This paper proposes the q-sigmoid functions, which are variations of the sigmoid expressions and an analysis of their application to the process of enhancing regions of interest in digital images. These new functions are based on the non-extensive Tsallis statistics, arising in the field of statistical mechanics through the use of q-exponential functions. The potential of q-sigmoids for image processing is demonstrated in tasks of region enhancement in ultrasound images which are highly affected by speckle noise. Before demonstrating the results in real images, we study the asymptotic behavior of these functions and the effect of the obtained expressions when processing synthetic images. In both experiments, the q-sigmoids overcame the original sigmoid functions, as well as two other well-known methods for the enhancement of regions of interest: slicing and histogram equalization. These results show that q-sigmoids can be used as a preprocessing step in pipelines including segmentation as demonstrated for the Otsu algorithm and deep learning approaches for further feature extractions and analyses.

No abstract

No abstract

No abstract

Resumo. Atualmente, 93 % das regiões subcorticais são desconhecidas dos neurocientistas e, portanto, classificadas como terra incognita. Apesar dos recentes avanços nas tecnologias de captura de imagens médicas, a qualidade das imagens coletadas in vivo aindaé baixa em relaçãoàs imagens histológicas. Por outro lado, aárea de estatística não-extensiva tem avançado e apresentados bons resultados sobretudo em processamento de imagens. Esse trabalho propõe a utilização do filtro sigmoidal baseado em entropia não-extensiva em imagens de ressonância magnética funcional (fMRI), com o intuito de realçar e mapear regiões encefálicas ativadas durante a execução de tarefas específicas.Abstract. Nowadays, 93 % of subcortical regions are unknown to neuroscientists and, therefore, are classified as terra incognita. Despite the recent advances in medical imaging technologies, the quality of images collected in vivo is still low when compared to the histological images. On the other hand, the area of non-extensive statistics has advanced and presented good results, mainly in image processing. This work proposes the use of the sigmoid fitler with nonextensive entropy in functional magnetic resonance imaging (fMRI), with the purpose of highlighting and mapping brain regions activated during the execution of specific tasks. Introdução e Trabalhos relacionadosApesar dos recentes avanços na neurociência, sobretudo no entendimento das regiões encefálicas e suas correlações, ainda restam diversos desafios pendentes. As interações entre regiões corticais e subcorticais, por exemplo, ainda não são completamente compreendidas pelos cientistas [Wager et al. 2008]. Portanto, desconhece-se a origem e motivos de progressão de doenças neurológicas que acometem milhões de indivíduos anualmente.Até 1940, por exemplo, acreditava-se que surtos de convulsão epiléptica ocorriam por disrupções nas interações convencionais apenas entre regiões corticais. Contudo, atualmente, evidências sugerem a participação de regiões subcorticais em surtos de epilepsia [Norden and Blumenfeld 2002]. Um exemplo de regiãoé o Thalamus, região subcortical responsável, dentre outras coisas, pela regulação do sono. Também, o Thalamusé uma das regiões responsáveis por descargas de espícula ou onda que causam distúrbios de epilepsia durante o sono [Norden and Blumenfeld 2002]. Portanto, o estudo de regiões subcorticais por meio de imagens de ressonância magnética pode auxiliar no diagnóstico preventivo e tratamento de doenças neurológicas.Entretanto, imagens coletadas in vivo têm qualidade inferioràs imagens coletadas em estado post-mortem. Apesar dos recentes avanços em técnicas de imageamento