350 руб
Журнал «Наукоемкие технологии» №11 за 2015 г.
Статья в номере:
Сравнительное исследование эффективности алгоритмов подавления шума на МРТ-изображениях головного мозга
Ключевые слова: МРТ-изображения пространственная и частотная фильтрация среднеквадратическое отклонение пиковое отношение сигнал/шум быстродействие
Авторы:
А.Р.А. Абдулракеб - аспирант, кафедра «Биомедицинские и электронные средства и технологии», Владимирский государственный университет им. А.Г. и Н.Г. Столетовых. E-mail: atef_alsanawy@mail.ru Л.Т. Сушкова - д.т.н., профессор, зав. кафедрой «Биомедицинские и электронные средства и технологии», Владимирский государственный университет им. А.Г. и Н.Г. Столетовых. E-mail: ludm@vlsu.ru К.В. Чирков - к.т.н., доцент, к «Биомедицинские и электронные средства и технологии», Владимирский государственный университет им. А.Г. и Н.Г. Столетовых. E-mail: chrkv@mail.ru
Аннотация:
Составлена задача исследования и проведения сравнительного анализа наиболее часто используемых в задачах обработки МРТ-изображений видов фильтров (усредняющий фильтр, фильтр Гаусса, фильтр Винера, медианный фильтр, фильтр Баттерворта и вейвлет Хаара) для определения оптимального фильтра, способствующего повышению эффективности подавления шума. Проведено исследование фильтров подавления шумов на реальных МРТ-изображениях головного мозга с опухолями. Для сопоставительного анализа численных статистических показателей фильтров использовано среднеквадратическое отклонение (MSE), пиковое отношение сигнал/шум (PSNR) и быстродействие.
Страницы: 62-68
Список источников

 

  1. Марусина М.Я., Казначеева А.О. Современные виды томографии. Учеб. пособие. СПб.: СПбГУ ИТМО. 2006. 152 с.
  2. McRobbie D.W., Moore E.A., Graves M.J., Graves M.R. MRI From Picture to Proton Cambridge University Press, New York Cambridge University Press. NewYorkGraves. 2003.P. 411.
  3. Гонсалес Р.С.,Вуд Р.Э. Цифровая обработка изображений. М.: Техносфера. 2005. 1072 с.
  4. Семенов С.И. Информационно-диагностическая система для онкологии. Владимир: Рост. 2002.208 c.
  5. Pavithra R., Ramya R., Alaiyarasi G. Wavelet Based Non Local Means Algorithm for Efficient Denoising of MRI Images // International Journal of Advanced Research in Computer and Communication Engineering. V. 4. № 2. 2015. P. 388−392.
  6. Marcos Martin-Fernandez, Sergio Villullas. The EM Method in a Probabilistic Wavelet-Based MRI Denoising // Computational and Mathematical Methods in Medicine. V. 2015. ArticleID 182659. 21 p.
  7. Siti Noraini Sulaiman, Siti Mastura Che Ishak, Iza Sazanita Isa, Norhazimi Hamzah. Denoising of Noisy MRI Brain Imageby Using Switching-based Clustering Algorithm // Energy, Environment, Biology and Biomedicine. 2014. P. 33−39.
  8. Стругайло В.В. Обзор методов фильтрации и сегментации цифровых изображений // Наука и образование (электронный научно-технич. журнал). МГТУ. 2012. 270−281 с.
  9. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учеб. пособие. Новосибирск: Изд-во НГТУ. 2002. 352 c.
  10. Aggelos K. Katsaggelos. Основы обработки цифровых видео и изображений. Northwestern university / https://www.coursera.org/ course/digital (датаобрашения 05.08.2015).
  11. Anisha S.R., Venugopala Krishnan J.Comparison of various filters for noise removal in MRI brain image // International Conference on Futuristic Trends in Computing and Communication (ICFTCC-2015). P. 68−73.
  12. H. Oulhaj, A. Amine, M. Aziza, D. Aboutajdine. Noise reduction in medical imaging - comparison of noise removal algorithms //International Conference on Mathematics and Computer Science (ICMCS). 2012.6320218.
  13. Бондина Н.Н., Калмычков А.С., Кривенцов В.Э. Сравнительный анализ алгоритмов фильтрации медицинских изображений //Вестник НТУ «ХПИ». 2012. № 38.С. 14−25.