تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله نوفه زدایی تصاویر DT-MR با PCA تکرار کننده – نشریه الزویر

عنوان فارسی: نوفه زدایی تصاویر DT-MR با PCA تکرار کننده
عنوان انگلیسی: Denoising Of DT-MR Images With An Iterative PCA
تعداد صفحات مقاله انگلیسی : 11 تعداد صفحات ترجمه فارسی : 13
سال انتشار : 2015 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
کد محصول : F1181 رفرنس : دارد ✓
محتوای فایل : zip حجم فایل : 1.14Mb
رشته های مرتبط با این مقاله: مهندسی پزشکی
گرایش های مرتبط با این مقاله: پردازش تصاویر پزشکی
مجله: دومین همایش بین المللی بینایی رایانه و اینترنت - Second International Symposium on Computer Vision and the Internet
دانشگاه: گروه علوم و مهندسی کامپیوتر، دانشکده مهندسی آمریتا، هند
کلمات کلیدی: تصویر DT-MR، SSIM و PCA تکرار کننده
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر : ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.procs.2015.08.079
ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده مقاله

1-مقدمه

2- تحقیقات مرتبط

3- مدل پیشنهادی نوفه زدایی تصاویر DT-MR

1-3 گروه بندی قطعات مشابه

2-3 نوفه زدایی هر یک گروه از قطعات مشابه

3-3 ساخت تصویر نوفه زدایی شده

4-3 PCA تکرار کننده

4- تحلیل عملکرد

1-4 - مجموعه داده ها

2-4 تولید نویز Rician

3-4 واریانس نویز

4-4 تحلیل نتایج

1-4-4PSNR (نسبت حداکثر علامت به نویز)

2-4-4 NSSIM (ماتریس میانگین شاخص شباهت ساختاری)

3-4-4 مقایسه کیفیت دیداری و بصری

5-نتیجه گیری

نمونه متن انگلیسی

Abstract

Nowadays most of the clinical applications uses Magnetic Resonance Images(MRI) for diagnosing neurological abnormalities. During MR image acquisition the emitted energy is converted to image by using some mathematical models, and this may cause addition of noise. Therefore we need to denoise the image. Currently most of the clinical application uses Diffusion Tensor-MR Images for tracking neural fibres by extracting features from the images. Noise in DT-MR Images make fibre tracking and disease diagnosing tougher. So our work aims to denoise the Diffusion Tensor MR images with better visual quality. In this paper, we propose a denoising technique that uses Structural Similarity Index Matrix (SSIM) for grouping similar patches and performs Iterative Principal Component Analysis on each group. By performing the weighted average on Principal Component, we have obtained the denoised DT-MR Image. For getting better visual quality of the denoised images we employ Iterative Principal component Analysis technique.

نمونه متن ترجمه

چکیده

امروزه اکثر کاربردهای کلینیکی از تصاویر رزونانس مغناطیسی (MRI) برای تشخیص نابهنجاری های عصبی استفاده می کنند. انرژی منتشر و ساطع شده در طی ضبط تصویر MR با استفاده از برخی از تکنیک های ریاضی به تصاویر تبدیل می شود و این مسئله منجر به افزایش صدا و نویز می شود. بنابراین، باید اقدام به نوفه زدایی تصویرکنیم . اخیراٌ، اکثر کاربردهای کلینیکی از تصاویر دیفیوژن یا انتشار تنسور – MR(Diffusion Tensor MR ) و با استخراج ویژگی های تصاویر اقدام به ردیابی بافت های عصبی میکنند. نویز در تصاویر DT-MR ردیابی بافت ها و تشخیص بیمارهای را مشکل تر می سازد.بنابراین هدف تحقیق ما نوفه زدایی تصاویر Diffusion TensorMR با کیفیت بهتر دیداری است. ما در این مقاله یکی از تکنیک های نوفه زدایی را مطرح می کنیم که از شاخص ماتریس شباهت ساختاری (SSIM) برای طبقه بندی قطعات مشابه استفاده میکند و تحلیل مولفه اصلی تکرار کننده را در هر یک از گروه ها انجام می دهد. ما با اجرا میانگین وزنی مولفه اصلی به تصویر نوفه زدایی شده DT-MR دست می یابیم. برای دستیابی به کیفیت بهتر دیداری تصاویر نوفه زدایی شده از تکنیک تحلیل مولفه اصلی تکرار کننده استفاده میکنیم.