دوره 15، شماره 2 - ( 6-1397 )
جلد 15 شماره 2 صفحات 147-133 |
برگشت به فهرست نسخه ها
دانشگاه تربیت مدرس
چکیده: (3909 مشاهده)
شدت واقعی سیگنال استخراج‌شده از تصاویر MRI به دلیل اصلاح نوفه در محاسبات مربوط به مقدار بزرگی(magnitude) سیگنال در پیکسل‌های کم‌شدت، همواره با نوفۀ رایسین همراه است. این مسئله به‌ویژه برای تصویربرداری‌های MRI با نسبت سیگنال به نوفۀ بسیار کم (SNR<3.0) مانند دیفیوژن MRI، در مقادیر بزرگِ مشهور به b- value (حاصل کاربرد گرادیآن‌های مغناطیسی پرقدرت در زمآن‌های طولانی) نیز صادق است. در این پژوهش روشی برای حذف نوفۀ رایسین از پیکسل‌های تصاویر حاصل از مقدار بزرگی در MRI ارائه و یک معادلۀ خطی با عبارت تصحیح نوفه پیشنهاد شده که می‌تواند نوفۀ بایاس‌شده را به پیکسل‌ها بطور منفرد حذف کند. در صورت مشخّص بودن مقدار متوسط و واریانس تابع دانسیتهء شدت هر پیکسل، این تصحیح نوفه مطلوب و کامل است، اما در صورت عدم دسترسی دقیق به این اطلاعات برای هر تک‌پیکسل، میانگین‌گیری از نزدیک‌ترین پیکسل‌های مجاور در تصویر معادلۀ تصحیح نوفه به‌کارگرفته‌می‌شود. انتخاب تعداد پیکسل‌های مجاور با رساندن خطا به کمترین مقدار تقریبی انجام می‌شود. طبق محاسبه در این روش، به‌کارگیری دست‌کم 9 پیکسل همسایه برای سیگنال به نوفه معادل0/1 SNR=1.0)) مقدار تقریبی تا زیر 10 % خطا می‌دهد. روش کاهش نوفۀ رایسین ارائه‌شده در این مقاله برتری قابل ملاحظه‌ای را در حذف نوفه از سیگنال دیفیوژن MRI در مقادیر بزرگ b-نسبت به روش‌های ارائه‌شده تا زمان حاضر نشان می‌دهد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1396/5/26 | پذیرش: 1397/2/25 | انتشار: 1397/6/25 | انتشار الکترونیک: 1397/6/25
دریافت: 1396/5/26 | پذیرش: 1397/2/25 | انتشار: 1397/6/25 | انتشار الکترونیک: 1397/6/25
فهرست منابع
1. [1] Whittall KP, MacKay AL, Graeb DA, Nugent RA, Li DKB, Paty DW. (1997)." In vivo measurement of T2 distributions and water contents in normal human brain." Magn Reson Med. 37, pp. 34-43. [DOI:10.1002/mrm.1910370107]
2. [2] Assaf Y, Freidlin RZ, Rohde GK, Basser PJ.(2004)."New modeling and experimental framework to characterize hindered and restricted water diffusion in brain white matter." Magn Reson Med. 52, pp. 965-978. [DOI:10.1002/mrm.20274] [PMID]
3. [3] Le Bihan D. (2007)."The 'wet mind': water and functional neuroimaging." Phys Med Biol. 52, pp. R57-R90. [DOI:10.1088/0031-9155/52/7/R02] [PMID]
4. [4] Østergaard L.(2004)."Cerebral perfusion imaging by bolus tracking." Magn Reson Imaging. 15, pp. 3-9. [DOI:10.1097/00002142-200402000-00002]
5. [5] Chen CN, Hoult DI.(1989). "Biomedical magnetic resonance technology." Bristol and New York: Adam Hilger. pp.117-176.
6. [6] Hoult DI, Lauterbur PC.(1979). "The sensitivity of the zeugmatographic experiment involving human samples." J Magn Reson. 34, pp. 425-433.
7. [7] Rice SO. (1944). "Mathematical analysis of random noise. Bell System Technological Journal. 23, pp. 282-332. [DOI:10.1002/j.1538-7305.1944.tb00874.x]
8. [8] Wang Y, Lei T.(1994). "Statistical analysis of MR imaging and its applications in image modeling." In: Proceedings of the IEEE International Conference on Image Processing and Neural Networks. 1, pp. 866-870.
