• شماره ركورد
    22796
  • پديد آورنده

    عاطفه شعباني

  • عنوان
    كاهش نويز تصاوير اكوكارديوگرافي با استفاده از مدل هاي رنك پايين
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي پزشكي
  • سال تحصيل
    1396
  • تاريخ دفاع
    1399/7/15
  • استاد راهنما
    دكتر حميد بهنام - دكتر حجت سبزپوشان
  • دانشكده
    برق
  • چكيده
    تصوير برداري اولتراسوند به طور گسترده در تشخيص پزشكي به دليل ويژگي هاي غير تهاجمي، هزينه كم و توانايي كار به صورت بلادرنگ به كار برده مي‌شود. يكي از عوامل مزاحم در فرايند تشكيل تصوير در دستگاه‌هاي اولتراسوند پزشكي، نويز اسپيكل است. اين نويز به ‌صورت ضرب ‌شونده در تصوير و باعث افت كيفيت بصري تصوير مي‌شود و بر پردازش هايي مانند بخش بندي تاثير مي‌گذارد. بنابراين، يكي از مسائل مهم در رابطه با تصاوير اكوكارديوگرافي، بهبود كيفيت تصوير از طريق كاهش نويز است. تكنيك هاي مختلفي در حوزه ي پردازش تصوير، براي كاهش نويز انجام شده است. از جمله اين روش‌ها مي‌توان به مسئله ي تقريب مرتبه پايين ماتريس و بازيابي دقيق اين ماتريس اشاره كرد. در سال هاي اخير استفاده از مدل هاي مرتبه پايين در كاربردهايي مانند فشرده سازي، بخش بندي، استخراج پيش زمينه و پس زمينه فيلم، رديابي دريچه ميترال و كاهش نويز مورد توجه قرار گرفته است و منجر به دستيابي نتايج قابل توجهي شده است. در اين پروژه كاهش نويز از طريق روش تقريب مرتبه پايين با حل مسئله نرم هسته اي انجام شده است. به اين صورت كه دو رويكرد براي كاهش اسپكل ارائه مي‌شود. روش اول به نام كاهش نويز اسپكل توسط تقريب مرتبه پايين ناميده مي‌شود كه با استفاده از فيلتر همومورفيك به دنبال حداقل سازي نرم هسته اي وزن دار كه يك نوع از روش تقريب مرتبه پايين است، هستيم. در روش دوم، براي بهبود عملكرد بيشتر، يك روش اصلاح شده ارائه مي‌شود كه در آن يك مرحله پيش پردازش با در نظر گرفتن خاصيت آماري تصوير انجام مي‌گيرد. در ادامه، عملكرد الگوريتم مورد نظر بر روي سه مجموعه داده تصاوير اكوكارديوگرافي مورد بررسي قرار مي‌گيرد. نتايج حاصل با چند معيار به صورت كمي و كيفي بررسي مي‌گردد. در مجموعه داده اول، اين معيارها شامل نسبت سيگنال به نويز ماكزيمم (PSNR) كه در اين پروژه با مقدار 64/34، شباهت ساختار (SSIM) با مقدار 91/0و ميانگين مربعات خطا (MSE) با مقدار 0003/0 مي‌باشد.
  • تاريخ ورود اطلاعات
    1399/08/24
  • عنوان به انگليسي
    noise reduction of echocardiography images using low rank models
  • تاريخ بهره برداري
    10/7/2021 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    عاطفه شعباني

  • چكيده به لاتين
    Ultrasound (US) imaging has become extensively employed in medical diagnosis because of its non-invasive features, low costand ability to work in real time.One of the disturbing factors in the image formation process in medical ultrasound devices is speckle noise. This noise is multiplicative noise in the image, reducing the visual quality of the image and affecting processes such as segmentation. Therefore, one of the most important issues in echocardiography is to improve image quality by reducing noise. Various techniques have been developed in the field of image processing to reduce noise. Among these methods, we can mention the problem of low rank approximation matrix and accurate retrieval of this matrix through the application of convex programs. In recent years, the use of low-rank models has been considered in applications such as compression, segmentation, foreground and background video extraction, mitral valve tracking and noise reduction.. In this project, noise reduction is done through the low rank approximation method by solving the nuclear norm problem. In this way, two approaches are presented to reduce speckle. The first method named as Despeckling using low-rank approximation (DLRA), converts the multiplicative noise into additive form by homomorphic filtering followed by weighted nuclear norm minimization (WNNM), a variant of low-rank approximation method. To further enhance the performance, a modified DLRA method is proposed in which a pre-processing stage is incorporated considering the statistical properties of the ultrasound image.The proposed method is implemented in MATLAB software environment. In the following, the performance of the algorithm is examined on number of echocardiographic image datasets. The results are evaluated quantitatively and qualitatively by several index. These index include peak signal to noise ratio (PSNR), structure similarity (SSIM) and mean square error (MSE). Experiments show that the noise reduction method with a pre-processing step on echocardiographic images and noise reduction through the low-rank approximation method using nuclear norm provides better results than other noise reduction methods