DOI: https://doi.org/10.1038/s41598-026-42868-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41844781
تاريخ النشر: 2026-03-17
المؤلف: Iksan Bukhori وآخرون
الموضوع الرئيسي: تقنيات تحسين الصور
نظرة عامة
تقدم ورقة البحث تقنية جديدة لتعزيز التباين في التصوير بالرنين المغناطيسي (MRI) تُسمى التوزيع الثنائي المتكيف المعتمد وراثيًا (GADCHE). تتناول هذه الطريقة تحدي الصور ذات التباين المنخفض في التصوير بالرنين المغناطيسي، والتي يمكن أن تعيق تحديد الحالات الطبية مثل أورام الدماغ. يعزز GADCHE تباين الصورة مع الحفاظ على السلامة الهيكلية من خلال تقسيم هيستوغرام الصورة الرمادية إلى ثلاث مجموعات متميزة وتطبيق تحويلات غير متكافئة. يتم تحسين نقاط قطع الهيستوغرام من خلال خوارزمية وراثية، مما يؤدي إلى تحسين مقاييس الأداء.
تظهر النتائج التجريبية أن GADCHE يتفوق على العديد من تقنيات تعزيز التباين الحالية، بما في ذلك التوزيع (HE)، وتوزيع الهيستوغرام المتكيف المحدود بالتباين (CLAHE)، وغيرها، عبر ثلاث مجموعات بيانات. حققت الطريقة المقترحة متوسط درجة قياس الفعالية للتعزيز (EME) قدره 263.25، ودرجة قياس الفعالية للتعزيز (EMEE) قدرها 5.51، ودرجة نسبة الإشارة إلى الضوضاء (PSNR) قدرها 30.06، من بين أمور أخرى. بالإضافة إلى ذلك، تم الحفاظ على السلامة الهيكلية للصور، كما يتضح من درجة مؤشر التشابه الهيكلي (SSIM) التي بلغت 0.74. بشكل عام، يظهر GADCHE إمكانات واعدة لتحسين تحديد أورام الدماغ في صور الرنين المغناطيسي ذات التباين المنخفض.
مقدمة
تؤكد مقدمة ورقة البحث هذه على أهمية تعزيز التباين في التصوير بالرنين المغناطيسي (MRI) لتحديد أورام الدماغ بشكل فعال. يعقد التباين المنخفض في الصور الطبية كل من التفسيرات اليدوية والآلية، بما في ذلك تلك التي تستخدم الذكاء الاصطناعي. لمعالجة هذه المشكلة، تم تطوير تقنيات مختلفة لتعزيز التباين على مر السنين. من بين هذه التقنيات، يُلاحظ أن التوزيع (HE) يتميز ببساطته ولكنه يتعرض للنقد لعدم قدرته على الحفاظ على السطوع، مما يؤدي إلى مشكلة التحول المتوسط.
لتخفيف هذه القيود، تم اقتراح عدة طرق متقدمة. تم تقديم التوزيع المحدود بالتباين المتكيف (CLAHE) من قبل زيدرفيلد لمعالجة كل من مشكلات التحول المتوسط والضوضاء المرتبطة بـ HE. تشمل التقنيات البارزة الأخرى التوزيع الثنائي للحفاظ على السطوع (BBHE) بواسطة يونغ-تايج كيم، الذي يركز على الحفاظ على السطوع، والتوزيع الثنائي الفرعي (DSIHE) بواسطة يو وان وآخرين، الذي يُقال إنه يتفوق على BBHE من حيث الانتروبيا والحفاظ على السطوع. بالإضافة إلى ذلك، تم تطوير التوزيع الثنائي للحفاظ على السطوع (ELEBBHE) لتحسين BBHE من خلال استبعاد القيم المتطرفة من الهيستوغرام. تقدم هذه الورقة تقنية جديدة لتعزيز التباين، وهي التوزيع الثنائي (DCHE)، مع تحسينها عبر الخوارزمية الوراثية (GADCHE)، وتقييم أدائها مقارنة بالطرق الحالية باستخدام مجموعة بيانات من صور الرنين المغناطيسي للدماغ.
