بررسی مقایسه ای کاهش نویز در تصاویر mri مغزی با استفاده از فیلترینگ و تبدیل ویولت در پردازش تصاویر پزشکی

زمینه و هدف:  کاهش نویز در تصاویر پزشکی حایز اهمیت می‌باشد. وجود اعوجاج‌های زیاد در تصاویر پزشکی سبب کاهش دقت در تشخیص بیماری یا ساختارهای مختلف می‌شود. تبدیل ویولت و فیلترینگ جزو پرکاربردترین روش‌ها برای کاهش نویز در تصاویر پزشکی هستند. هدف از این تحقیق، بررسی مقایسه ای کاهش نویز با استقاده از فیلترینگ (فیلترهای پایین گذر, میان گذر و بالا گذر)و همچنین تبدیل ویولت از روی تصاویرmri  می‌باشد.روش کار: در این تحقیق، با استفاده از نرم افزار متلب داده‌های نویز دار mri وارد محیط برنامه شدند و هریک از الگوریتم‌های پیشنهادی شامل فیلترینگ (فیلترهای پایین گذر، میان گذر و بالا گذر) و همچنین تبدیل ویولت بصورت مجزا برروی تصاویر پیاده سازی شدند و خروجی ایده آل با توجه به ماهیت نویز بدست آمد.یافته‌ها: نتایج بدست آمده از روش پیشنهادی ویولت و فیلترینگ، با یکدیگر مقایسه و تحلیل شد. نسبت توان سیگنال به نویز در تصاویر (snr) تمامی فیلترهای به کار رفته و تبدیل ویولت مقدار بالای 30 دسی بل را نمایش داد. تبدیل ویولت به ازای تصاویر انتخابی مقدار snrبیشتری دارد و این اختلاف در برخی تصاویر بیش از 40 دسی بل هم می‌رسد. با توجه به تصاویر و مقادیر psnr نسبی، از بین تمامی روش‌های مورد بررسی بهترین حالت نویز زدایی هنگامی است که از روش cwt استفاده شد. در این حالت  psnrبالا بوده و بیشترین شباهت تصویر نویززدایی شده به تصویر اصلی وجود دارد. 

comparative study of noise reduction in mri images using filtering and wavelet transform in medical image processing

background and aim: noise reduction in medical images is important. excessive distortion in medical images reduces the accuracy of diagnosis of various diseases or structures. violet conversion and filtering are among the most widely used methods for reducing noise in medical images. the aim of this study was to compare noise reduction using filtration (low-pass, mid-pass, and high-pass filters) as well as violet conversion from mri images.methods: in this study, using matlab software, noisy mri data were entered into the program environment and each of the proposed algorithms including filtering (low-pass, mid-pass, and high-pass filters) as well as violet conversion were implemented separately on images. and the ideal output was obtained due to the nature of the noise.results: the results obtained from the proposed violet and filtering methods were compared and analyzed. the signal-to-noise ratio (snr) of all filters used and the violet conversion displayed a value above 30 db. violet conversion for selected images has a higher snr value, and in some images, this difference is more than 40 db. according to the images and relative psnr values, among all the studied methods, the best dehumidification is when the cwt method was used. in this case, the psnr is high and there is the most similarity between the degenerate image and the original image.