和术后评估中，也能为医生提供更详细的信息，辅助手术规划和评估手术效果。

研究结论表明，PSO-ERBMAHE 方法有效地解决了传统直方图均衡化方法存在的问题，如亮度不一致和过度增强等。它在增强 CXR 图像对比度的同时，很好地保留了图像的亮度和细节，使得图像的局部和全局对比度都得到了提升，且没有破坏图像的自然外观。这一研究成果为医学影像的临床分析提供了更准确、可靠的工具，有望在未来的医学诊断中发挥重要作用，帮助医生更精准地判断病情，提高患者的治疗效果。

总的来说，这项研究为医学影像领域带来了新的突破，PSO-ERBMAHE 方法展现出了巨大的潜力，为提高医学诊断水平提供了有力的支持。