一种改进的Mittag–Leffler函数框架，用于医学成像中的对比度增强

《Scientific Reports》：A modified Mittag–Leffler function framework for contrast enhancement in medical imaging

　　```

摘要

医学图像对比度增强是提高解剖结构和病理区域可见性的关键预处理步骤，尤其是在对比度较低的成像模式下，这些区域中的临床相关细节可能会被掩盖。本研究提出了一种基于改进的Mittag–Leffler函数的对比度增强框架，该框架建立在非线性数学建模基础上。该方法采用具有可调参数的广义Mittag–Leffler强度变换，能够在保留结构信息的同时实现非线性对比度增强。这种变换提供了灵活的强度映射，既能增强图像的细微细节，又能保持解剖结构的完整性。通过在不同的医学成像数据集上对该框架进行评估，证明了其有效性，这些数据集包括COVID-19 CT图像、脑肿瘤MRI图像、骨折X光片以及肺炎胸部X光片。实验结果与直方图均衡化（HE）、对比度受限自适应直方图均衡化（CLAHE）、伽马校正（Gamma Correction）、单尺度Retinex（SSR）和多尺度Retinex（MSR）等算法进行了全面比较。评估指标包括 Peak Signal-to-Noise Ratio (PSNR) 为34.78 dB、Structural Similarity Index Measure (SSIM) 为99%、Absolute Mean Brightness Error (AMBE) 为3.50、熵（Entropy）为6.05、Enhancement Measure Estimation (EME) 为22.52，以及Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE) 为23.46等。实验结果表明，与现有增强技术相比，所提出的方法在所有数据集中都实现了对比度的保持和信息内容的提升。统计显著性分析进一步证实，这些改进在不同医学成像模式下具有一致性。这些发现表明，改进的Mittag–Leffler框架为医学图像对比度增强提供了一种在数学上和计算上高效的方法。

```