МУЛЬТИСПИРАЛЛИ КОМЬЮТЕР ТОМОГРАФИЯСИ  СКАНЕРИДАН ОЛИНГАН ТИББИЙ ТАСВИР СИФАТИНИ  ЭТАЛОНСИЗ БАҲОЛОВЧИ МЕЗОНЛАР

Admin bo'lib kirish (www.admin.slib.uz)

Tizim sinov (TEST) rejimida ishlamoqda! Murojat uchun @slib_support

Eski talqinga o'tish link

13 май 2024

Asosiy til:O'zbek

МУЛЬТИСПИРАЛЛИ КОМЬЮТЕР ТОМОГРАФИЯСИ СКАНЕРИДАН ОЛИНГАН ТИББИЙ ТАСВИР СИФАТИНИ ЭТАЛОНСИЗ БАҲОЛОВЧИ МЕЗОНЛАР

Fan yo'nalishi:

664144b61308d.pdf

PDF

Transport vositalari va yoʻllari ilmiy jurnali

Maqola chop etish see more

MAQOLA ANNOTATSIYASI

Ҳозирги замонавий тиббиёт соҳасида мультиспиралли компьютер томографияси сканерларидан фойдаланишнинг ўрни беқиёсдир. Бу ўз навбатида, ушбу тиббий тасвирга олиш воситаларидан олинган тиббий тасвирлар сонининг кескин ўсишига сабаб бўлмоқда. Бироқ айрим ҳолларда, бу тиббий тасвирлар тасвирга олиш ва узатиш жараёнида турли артефактлар ва шовқинларга сезгир бўлиши мумкин, бу ўз навбатида тасвир сифатининг пасайишига олиб келади. Бундай мультиспиралли компьютер томографияси сканерларидан олинган тасвирларнинг диагностика ва таҳлилий мақсадларда ишончлилигини таъминлаш учун уларнинг сифатини баҳолаш ва яхшилаш ўта муҳимдир. Мазкур тадқиқот ишида тиббий тасвирлар учун эталон тасвирга таянмасдан тасвир сифатини баҳолашга эътибор берилади. Шовқин компьютер томографиясида тасвир сифатини пасайтирадиган асосий омил ҳисобланади. Шу сабабдан мазкур тадқиқотда тасвирда кўп учрайдиган 7 турдаги шовқин кўриб чиқилади. Шовқинли тасвирнинг ҳар бир тури учун шовқин пасайтиришнинг 12 та усули фойдаланилади. Ушбу фильтрлар тиббий тасвирларга қўлланилгандан сўнг тасвир сифатини баҳолаш орқали тасвирдаги шовқинни пасайтиришда энг самарали фильтрни аниқлаш масаласи долзарбдир. Шу сабабдан қайта ишланган тасвир сифатини баҳолашда 3 та эталонсиз мезондан фойдаланилади ва ҳар бир шовқин турига мос фильтр ва мезон қоидаси ишлаб чиқилади.

MUALIFLAR

Teglar

# image quality# качество изображения# multispiral computed tomography# шум# noise# шовқин# Gaussian distribution# no-reference evaluation# BRISQUE# NIQE# BIQI# NSS# мультиспиральная компьютерная т# безбенчмарковая оценка# распределение Гаусса# мультиспиралли компьютер томогра# тасвир сифати# эталонсиз баҳолаш# Гаусс тақсимоти

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

ROI:

https://eroi.uz/11.0206/A0524-0079

DOI:

Mavjud emas

Foydalanilgan adabiyotlar

1.Старовойтов В. В., Старовойтов Ф. В. Сравнительный анализ безэталонных мер оценки качества цифровых изображений // Системный анализ и прикладная информатика. 2017. № 1. С. 24-32.

2.M. Gupta, H. Taneja, and L. Chand, “Performance enhancement and analysis of filters in ultrasound image denoising,” Procedia Computer Science, vol. 132, pp. 643–652, 2018.

3.B. Goyall, A. Dogra1, S. Agrawal1, and B. S. Sohi, “Noise issues prevailing in various types of medical images,” Biomedical & Pharmacology Journal, vol. 11, pp. 1227-1237, September 2018.

4.M. H. Ali, “MRI medical image denoising by fundamental filters,” SCIREA Journal of Computer, vol. 2, pp. 12-26, 2017.

5.Priyanka Kamboj and Varsha Rani, “A Brief Study of Various Noise Model and filtering Techniques,” Journal of Global Research in Computer Science, Volume 4, No 4, pp.166-177, April 2013.

6.Thanh, Dang & Prasath, Surya & Le Minh, Hieu. (2019). A Review on CT and X-Ray Images Denoising Methods. Informatica. 43. 151-159. 10.31449/inf.v43i2.2179.

7.J. S. Lee, “Digital image enhancement and noise filtering by use of local statistics,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 2, pp. 165-168, March 1980.

8.Perumal, B., Sindhiya, R., y Pallikonda, M. (2021). Extermination methods of image noises: a review. 3C Tecnología. Glosas de innovación aplicadas a la pyme, Edición Especial, (noviembre, 2021), 243-259. https:// doi.org/10.17993/3ctecno.2021.specialissue8.243-259

9.Nik, M.M.Pura & Se, S.V.Hal. (2018). A Review Paper: Study of Various Types of Noises in Digital Images. International Journal of Engineering Trends and Technology. 57. 40-43. 10.14445/22315381/IJETT-V57P208.

10.Bindhya, P & Jegan, Chitra & Raj, V. (2020). A Review on Methods of Enhancement and Denoising in Retinal Fundus Images. INTERNATIONAL JOURNAL OF COMPUTER SCIENCES AND ENGINEERING. 8. 1-9. 10.26438/ijcse/v8i12.19.

11.Muna Khalid Jasim, RehanHamdullah Najm, Emran Hassn Kanan, Hamza Esam Alfaar,

12.Bharati, Subrato & Khan, Tanvir & Podder, Prajoy & Hung, Nguyen. (2020). A Comparative Analysis of Image Denoising Problem: Noise Models, Denoising Filters and Applications. 10.1007/978-3-030-55833-8_3.

13.Maity, Alenrex & Chatterjee, Rishav. (2018). Impulsive Noise in Images: A Brief Review. Vision Graphics and Image Processing. Vol 4. 6-15. 10.19101/TIPCV.2017.39025.

14.Garg, Gaurav & Juneja, Mamta. (2019). A survey of denoising techniques for multi parametric prostate MRI. Multimedia Tools and Applications. 78. 10.1007/s11042-018-6487-2. 15.Bhonsle D, C.V., Sinha GR: ‘Medical image denoising using bilateral filter’, Int J Image Gr Signal Process 4, 2012, pp. 36–43

16.Uk, Ijeacs. (2017). Performance Assessment of Several Filters for Removing Salt and Pepper Noise, Gaussian Noise, Rayleigh Noise and Uniform Noise. International Journal of Engineering and Applied Computer Science (IJEACS). 02. 176-180. 10.24032/ijeacs/0206/01.

17.Ikhsan, Mohammad. (2021). Comparative Analysis of Different Algorithms for Image Denoising. 10.13140/RG.2.2.29939.14883.

18.Perumal, B., Sindhiya, R., y Pallikonda, M. (2021). Extermination methods of image noises: a review. 3C Tecnología. Glosas de innovación aplicadas a la pyme, Edición Especial, (noviembre, 2021), 243-259. https://doi.org/10.17993/3ctecno.2021.specialissue8.243-259

19.Kaur, Gurjinder & Garg, Meenu & Gupta, Sheifali & Gupta, Rupesh. (2021). Denoising of images using Thresholding Based on Wavelet Transform Technique. IOP Conference Series: Materials Science and Engineering. 1022. 012031. 10.1088/1757-899X/1022/1/012031.

20. Колчаев Д. А., Муратов Е. Р., Никифоров М. Б. Математическое обеспечение системы динамического выбора метода улучшения изображений в реальном времени // Известия ТулГУ. Технические науки. 2017. Вып. 2. С. 83-89.