نویززدایی ازتصاویر روزونانس مغناطیسی با بلوکی کردن فیلتر میانگین گیر غیر محلی وفقی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 770

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CITCONF03_478

تاریخ نمایه سازی: 12 تیر 1395

Abstract:

داده های گرفته شده از تصاویر روزنانس مغناطیسی معمولا با نویز رایسی در زمان تصویربرداری خراب می شود که به طوری که دقت قابلیت اطمینان در تجزیه وتحلیل تصاویر را کاهش میدهد بنا بهاین دلیل روشهای حذف نویز اغلب به جهت افزایش پارامترهای سیگنال به نویز DNR وبهبود کیفتی اعمال می شود در این مقاله راه های جدیدی برای کاهش نویز تصاویر مغز درمراحل مختلف پردازش ارائه می شود. ما یک روش جدید با استفاده از فیلتر غیر محلی وفقی ارائه میدهیم که عملکرد این فیتلر غیر محلی عبارتند از: الف) تنظیم خودکار پارامتر هموار ب) انتخاب مناسیب ترین و کسل ب) پیاده سازی بلوکی ت) محاسباتی موازی اعتبار سنجی کمی بر روی مجموعه داده های مصنوعی تولید شده با دیتاست Brain web انجام می شود.

Keywords:

تصاویر روزنانس , مغناطیسی , فیلتر میانگینگیر غیر محلی وفقی , نویز رایسی

Authors

مهسا محمدی مقدم

کارشناسی ارشد فناوری اطلاعات دانشگاه شیراز

آذر محمودزاده

گروه مهندسی برق واحد شیراز دانشگاه آزاد اسلامی شیراز ایران

حامد آگاهی

گروه مهندسی برق واحد شیراز دانشگاه آزاد اسلامی شیراز ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Ryan Wen Liu. Lin Shi. Wenhua Huang. Jing Xu. Simon ...
  • Shyam Anand. C. Jyotinder S. Sahambi. 2010.Wavele domain non-linear filtering ...
  • Golshan. Hosein M. Hasanzadeh. Reza P.R. Yousefzade. Shahrokh C. 2013. ...
  • Henkelman. RM. 1985. Measuremen of signal intensities in the presence ...
  • Awate. SP. Whitake. RT. 2005. Nonparametric neighborhood statistics for MRI ...
  • Awate. SP. Whitaker. RT 2007. Feature -preserving MRI denoising a ...
  • Aj a-Fernandez. S. Tristan-Vega. A. _ erola-Lopez _ C. 2009. ...
  • Coupe. P. Yger. P. Prima. S. Hellier. P. Kervrann. C. ...
  • Coupe. P. Hellier. P. Prima. S. Kervrann. C. Barilot. C. ...
  • Anand. CS. Sahambi. JS 2010. Wavelet domain non-linear filtering for ...
  • Gerig. G. Kubler. _ Kikinis. R. Jolesz. FA 1992. Nonlinear ...
  • Perona. P. Malik. J. 1990. Scale-space and edge detection using ...
  • Sijbers. J. Dekker. AJ. Scheunders. P. Dyck DV. 1998. Maximum ...
  • Weaver. JB. Xu Y. Cromwell. D 1991. Filtering noise from ...
  • Nowak. RD. 1999. Wavelet-based Rician noise removl for magnetic resonance ...
  • Zaroubi. S. Goelman. G. 2000. Complex denoising of MR data ...
  • Gonzalez RC. 2004. Digital image processing. 2nd ed Upper Saddle ...
  • Nason. GP. Silverman. BW. 1995. The stationary wavelet transform and ...
  • Zhang. Y. 2006. S emantic-based visual information retrieval. Hershey. ...
  • Alexande. ME. Baumgartner. R. Summers. AR. Windischb erger. C. Klarhoefer. ...
  • Kwan. RK. Evans. AC. Pike. GB. 1999. MRI S imulation ...
  • Gerig. G. Kubler. O. Kikinis. R. Jolesz. FA 1992. Nonlinear ...
  • Sijbers. J. Dekker. A. Van der Linden. A. Verhoye. M. ...
  • Wong. A. Mishra. AK. Quasi-Monte Carlo. 201 1.Estimation approach for ...
  • He. L. Green shields _ IR. 2009. A nonlocal maximum ...
  • Rajan. J. Jeurissen. B. Verhoye. M. Audekerke. JV. Sijbers. J. ...
  • Dietrich. O. Raya. S.B. Reeder. M. Ingrisch. M. Reise Schoenberg. ...
  • Starck. J.L. Candes. E.J. D.L. Donoho. D.L. 2002. The Curvelet ...
  • Lath. P R Subramania. 2006. Medical image denoising using X-lets. ...
  • Ma. J. Plonka. G. 2007. Combined curvelet shrinkage and nonlinear ...
  • Ashamol V.G. Sreelekha. G. Sathidevi. P.S. 2008. Diffusion-b ased image ...
  • Do. M.N. Vetterli. M. 2005. The contourlet transform _ efficient ...
  • Sijbers. J. Dekker. A.J. Van Audekerke. J. M. Verhoye. D. ...
  • Sijbers. J. Dekker. A.J 2004. Maximum likelihood estimation of signal ...
  • Jiang. L. Yang. W. 2003. Adaptive magnetic resonance image denoising ...
  • Sijbers. J. D. Poot. A.J. Dekker. W. Pintjenst. 2007. Automatic ...
  • Aj a-Fernandez. S. C. Lopez. A. Westin. C.F. 2008. Noise ...
  • _ a-Fernandez. S. Niethammer M. Kubicki. M Shenton. M. Westin. ...
  • Golshan. H.M. Has anzedeh. R.P.R. 2011. A non-local Rician noise ...
  • Golshan. H.M. Hasanzedeh. R.P.R. Yousefzade. S.C. 2013. An _ denoising ...
  • Tisdall. D. Atkins. M.S. 2005. MRI denoising via phase error ...
  • Awate. S.P. Whitaker. R.T. 2005. Nonparametric neighborhood statistics for MRI ...
  • Awate.S.P. Whitaker. R.T. 2007. Feature-pres erving MRI denoising: a n ...
  • Lopez-Rubio. E. Florentin -Nunez _ M.N. 2011. Kernel regression based ...
  • Luo. J. Zhu. Y. I.E. 2009. Magnin Denoising by averaging ...
  • Luo. J. Zhu. Y. Hiba. B. 2010. Medical image denoising ...
  • Mohan. J Krishnaveni. _ Guo. Y. (2014). A survey on ...
  • Aelterman. J. Goossens. B A. Pizurica. A. W. Philips. W. ...
  • نمایش کامل مراجع