سهند شاهعلینژاد، عاطفه بهادری، علی نیاپور،
دوره ۱۲، شماره ۱ - ( زمستان ۱۴۰۱ )
چکیده
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 ۳۰ دسی بل را نمایش داد. تبدیل ویولت به ازای تصاویر انتخابی مقدار SNRبیشتری دارد و این اختلاف در برخی تصاویر بیش از ۴۰ 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.
سهند شاهعلینژاد، عاطفه بهادری، علی نیاپور،
دوره ۱۲، شماره ۱ - ( زمستان ۱۴۰۱ )
چکیده
زمینه و هدف: شناسایی و مرزبندی توده‌ها و تشخیص تومورهای موجود در بافت پستان از چالش های جدی در تشخیص این سرطان است. در حال حاضر ماموگرافی، متداولترین راه تشخیص سرطان پستان می‌باشد که عدم شناسایی صحیح توده‌ها در آن میتواند منجر به تشخیص یا نمونه برداری نادرست از بافت پستان شود. آلگوریتم Harris به عنوان فرآیند شناسایی ویژگی‌های مرتبط و حذف ویژگی‌های غیر مرتبط و تکراری اقدام به استخراج ویژگی می‌کند. دراین تحقیق با استفاده از استخراج ویژگی در پردازش تصاویر پزشکی بر آن شدیم تا بتوانیم با دقت بهتری، نسبت به کارهای گذشته تشخیص را انجام دهیم.
روش کار: با استفاده از آلگوریتم استخراج ویژگی Harris استخراج ویژگی های تصاویر ماموگرافی صورت گرفت. تصاویر ماموگرافی با استفاده از نرم افزار متلب Matlab۲۰۱۹a تحلیل شدندو خروجی های ایده آل مد نظر حاصل شدند.
یافته ها: تصاویر ماموگرافی پس از پیش پردازش و اعمال آلگوریتم هریس مورد بررسی قرارگرفتند که در خروجی حاصل از آلگوریتم پیشنهادی، دقت شناسایی و سرعت شناسایی آلگوریتم را در مقایسه با سایر روش های معمول بالاتر بود.
نتیجه گیری: هدف از استخراج ویژگی Harris این است که داده‌های خام به شکل قابل استفاده‌تری برای پردازش‌های آماری بعدی درآیند. انتظار می‌رود در آینده استخراج ویژگی با دقت بیشتری انجام شود و جزئیات بیشتری جهت بازشناسی اشیاء در تصویر، در اختیار سیستم‌های بینایی ماشین قرار بگیرد.
