تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله حذف نویز موجک برای از بین بردن نویز ﮐﻮآﻧﺘﻮم در توموسنتز دیجیتال قفسه سینه – نشریه اشپرینگر

عنوان فارسی: حذف نویز موجک برای از بین بردن نویز ﮐﻮآﻧﺘﻮم در توموسنتز دیجیتال قفسه سینه
عنوان انگلیسی: Wavelet denoising for quantum noise removal in chest digital tomosynthesis
تعداد صفحات مقاله انگلیسی : 12 تعداد صفحات ترجمه فارسی : 19 (1 صفحه رفرنس انگلیسی)
سال انتشار : 2014 نشریه : اشپرینگر - Springer
فرمت مقاله انگلیسی : pdf فرمت ترجمه مقاله : pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله : بی نازنین سایز ترجمه مقاله : 14
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 2.398 در سال 2019 شاخص H_index مجله : 37 در سال 2020
شاخص SJR مجله : 0.625 در سال 2019 شناسه ISSN مجله : 1861-6410
شاخص Q یا Quartile (چارک) : Q2 در سال 2019 کد محصول : 10314
محتوای فایل : zip حجم فایل : 4.00Mb
رشته های مرتبط با این مقاله: پزشکی و مهندسی پزشکی
گرایش های مرتبط با این مقاله: ایمنی شناسی پزشکی، پردازش تصاویر پزشکی، فیزیک پزشکی
مجله: مجله بین المللی رادیولوژی و جراحی به کمک کامپیوتر - International Journal of Computer Assisted Radiology and Surgery
دانشگاه: دانشکده علوم بهداشتی وابسته ، دانشگاه کیتاساتو، ژاپن
کلمات کلیدی: توموسنتز دیجیتال، موجک، حذف نویز، نویز ﮐﻮآﻧﺘﻮم، تصویربرداری قفسه سینه
کلمات کلیدی انگلیسی: Digital tomosynthesis - Wavelet - Denoising - Quantum noise - Chest imaging
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ضمیمه: ندارد
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1007/s11548-014-1003-2
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

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

نمونه متن انگلیسی

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.

نمونه متن ترجمه

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.