حذف نویز موجک برای از بین بردن نویز ﮐﻮآﻧﺘﻮم در توموسنتز دیجیتال قفسه سینه
چکیده
هدف. نویز ﮐﻮآﻧﺘﻮم به کیفیت تصویر در توموسنتز دیجیتال قفسه سینه (DT) آسیب وارد میکند. یک الگوریتم پردازش حذف نویز موجک برای از بین بردن نویز ﮐﻮآﻧﺘﻮم به طور گزینشی، ایجاد شد و مورد آزمایش قرار گرفت.
روشها. یک تکنیک حذف نویز موجک بر روی یک سیستم DT اجرا شد و به لحاظ آزمایشی با استفاده از سنجشهای فانتوم قفسه سینه من جمله رزولوشن فضایی ارزیابی شد. مقایسه با یک الگوریتم پردازش حذف نویز موجک پسا بازسازی موجود صورت گرفت که توسط بادیا و همکارانش گزارش شد. کاهش نویز ﮐﻮآﻧﺘﻮم DT احتمالی با استفاده از در معرض قرار گرفتنهای مختلف با تکنیک ما (پردازش حذف نویز پیش بازسازی و پسا بازسازی از طریق روش نُرم- پراکندگی تعادل) و الگوریتم پردازش حذف نویز موجک موجود مورد ارزیابی قرار گرفت. الگوریتم های پردازش حذف نویز موجک (RMSE) با پردازش حذف نویز کوچک و بدون آن مقایسه شد. توابع انتقالی مدولاسیون (MTF) برای صفحه ی شفاف مورد ارزیابی قرار گرفتند. یک آنالیز آماری (آنالیز چند راهه ی واریانس) را با استفاده از مقادیر CNR و RMSE انجام دادیم.
نتایج. الگوریتم پردازش حذف نویز موجک ما به طور معناداری نویز ﮐﻮآﻧﺘﻮم را کاهش داد و رزولوشن تقابلی در تصاویر بازسازی شده (CNR و RMSE : پردازش حذف نویز موجک نُرم- پراکندگی پیش تعادل در برابر پردازش حذف نویز موجک موجود، P<0.05؛ پردازش حذف نویز موجک نُرم- پراکندگی پس تعادل در برابر پردازش حذف نویز موجک موجود، P<0.05;CNR: با پردازش حذف نویز موجک در برابر بدون پردازش حذف نویز موجک ، P<0.05) را بهبود بخشید. نتایج حاکی از این بود گرچه MTF تغییر نکرد (لذا رزولوشن فضایی حفظ کننده)، اما الگوریتم پردازش حذف نویز موجک سبب زوال MTF شد.
نتیجه گیری. نشان داده شد یک الگوریتم پردازش حذف نویز موجک نُرم –پراکندگی تعادل برای از بین بردن نویز ﮐﻮآﻧﺘﻮم در DT ، برای دسته های خاصی از ساختارها با خصیصه های اجزای فرکانس بالا موثر باشد. این رویکرد تشخیصی ممکن است برای انواع کاربردهای بالینی برای ترموسنتز دیجیتالی قفسه سینه مفید باشد زمانیکه نویز وجود داشته باشد.
1.مقدمه
توموسنتز دیجیتالی (DT) یک روش بازسازی تصویر با زاویه ی محدود است که در آن یک مجموعه داده ی پرتو افکنی تصویر از یک ساختار در فواصل منظم در طول یک گذار کسب واحد کسب شد که برای بازسازی بخشهای مسطح قبلی به کار میرود. برشهای توموسنتتیک، رزولوشن بالایی را در صفحات موازی با صفحه آشکارگر نشان میدهند. به علاوه، DT مزایای دیگر تصویربرداری دیجیتالی را ارائه میدهد [6-1] هم چنین مزایای توموگرافیکی توموگرافی محاسبه شده (CT) در یک دوز و هزینه ی تابش کاهش یافته در یک رویکرد که براحتی در عطف با رادیوگرافی قفسه سینه اجرا میشود. این تکنیک با بهبود تکنیک توموگرافی هندسی قدیمی تر ایجاد شد که به طور وسیعی مورد توجه تصویربرداری قفسه سینه واقع نشد، به خاطر مشکلات موقع یابی، دوزهای تابش بالا و تیرگی باقیمانده از طریق ساختارهای خارج از صفحه. DT با فعالسازی بازسازی برشهای تصویر بیشمار از یک اکتساب داده های تصویر دوز پایین واحد، بر این مشکلات غلبه کرده است.