9. [9] Cárdenas-Blanco A, Tejos C, Irarrazaval P, Cameron IG. (2008). "Noise in magnitude magnetic resonance images." Concepts in Magnetic Resonance Part A. 32A(6), pp. 409–416. [DOI:10.1002/cmr.a.20124]
10. [10] Bernstein MA, Thomasson DM, Perman WH. (1989). "Improved detectability in low signal-to-noise ratio magnetic resonance images by means of a phase–corrected real reconstruction." Med Phys. 16, pp. 813-817. [DOI:10.1118/1.596304] [PMID]
11. [11] Henkelman RM.(1986). "Measurement of signal intensities in the presence of noise in MR images." Med Phys. 12, pp. 232-233. [DOI:10.1118/1.595711] [PMID]
12. [12] Gudbjartsson H, Patz S.(1995). "The Rician distribution of noisy MRI data." Magn Reson Med. 34, pp. 910-914. [DOI:10.1002/mrm.1910340618]
13. [13] Miller AJ, Joseph PM.(1993). "The use of power images to perform quantitative analysis on low SNR MR images." Magn Reson Imag. 11, pp. 1051-1056. [DOI:10.1016/0730-725X(93)90225-3]
14. [14] McGibney G, Smith MR. (1973). "An unbiased signal-to-noise ratio measure for magnetic resonance images." Med Phys. 20, pp. 1077-1078. [DOI:10.1118/1.597004] [PMID]
15. [15] Koay CG, Basser PJ. (2006). "Analytically exact correction scheme for signal extraction from noisy magnitude MR signals." J Magn Reson. 179, pp. 317-322. [DOI:10.1016/j.jmr.2006.01.016] [PMID]
16. [16] Cárdenas-Blanco A, Nezamzadeh M, Foottit C, Cameron I.(2007). "Accurate noise bias correction applied to individual pixels." In: Proceedings of the 15th Annual Meeting of ISMRM-ESMRMB, Berlin, Germany. pp. 657.
17. [17] Sijbers J, den Dekker AJ, Scheunders P, Van Dyck D. (1998). "Maximum-likelihood estimation of Rician distribution parameters." IEEE Trans Med Imaging. 17, pp. 357-361. [DOI:10.1109/42.712125] [PMID]
18. [18] Kingsley, PB. (2005). "Improved formulas to correct noisy low-intensity DTI data." In: Proceedings of the ISMRM Workshop on Methods for Quantitative Diffusion MRI of Human Brain. poster 52.
19. [19] Nezamzadeh M, Cameron IG.(2006). "A new Rician noise bias correction." In: Proceedings of the 14th Annual Meeting of ISMRM, Seattle, Washington, USA, pp. 346.
20. [20] Jones DK, Basser PJ. (2004). "Squashing peanuts and smashing pumpkins: How noise distorts diffusion weighted MR data." Magn Reson Med. 52, pp. 979-993. [DOI:10.1002/mrm.20283] [PMID]
21. [21] Olariu E, Cárdenas-Blanco A, Cameron, IG. (2007). "Analysis of Noise Corrected Diffusion Decay of Human Brain." In: Proceedings of the 15th Annual Meeting of ISMRM-ESMRMB, Berlin, Germany. pp. 3301.
22. [22] Gilbert G, Simard D, Beaudoin G. (2007). "Impact of improved combination of signals from array coils in diffusion tensor imaging." IEEE Trans Med Imaging. 26, 1428-1436. [DOI:10.1109/TMI.2007.907699] [PMID]
23. [23] Constantinides CD, Atalar E, McVeigh ER.(1997). "Signal-to-noise measurements in magnitude images from NMR phased arrays." Magn Reson Med. 38, pp. 852-857. [DOI:10.1002/mrm.1910380524]
24. [24] Sijbers J, Poot D, Dekker AJ, Pintjens W. (2007). "Automatic estimation of the noise variance from the histogram of a magnetic resonance image." Phys Med and Biol. 52, pp. 1335-1348. [DOI:10.1088/0031-9155/52/5/009] [PMID]
25. [25] Andersen AH.(1996). "On the Rician distribution of noisy MRI data." Magn Reson Med. 36, pp. 331-333. [DOI:10.1002/mrm.1910360222] [PMID]
26. [26] Niendorf T., Dijkhuizen R., Norris D.G., van Lookeren, Campagne M., Nicolay K. (1996). "Biexponential diffusion attenuation in various states of brain tissue: implications for diffusion weighted imagin.", Magn. Reson. Med. 36, pp. 847- 857. [DOI:10.1002/mrm.1910360607]
27. [27] Haldar PJ.,Wedeen VJ., Nezamzadeh M., Dai G. Weiner MW., Schuff N., Liang ZP.(2013) "Improved diffusion imaging through SNR-enhancing joint reconstruction."Magn Reson Med. 69(1), pp.227-289. [DOI:10.1002/mrm.24229] [PMID] [PMCID]
28. [28] Liu RW, Shi L, Yu SC, Wang D.(2015). "A two-step optimization approach for nonlocal total variation-based Rician noise reduction in magnetic resonance images." Med Phys. 42(9), pp. 5167-87. [DOI:10.1118/1.4927793] [PMID]
29. [29] R. Riji • Jeny Rajan • Jan Sijbers • Madhu S. Nair. (2015). "Iterative bilateral filter for Rician noise reduction in MR images." Signal, Image and Video Processing. 9(7), pp. 1543.
30. [30] Baselice F., Ferraioli G., Pascazio V. (2017)."A 3D MRI denoising algorithm based on Bayesian theory.", BioMed Eng OnLine, 16: 25, pp.1-19. [DOI:10.1186/s12938-017-0319-x]
31. [31] Pal Ch., Das P., Chakrabarti A., Ghosh R.(2017). "Rician noise removal in magnitude MRI images using efficient anisotropic diffusion filtering." Int.J.Imaging Syst. Technol. 27, pp. 248–264 [DOI:10.1002/ima.22230]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |