Deep Neural Network Applications in Improving Medical Images for Spinal Tumors

This research aims to evaluate the performance of neural networks in enhancing medical images and to explore the possibility of applying them in improving the quality of medical images for tumors, thereby enhancing diagnostic accuracy and treatment effectiveness. The study utilized a medical image of the lumbar spine MRI containing a tumor, to which Gaussian noise was added at levels of (0.01, 0.05, 0.10, 0.20). Noise removal techniques were applied using three linear filters: Mean Filter, Median Filter, and Gaussian Filter, in addition to the pre-trained deep neural network (DnCNN) for noise removal and image quality enhancement. To achieve these objectives, the deep learning tool library in MATLAB was used. Two evaluation methods were employed: the first was the visual inspection of the enhanced images, and the second included image quality improvement metrics such as PSNR, SSIM, and MSE. The results showed that the neural network (DnCNN) was able to improve the quality of medical images better than the other mentioned methods, achieving values of (66.7711, 0.6886, 0.0013) for (PSNR, SSIM, MSE) respectively at the low noise level of 0.01. It was observed that all the methods used faced challenges at higher noise levels. Thus, the results indicate that deep neural networks are effective in improving medical images and can be applied to enhance images related to spinal tumors, contributing to increased diagnostic accuracy and faster tumor detection, thereby improving healthcare. Keywords: Deep Neural Networks, Medical Images, Improving, DnCNN, Denoised تطبيقات الشبكات العصبية العميقة في تحسين الصور الطبية للأورام الشوكية الملخص يهدف هذا البحث إلى تقييم أداء الشبكات العصبية في تحسين الصور الطبية، واستكشاف إمكانية تطبيقها في مجال تحسين جودة الصور الطبية للأورام، مما يعزز دقة التشخيص وفاعلية العلاج، استخدمت الدراسة صورة طبية للعمود الفقري من النوع MRI ) ) في المنطقة القطنية تحتوي على ورم، حيث تم إضافة ضوضاء جاوس إلى الصورة بنسب ( 0.01، 0.05، 0.10، 0.20) تم استخدام تقنيات إزالة الضوضاء بواسطة ثلاثة فلاتر خطية، وهي Mean Filter وMedian Filter و Gaussian Filter ، بالإضافة إلى الشبكة العصبية العميقة ( DnCNN ) المدربة مسبقًا لإزالة الضوضاء وتحسين جودة الصور. لتحقيق هذه الأهداف، تم استخدام مكتبة أدوات التعلم العميق في MATLAB. كما تم استخدام طريقتين للتقييم: الأولى هي المعاينة البصرية للصور الناتجة عن التحسين، والثانية تشمل مقاييس تحسين جودة الصور مثل PSNR و SSIM و MSE . أظهرت النتائج أن الشبكة العصبية (DnCNN) قادرة على تحسين جودة الصور الطبية بشكل افضل من الطرق المذكورة الاخرى حيت حققت (66.7711 ، 0.6886 ، 0.0013 ) لكلا من (PSNR ،SSIM ، MSE ) على التوالي و عند نسبة ضوضاء المنخفظة 0.01)) . ولوحظ أن جميع الطرق المستخدمة تواجه تحديات عند مستويات الضوضاء المرتفعة. وبذلك تشير النتائج إلى أن الشبكات العصبية العميقة فعالة في تحسين الصور الطبية، وقابلة للتطبيق في تحسين الصور الخاصة بأورام العمود الفقري، مما يسهم في زيادة دقة التشخيص وسرعة اكتشاف الأورام، وبالتالي تحسين الرعاية الصحية. الكلمات المفتاحية : الشبكات العصبية العميقة ، الصور الطبية ، تحسين، DnCNN، ازالة الضوضاء .