35

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.

  • Web Address
  • DOI
  • Date of creation in the UzSCI system 12-05-2024
  • Read count 35
  • Date of publication 30-12-2023
  • Main LanguageO'zbek
  • Pages35-43
English

The role of multispiral computed tomography scanners in the field of modern medicine is incomparable. This, in turn, is causing a dramatic increase in the number of medical images obtained from these medical imaging devices. However, in some cases, these medical images may be susceptible to various artifacts and noise during the imaging and transmission process, which in turn leads to a decrease in image quality. It is very important to evaluate and improve the quality of images obtained from such multispiral CT scanners to ensure their reliability for diagnostic and analytical purposes. This research paper focuses on image quality assessment for medical images without relying on a reference image. Noise is the main factor that reduces image quality in computed tomography. For this reason, this research examines 7 types of noise commonly found in images. For each type of noisy image, 12 methods of noise reduction are used. After these filters are applied to medical images, it is important to determine the most effective filter in image noise reduction by evaluating the image quality. For this reason, 3 no reference criteria are used to evaluate the quality of the processed image, and a filter and criterion rule are developed for each type of noise.

Русский

Роль использования мультиспиральных компьютерных томографов в сфере современной медицины несопоставима. Это, в свою очередь, приводит к резкому увеличению количества медицинских изображений, получаемых с помощью этих устройств медицинской визуализации. Однако в некоторых случаях эти медицинские изображения могут быть подвержены различным артефактам и шуму в процессе визуализации и передачи, что, в свою очередь, приводит к снижению качества изображения. Очень важно оценивать и улучшать качество изображений, получаемых с таких мультиспиральных компьютерных томографов, чтобы обеспечить их надежность для диагностических и аналитических целей. В данной исследовательской работе основное внимание уделяется оценке качества медицинских изображений без использования эталонного изображения. Шум является основным фактором, снижающим качество изображения при компьютерной томографии. По этой причине в этом исследовании рассматриваются 7 типов шума, обычно встречающихся на изображениях. Для каждого типа зашумленного изображения используется 12 методов шумоподавления. После применения этих фильтров к медицинским изображениям важно определить наиболее эффективный фильтр для снижения шума изображения путем оценки качества изображения. По этой причине для оценки качества обработанного изображения используются 3 безоценочных критерия, а для каждого типа шума разрабатываются фильтр и критериальное правило.

Ўзбек

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.

Name of reference
1 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 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 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 4.M. H. Ali, “MRI medical image denoising by fundamental filters,” SCIREA Journal of Computer, vol. 2, pp. 12-26, 2017.
5 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 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 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 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 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 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 11.Muna Khalid Jasim, RehanHamdullah Najm, Emran Hassn Kanan, Hamza Esam Alfaar,
12 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 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 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
15 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.
16 17.Ikhsan, Mohammad. (2021). Comparative Analysis of Different Algorithms for Image Denoising. 10.13140/RG.2.2.29939.14883.
17 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
18 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.
19 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.
Waiting