La radiologia digitale offre diverse possibilità applicative che comprendono funzioni gestionali, come archiviazione, trasmissione e recupero, oltre alle funzioni di elaborazione finalizzate alla ricostruzione guidata dell'immagine per renderla più adatta alle esigenze produttive.

L'insieme delle tecniche che si occupano di raggiungere questo obiettivo è conosciuto come "image processing".

L'intelligenza artificiale sta ampliando il campo di questa disciplina, includendo anche processi di analisi computerizzata dell'immagine, riconoscimento di strutture da parte dell'operatore e sistemi di scarto automatico tramite visione e analisi dell'immagine.

L'image processing opera su una o più immagini digitali per migliorarne la valutazione diagnostica, motivo per cui viene spesso chiamato anche "image enhancement".

La radiologia digitale presenta la peculiarità che il miglioramento dell'immagine può avvenire successivamente all'acquisizione, tramite il post-processing.

Al contrario, la radiologia convenzionale non consente alcuna rielaborazione, obbligando il tecnico a modificare i parametri radiologici e acquisire ulteriori immagini nel caso in cui la prima immagine ottenuta non sia sufficiente per una valutazione definitiva.

La radiologia digitale consente quindi di sfruttare appieno ogni immagine acquisita, consentendo la correzione di errori di esposizione e l'estrazione di tutte le informazioni presenti, rendendo visibili dettagli che non sono percettibili a occhio nudo.

Il miglioramento dell'immagine può essere ottenuto in diversi modi, utilizzando metodologie molto diverse tra loro in termini di procedura operativa, a seconda dell'obiettivo desiderato.

Alcune di queste tecniche includono il potenziamento del contrasto, il rilevamento e l'estrazione dei contorni, l'aumento della nitidezza, la riduzione del rumore e molte altre.

La maggior parte delle tecniche opera su più immagini utilizzando algoritmi di somma, sottrazione o media, sfruttando le informazioni contenute nelle diverse immagini per ottenere il risultato desiderato.

Tuttavia, tutte le tecniche hanno in comune una procedura operativa in cui i numeri che codificano i livelli di grigio attribuiti ai pixel dell'immagine originale vengono modificati applicando diverse funzioni e depositati in un'area di memoria separata, creando un'immagine alternativa rispetto a quella di partenza.

Le diverse tecniche si differenziano per la funzione matematica applicata e per il numero, la posizione e l'ordine di elaborazione dei pixel da modificare.

Una classificazione comune distingue le tecniche puntiformi, regionali e globali: nelle tecniche puntiformi, tutti i pixel vengono presi in esame singolarmente in modo sequenziale e modificati applicando la funzione scelta; nelle tecniche regionali, la modifica di ciascun pixel avviene tenendo conto dei valori dei pixel circostanti, disposti in una piccola matrice; nelle tecniche globali, la scelta del nuovo valore da attribuire a ciascun pixel avviene dopo l'analisi dei valori dei pixel contenuti in matrici molto più ampie, spesso corrispondenti all'intero insieme dei pixel.

La differenza tra i tre tipi di tecniche risiede nel peso attribuito ai pixel circostanti durante l'elaborazione.

Le tecniche regionali sono spesso impiegate per la delimitazione e l'accentuazione dei margini di strutture circoscritte, mentre le tecniche globali sono utili per la riduzione del rumore e per calcolare l'influenza media di un fattore su tutti i punti di un'immagine.

Attraverso la selezione di funzioni e parametri gestionali, è possibile effettuare analisi sulle immagini, migliorando notevolmente la visualizzazione dei dettagli.

Le funzionalità di visualizzazione includono la variazione dell'ampiezza e del livello della finestra dei livelli di grigio (windowing), l'inversione della scala dei grigi (image reverse), l'ingrandimento di particolari (zooming), lo scorrimento dell'immagine sul monitor (scrolling) e misurazioni per una definizione precisadelle distanze, degli angoli, delle aree, dei livelli di grigio, dell'intensità del segnale, della densità, ecc.

Grazie a queste tecniche, le immagini digitali consentono, anche con una minore risoluzione spaziale, un'efficienza diagnostica pari o superiore alle immagini analogiche, grazie alla flessibilità e all'interattività della presentazione.

Il rumore è una componente di disturbo presente in tutti i sistemi, compresi quelli radiologici, ed è responsabile della granulosità del sistema e della limitata visibilità dei dettagli a basso contrasto.

Esistono diversi fattori che contribuiscono alla degradazione dell'immagine a causa del rumore:

• Rumore quantico: Questo tipo di rumore è presente sia nei sistemi analogici che in quelli digitali ed è influenzato dai meccanismi di produzione della radiazione nel tubo radiogeno e dai processi di interazione della radiazione con la materia. È dovuto alla natura stocastica dei processi di assorbimento della radiazione o della luce, il che significa che il numero di fotoni assorbiti può variare da punto a punto sul rivelatore.

• Rumore elettronico: Questo tipo di rumore è presente sia nei sistemi analogici convenzionali che in quelli digitali ed è causato dalle imperfezioni dei componenti elettronici come resistenze, telecamere, ecc. Questo rumore può essere introdotto durante la trasmissione del segnale o durante il processo di acquisizione e amplificazione.

• Rumore di quantizzazione: Questo tipo di rumore è specifico dei sistemi digitali a causa del processo di conversione analogico-digitale. Durante la conversione, il segnale analogico viene arrotondato ai valori digitali più vicini. Questo arrotondamento può introdurre un errore che contribuisce al rumore di quantizzazione.

Per ridurre l'effetto del rumore sull'immagine, possono essere adottate diverse tecniche di riduzione del rumore, come il filtraggio o algoritmi di riduzione del rumore.

Tuttavia, è importante mantenere un equilibrio tra la riduzione del rumore e la preservazione dei dettagli importanti nell'immagine, al fine di ottenere una buona qualità diagnostica.

La MTF (Modulation Transfer Function), o funzione di trasferimento della modulazione, fornisce una misura completa della perdita di informazione nel processo che va dall'acquisizione alla visualizzazione dell'immagine radiologica.

Essa rappresenta il rapporto tra l'informazione disponibile in ingresso e l'informazione effettivamente fornita dal sistema radiologico.

La MTF mette in relazione la risoluzione di contrasto, che rappresenta la minima variazione di intensità rivelabile tra zone contigue dell'immagine, con la risoluzione spaziale, che indica la capacità del sistema di riprodurre fedelmente piccoli dettagli radiologici ad alto contrasto, misurata in linee per millimetro (pl/mm).

Questa relazione si applica sia ai sistemi radiologici convenzionali che a quelli digitali.

Nei sistemi radiologici convenzionali, la risoluzione di contrasto finale dipende dalle caratteristiche sensitometriche della pellicola, dal suo trattamento e dall'esposizione ricevuta.

La pellicola determina la capacità del sistema di rivelare differenze di contrasto nell'immagine finale.

Nei sistemi radiologici digitali, invece, il contrasto può essere manipolato in modo flessibile attraverso processi di windowing, che consentono di regolare la finestra di visualizzazione dell'immagine.

Questo supera la limitazione dell'occhio umano nell'identificare più di circa 20 livelli di grigio, rappresentando un vantaggio significativo dei sistemi digitali rispetto a quelli analogici.

Inoltre, i sistemi digitali offrono anche la possibilità di migliorare la risoluzione spaziale attraverso algoritmi di elaborazione dell'immagine, consentendo la riproduzione più fedele di dettagli radiologici piccoli e ad alto contrasto.