فایل ورد کامل حذف نویز موجک برای از بین بردن نویز کوآنتوم در توموسنتز دیجیتال قفسه سینه

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل حذف نویز موجک برای از بین بردن نویز کوآنتوم در توموسنتز دیجیتال قفسه سینه،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

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.

نتیجه گیری

یک تکنیک پردازش حذف نویز موجک پیش بازسازی و پسا بازسازی نُرم- پراکندگی تعادل به صورت یک تکنیک نوین برای کشف و متعاقبا از بین بردن نویز کوآنتوم در زمینه ی DT قفسه سینه ایجاد شد. این تکنیک، رزولوشن فضایی را حفظ کرد و به طور موثری نویز کوآنتوم را از بین برد. این رویکرد یک دانش مقدم را در زمینه تولید نویز کوآنتوم بکار گرفت. نویز کوآنتوم از طریق آستانه سازی ضریب موجک به دنبال بازسازی معکوس از بین رفت. این رویکرد شامل یک تکنیک موجک به طور ویژه ای برای تصایر DT قفسه سینه می شد و نشان داده شده است به طور موثری نویز رگه های کوانتومی را از تصاویر DT قفسه سینه با خصوصیات اجزای فرکانس بالا از بین میبرد. افزون بر، این رویکرد حاکی از این امکان است که کیفیت تصویر میتواند بهبود یابد. لذا، ما اعتقاد داریم این تکنیک کاربردهای بالینی DT قفسه سینه را در حوزه های تصویربرداری پزشکی ارتقا خواهد داد که در آن چنین ساختارهایی مورد توجه قرار دارند.

عنوان انگلیسی:Wavelet denoising for quantum noise removal in chest digital tomosynthesis~~en~~

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 22:309–۳۱۵, ۱۹۹۸). 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.

Conclusion

A balance sparsity-norm pre-reconstruction and postreconstruction wavelet denoising processing technique was developed as a novel technique to detect and subsequently remove quantum noise in the context of chest DT. This technique preserved the spatial resolution and effectively removed the quantum noise. The approach exploited a priori knowledge regarding quantum noise production. Quantum noise was removed through wavelet coefficient thresholding, followed by inverse reconstruction. This approach involved a wavelet technique specifically for chest DT images and has been demonstrated to effectively remove quantum mottle noise from chest DT images of structures with features of high-frequency components. Furthermore, this approach suggests the possibility that the image quality could be improved. Therefore, we believe that this technique will enhance the clinical applications of chest DT in medical imaging fields, in which such structures are a focus of interest.

$$en!!