МЕДИЦИНСКАЯ ФИЗИКА

Фильтр для устранения шумов на изображениях МРТ, основанный на интеграции методов NLM, PCA, PSO и универсального самосогласования значений

Али Джасим Гаффури
Университетский колледж Аль-Мамун, http://almamonuc.edu.iq/
Аль-Аскан, 10012 Багдад, Ирак
Email: ali.j.ghaffoori@almamonuc.edu.iq

Ахмед Талал Камил
Иракский университет, http://aliraqia.edu.iq/
Аль-Адхмия - Хайба Хатон, 6029, Багдад, Ирак
Email: ahmed.talal@aliraqia.edu.iq

Анас Фуад Ахмед
Иракский университет, http://aliraqia.edu.iq/
Аль-Адхмия - Хайба Хатон, 6029, Багдад, Ирак, http://aliraqia.edu.iq/
Email: anasfuad33eng@yahoo.com или anas.ahmed@aliraqia.edu.iq

Поступила 08.10.2024, рецензирована 14.10.2024, принята 21.10.2024, опубликована 09.02.2025

Аннотация: Представлен новый цифровой фильтр для магнитно-резонансной томографии (МРТ), который использует нелокальные методы на основе патчей (NLM) и анализ главных компонент (PCA) для улучшения шумоподавления и сохранения сигнала на изображениях МРТ. Предлагаемый метод повышает надежность за счет использования предварительно подавленного кругового стабильного нелокального среднего фильтра (PCS-NLM) для учета стабильных и круговых участков, а также использования PCA для минимизации размеров и разделения помех. Для дальнейшего улучшения процесса фильтрации применяется технология particle swarm optimization (PSO), которая оптимизирует ключевые параметры, обеспечивая баланс между устранением шума и сохранением важных анатомических структур. Кроме того, предложен эффективный подход к обходу интенсивности вокселей, увеличивающий область поиска идентичных участков, что приводит к улучшенному распознаванию и устранению шума. Количественные результаты показывают, что предлагаемый метод обеспечивает более высокие значения среднего пикового отношения сигнал/шум (PSNR) и среднего индекса структурного сходства (SSIM) по сравнению с другими подходами, что отражает улучшенное качество изображения при сохранении важных деталей. Предлагаемая стратегия значительно сокращает время вычислений, что делает ее возможной для клинических сценариев в режиме реального времени, где важен оперативный анализ с помощью МРТ. Метод также демонстрирует высокую адаптивность к низким и высоким уровням шума (10-90%), что делает его полезным в различных клинических приложениях. В статье используется многоуровневый и многомодельный глубинный оценщик качества МРТ-изображений (MEDQEMRI) для оценки клинической фильтрации. При тестировании на реальных и частных клинических наборах данных представленная методика достигает самых высоких показателей MEDQEMRI, подтверждая свои превосходные результаты в реальных клинических сценариях. В целом, предложенный фильтр демонстрирует значительные улучшения в устранении шумов, сохранении деталей и эффективности вычислений, что делает его мощным инструментом для улучшения МРТ-анализа.

Ключевые слова:МРТ-изображения, фильтрация, самосогласование, NLM, PCA, PSO

УДК 53.047:57(075.8)

РЭНСИТ, 2025, 17(1):61-76 DOI: 10.17725/rensit.2025.17.061

Полнотекстовая электронная версия статьи – на вебсайтах http://elibrary.ru и http://rensit.ru/vypuski/article/644/17(1)61-76.pdf