Poprawa jakości obrazów tomograficznych o niskiej dawce promieniowania

• Autorzy: Węgliński T. , Fabijańska A.

Warianty tytułu

Enhancement of low-dose CT scans

• Języki publikacji: PL

Abstrakty

PL

W artykule rozważono problem poprawy jakości obrazów z tomografu komputerowego, uzyskanych z wykorzystaniem niskich dawek promieniowania. W szczególności, przetestowano popularne algorytmy przetwarzania wstępnego (m.in. algorytm filtracji anizotropowej, średnich nielokalnych, przesunięcia do średniej) oraz przeanalizowano skuteczność ich działania. Oceny jakości poprawy dokonano w oparciu o sztucznie wygenerowane zakłócenia, symulujące artefakty towarzyszące w obrazach TK niskim dawkom promieniowania. Do ilościowego porównania stopnia poprawy jakości wykorzystano takie miary, jak błąd średniokwadratowy oraz indeks strukturalnego podobieństwa.

EN

In this paper the problem of enhancement of low-dose CT scans was considered. In particular, popular pre-processing algorithms (such as anisotropic diffusion filter, non-local means filter, mean-shift filter) were tested and analyzed. The assessment of image quality improvement was performed based on the artificially generated artifacts, similar to those appearing in low-dose CT scans . Their effectiveness was investigated using the image quality measures, such as the mean square error and the structural similarity index.

Słowa kluczowe

PL

tomografia komputerowa (TK); promieniowanie; wodogłowie; segmentacja

EN

computer tomography (CT); low-dose; X-ray; hydrocephalus; segmentation

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2013
• Tom: nr 4
• Strony: 7--9
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Węgliński T.

• Politechnika Łódzka, Instytut Informatyki Stosowanej

autor

Fabijańska A.

• Politechnika Łódzka, Instytut Informatyki Stosowanej

Bibliografia

• [1] Buades,A., Coll, B. Morel J.M.: A non-local algorithm for image denoising. Computer Vision and Pattern Recognition, 2, 2005, s. 60-65.
• [2] Dorin C., Meer P: Mean Shift: A Robust Approach Toward Feature Space Analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence 24 (5), 2002, s. 603–619.
• [3] Perona P., Malik J.: Scale-space and edge detection using anisotropic diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12 (7), 1990, s. 629–639.
• [4] Sasi C., Jagan A., Kaur J., Jyoti D., Rao D.S.: Image quality assessment techniques on spatial domain, International Journal Of Computer Science & Technology, 2 (3), 2011, s. 177-184
• [5] Tian J., Chen L., Ma L., A wavelet-domain non-parametric statistical approach for image denoising. IEICE Electronics Express, 7, 2010, s. 1409-1415. Węgliński T., Fabijańska A.: Enhancement of low-dose CT brain scans using graph-based anisotropic interpolation. Image Processing & Communications Challenges 5, Advances in Intelligent Systems and Computing, 233, 2014, s. 29-36