Abstract
Purpose Quantum noise impairs image quality in chest digital tomosynthesis (DT). A wavelet denoising processing algorithm for selectively removing quantum noise was developed and tested.
Methods A wavelet denoising technique was implemented on a DT system and experimentally evaluated using chest phantom measurements including spatial resolution. Comparison was made with an existing post-reconstruction wavelet denoising processing algorithm reported by Badea et al. (Comput Med Imaging Graph 22:309–315, 1998). The potential DT quantum noise decrease was evaluated using different exposures with our technique (pre-reconstruction and post-reconstruction wavelet denoising processing via the balance sparsity-norm method) and the existing wavelet denoising processing algorithm. Wavelet denoising processing algorithms such as the contrast-to-noise ratio (CNR), root mean square error (RMSE) were compared with and without wavelet denoising processing. Modulation transfer functions (MTF) were evaluated for the in-focus plane. We performed a statistical analysis (multi-way analysis of variance) using the CNR and RMSE values.
Results Our wavelet denoising processing algorithm significantly decreased the quantum noise and improved the contrast resolution in the reconstructed images (CNR and RMSE: pre-balance sparsity-norm wavelet denoising processing versus existing wavelet denoising processing, P< 0.05; postbalance sparsity-norm wavelet denoising processing versus existing wavelet denoising processing, P< 0.05; CNR: with versus without wavelet denoising processing, P< 0.05). The results showed that although MTF did not vary (thus preserving spatial resolution), the existing wavelet denoising processing algorithm caused MTF deterioration.
Conclusions A balance sparsity-norm wavelet denoising processing algorithm for removing quantum noise in DT was demonstrated to be effective for certain classes of structures with high-frequency component features. This denoising approach may be useful for a variety of clinical applications for chest digital tomosynthesis when quantum noise is present.
Introduction
Digital tomosynthesis (DT) is a limited-angle image reconstruction method in which a projection dataset of a structure acquired at regular intervals during a single acquisition pass is used to reconstruct planar sections a priori. Tomosynthetic slices exhibit high resolution in planes parallel to the detector plane. Furthermore, DT provides the additional benefits of digital imaging [1–6] as well as the tomographic benefits of computed tomography (CT) at a decreased radiation dose and cost in an approach that is easily implemented in conjunction with chest radiography. This technique was developed by improving the older geometric tomography technique that has largely fallen out of favor for chest imaging because of the positioning difficulties, high radiation doses, and residual blur caused by out-of-plane structures. DT has overcome these difficulties by enabling the reconstruction of numerous image slices from a single low-dose image data acquisition. DT images are invariably affected by blurring because of out-of-plane structures and are superimposed on the focused fulcrum plane image by the limited acquisition angle. This can result in poor structure detectability in the in-focus plane.
چکیده
مقدمه
منابع و روشها
تفکیک نویز
پردازش حذف نویز موجک
نسبت تقابل به نویز (CNR) و خطای مربع میانگین ریشه (RMSE)
رزولوشن فضایی
آنالیز آماری
نتایج
بحث
نتیجه گیری
Abstract
Introduction
Materials and methods
Tomosynthesis system
Noise differentiation
Wavelet denoising processing
Evaluation methods
Contrast-to-noise ratio (CNR) and root mean square error (RMSE)
Spatial resolution
Statistical analysis
Results
Discussion
Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه