卡方风险估计有助于减少MR图像中的噪声

时间:2020-04-14 15:12:56来源:
导读 小编发现不少朋友对于 卡方风险估计有助于减少MR图像中的噪声 这方面的信息都比较感兴趣,小编就针对 卡方风险估计有助于减少MR图像中的

小编发现不少朋友对于 卡方风险估计有助于减少MR图像中的噪声 这方面的信息都比较感兴趣,小编就针对 卡方风险估计有助于减少MR图像中的噪声 整理了一些相关方面的信息 在这里分享给大家。

根据发表在《人工智能医学》上的研究,与传统方法相比,已建立的去噪算法NeighShrink和卡方无偏风险估计(CURE)的组合可以更有效地减少磁共振(MR)图像中的噪声。

中国金华浙江师范大学的第一作者张昌江及其同事说,虽然核磁共振成像是诊断和治疗疾病的重要工具,但它并非没有缺陷。MRI的视觉质量很容易由于采集过程中的随机变化,刚体和非刚体的运动以及组织之间的伪影而降低,从而导致高斯和里斯噪声,从而使图像难以读取。

Zhang等人说:“ MRI降噪使用了两种主要策略。” 写道。“首先,通常在空间域中直接处理Rician数据。其次,对平方幅度的MR图像应用去噪,该降噪遵循具有两个自由度的非中心卡方分布,其非中心参数与基础无噪声平方幅度成正比。”

这组作者说,去噪方法(即滤波,变换域和统计方法)在一定程度上是有效的,但是为加性白高斯降噪而设计的典型降噪算法可能不会对Rician噪声产生良好的效果。甚至NeighShrink(一种在过去的研究中成功地降低了高斯白噪声的成像降噪算法)也难以理解Rician噪声。

Zhang和他的合著者将NeighShrink算法与CURE结合起来确定NeighShrink的最佳阈值,将其称为NeighShrinkCURE产品,并将其与快速双边滤波(BF)和快速循环旋转技术相结合,以消除MR图像中的噪声,同时保持图像质量。由于NeighShrink的降噪功能仅与小波系数有关,因此该团队首先开发了一种针对该算法的特殊小波域CURE估计。

BF和快速循环旋转技术用于以最小的计算成本来提高算法的性能。研究人员发现,当他们将NeighShrinkCURE应用于因噪声而人工降级或从Brainweb下载的MR图像时,其结果优于两种类似的小波域降噪算法(迭代BF和LMMSE)。

与其他降噪方法相比,NeighShrinkCURE还显示出更高的峰信噪比和结构相似性。但是,它的运行时间超过了竞争对手。

“在定量和定性上,结果都表明了所提算法对MR图像降噪的效率,” Zhang等人。写道。“请注意,通过CURE优化的简单阈值收缩去噪方法也可以产生良好的结果,但是NeighShrink方法仅利用小波系数之间的尺度内相关性。通过引入尺度间相关性,进一步的降噪增益可能会改善NeighShrink。”

最新文章