طرق
في هذا القسم، يصف المؤلفون المنهجية المستخدمة في تحليلهم التجريبي، باستخدام ما مجموعه 1,838 صورة رنين مغناطيسي للدماغ مأخوذة من ثلاث مجموعات بيانات متميزة: 164 صورة من المجموعة 44، و705 من المجموعة 45، و969 من المجموعة 46. تم تغيير حجم كل صورة إلى أبعاد 256 × 256 بكسل لتوحيد المدخلات للاختبارات. تم إجراء التجارب باستخدام بايثون على نظام مزود بمعالج Intel Core i5-1335U وذاكرة وصول عشوائي سعتها 16 جيجابايت.
تمت برمجة الخوارزمية الوراثية (GA) المستخدمة في المحاكاة كما هو موضح في الجدول 1 من الورقة. ومن الجدير بالذكر أن متوسط الوقت الحسابي المطلوب للخوارزمية الوراثية لتحديد القيم المثلى للمعلمات \( m_1 \) و \( m_2 \) كان حوالي 15 دقيقة لكل صورة. تسلط هذه الكفاءة في وقت المعالجة الضوء على فعالية الخوارزمية في التعامل مع مجموعة البيانات للتحليل المقصود.
مناقشة
في هذا القسم، تناقش الورقة تقنيات تعزيز التباين المختلفة التي تطورت على مر السنين، خاصة في سياق التصوير الطبي. في البداية، كان التوزيع (HE) هو الطريقة السائدة، لكنه غالبًا ما أدى إلى تعزيز مفرط غير طبيعي. لمعالجة ذلك، تم تطوير التوزيع المحدود بالتباين (CLAHE)، الذي يعزز الصور بشكل أكثر طبيعية من خلال تطبيق HE على بلاطات محلية. قامت طرق أخرى مثل التوزيع الثنائي للحفاظ على السطوع (BBHE) والتوزيع الثنائي الفرعي (DSIHE) بتحسين العملية من خلال الحفاظ على السطوع والتباين المحلي، على التوالي. استهدفت تقنية التوزيع الثنائي للحفاظ على السطوع (ELEBBHE) بشكل خاص تعزيز صور الأشعة المقطعية للدماغ من خلال استبعاد القيم المتطرفة في الهيستوغرام التي لا تساهم في التعزيز المطلوب.
تقترح الورقة تقنية جديدة تُسمى التوزيع الثنائي المتكيف المعتمد وراثيًا (GADCHE)، التي تحدد نقاط القطع في الهيستوغرام بشكل مثالي باستخدام خوارزمية وراثية (GA). تقسم هذه الطريقة الهيستوغرام إلى ثلاث مناطق، وتطبق استراتيجيات تعزيز مختلفة على كل منها، مما يحسن من وضوح الأورام في صور الرنين المغناطيسي. يتم تقييم أداء GADCHE مقارنة بعدة تقنيات موجودة باستخدام مقاييس مختلفة لتقييم جودة الصورة (IQA)، بما في ذلك قياس الفعالية للتعزيز (EME)، ومؤشر التشابه الهيكلي (SSIM)، ونسبة الإشارة إلى الضوضاء (PSNR). تشير النتائج إلى أن GADCHE يتفوق على الطرق الأخرى من حيث انتروبيا التباين مع الحفاظ على السلامة الهيكلية، مما يظهر إمكاناته في المساعدة في اكتشاف الأورام في صور الرنين المغناطيسي ذات التباين المنخفض.
DOI: https://doi.org/10.1038/s41598-026-42868-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41844781
Publication Date: 2026-03-17
Author(s): Iksan Bukhori et al.
Primary Topic: Image Enhancement Techniques
Overview
The research paper introduces a novel contrast enhancement technique for Magnetic Resonance Imaging (MRI) called Genetically Adapted Dual Cut Histogram Equalization (GADCHE). This method addresses the challenge of low-contrast MRI images, which can hinder the identification of medical conditions such as brain tumors. GADCHE enhances image contrast while preserving structural integrity by partitioning the histogram of the grayscale image into three distinct groups and applying asymmetric transformations. The optimization of the histogram’s cutting points is achieved through a Genetic Algorithm, resulting in improved performance metrics.
Experimental results demonstrate that GADCHE outperforms several existing contrast enhancement techniques, including Histogram Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE), and others, across three datasets. The proposed method achieved an average Effective Measure of Enhancement (EME) score of 263.25, Effective Measure of Enhancement Entropy (EMEE) score of 5.51, and a Peak Signal to Noise Ratio (PSNR) score of 30.06, among others. Additionally, the structural integrity of the images was maintained, as indicated by a Structural Similarity Index (SSIM) score of 0.74. Overall, GADCHE shows promising potential for improving the identification of brain tumors in low-contrast MRI images.
Introduction
The introduction of this research paper emphasizes the significance of contrast enhancement in Magnetic Resonance Imaging (MRI) for effective brain tumor identification. Low contrast in medical images complicates both manual and automated interpretations, including those utilizing artificial intelligence. To address this issue, various contrast enhancement techniques have been developed over the years. Among these, Histogram Equalization (HE) is noted for its simplicity but is criticized for its inability to preserve brightness, leading to the mean-shift problem.
To mitigate these limitations, several advanced methods have been proposed. Contrast Limited Adaptive Histogram Equalization (CLAHE) was introduced by Zuiderveld to address both the mean-shift and noise issues associated with HE. Other notable techniques include Brightness-preserving Bi-histogram Equalization (BBHE) by Yeong-Taeg Kim, which focuses on brightness preservation, and Dualistic Sub-image Histogram Equalization (DSIHE) by Yu Wan et al., which reportedly outperforms BBHE in terms of entropy and brightness retention. Additionally, Extreme-Level Eliminating Brightness-preserving Bi-Histogram Equalization (ELEBBHE) was developed to further refine BBHE by excluding extreme values from the histogram. This paper presents a novel contrast enhancement technique, Dual-Cut Histogram Equalization (DCHE), along with its optimization via Genetic Algorithm (GADCHE), and evaluates its performance against existing methods using a dataset of brain MRI images.
Methods
In this section, the authors describe the methodology employed for their experimental analysis, utilizing a total of 1,838 MRI brain images sourced from three distinct datasets: 164 images from dataset 44, 705 from dataset 45, and 969 from dataset 46. Each image was resized to dimensions of 256 × 256 pixels to standardize input for the simulations. The experiments were conducted using Python on a system equipped with an Intel Core i5-1335U CPU and 16 GB of RAM.
The genetic algorithm (GA) utilized in the simulations was parameterized as detailed in Table 1 of the paper. Notably, the average computational time required for the GA to identify the optimal values for parameters \( m_1 \) and \( m_2 \) was approximately 15 minutes per image. This efficiency in processing time highlights the algorithm’s effectiveness in handling the dataset for the intended analysis.
Discussion
In this section, the paper discusses various contrast enhancement techniques that have evolved over the years, particularly in the context of medical imaging. Initially, Histogram Equalization (HE) was the dominant method, but it often resulted in unnatural over-enhancement. To address this, Contrast Limited Histogram Equalization (CLAHE) was developed, which enhances images more naturally by applying HE to localized tiles. Other methods like Brightness-preserving Bi-Histogram Equalization (BBHE) and Dualistic Sub Image Histogram Equalization (DSIHE) further refined the process by preserving brightness and local contrast, respectively. The introduction of Extreme-Level Eliminating Brightness Preserving Bi-Histogram Equalization (ELEBBHE) specifically targeted the enhancement of brain CT scans by excluding extreme histogram values that do not contribute to the desired enhancement.
The paper proposes a novel technique called Genetically-Adapted Dual-Cut Histogram Equalization (GADCHE), which optimally determines cutting points in the histogram using a Genetic Algorithm (GA). This method divides the histogram into three regions, applying different enhancement strategies to each, thereby improving the visibility of tumors in MRI images. The performance of GADCHE is evaluated against several existing techniques using various Image Quality Assessment (IQA) metrics, including Effective Measure of Enhancement (EME), Structural Similarity Index (SSIM), and Peak Signal-to-Noise Ratio (PSNR). Results indicate that GADCHE outperforms other methods in terms of contrast entropy while maintaining structural integrity, demonstrating its potential for aiding in tumor detection in low-contrast MRI images.