عنوان

فشرده‌سازی مقیاس‌پذیر تصاویر پزشکی مبتنی بر تصویربرداری تشدید مغناطیسی و توموگرافی کامپیوتری با استفاده از تبدیل موجک گسسته

‭۱۷۷۶۹پ‬

per

فشرده‌سازی مقیاس‌پذیر تصاویر پزشکی مبتنی بر تصویربرداری تشدید مغناطیسی و توموگرافی کامپیوتری با استفاده از تبدیل موجک گسسته

/زهرا کریمی

: مهندسی برق و کامپیوتر

، ‮‭۱۳۹۵‬

، افشاری

چاپی

کارشناسی ارشد

مهندسی مخابرات

‮‭۱۳۹۵/۱۱/۱۸‬

تبریز

در گذشته به‌دلیل سرعت کم در اسکن تصاویر تشدید مغناطیسی و توموگرافی کامپیوتری، پژوهشگران به فکر افتادند تا روش‌هایی برای افزایش سرعت این فرآیند ایجاد کنند .این روش‌های تصویربرداری، به‌دلیل طولانی بودن زمان اسکن، در کاربردهای عملی با چالش مواجه هستند .بنابراین، پژوهشگران در سال‌های اخیر به‌دنبال راه‌هایی برای افزایش سرعت اسکن بوده‌اند .یکی از راهکارهای عملی کردن این مسئله، فشرده‌سازی تصاویر پزشکی مبتنی بر ‮‭MRI‬ و ‮‭CT‬ است .این عمل، هم سرعت اسکن را در این روش‌های تصویربرداری افزایش می‌دهد و هم موجب کاهش حجم فایل اسکن‌شده می‌شود .از طرفی، با توجه به اهمیت بسیار زیاد اطلاعات پیکسل‌ها در تصاویر پزشکی، فشرده‌سازی تصاویر نباید منجر به از دست رفتن اطلاعات گردد .حجم بالای تصاویر ‮‭MRI‬ و ‮‭CT‬ باعث می‌شود برای ذخیره‌سازی و ارسال این تصاویر، از فشرده‌سازی مقیاس‌پذیر تصاویر پزشکی به‌صورت بی‌اتلاف و یا تقریبا بی‌اتلاف استفاده گردد .روش پیشنهادی این پایان‌نامه ترکیب چند روش فشرده‌سازی برای بهبود این فرآیند است بدین‌گونه که ابتدا تصویر به‌منظور فشرده‌سازی بی‌اتلاف به دو قسمت ناحیه مدنظر ‮‭(ROI)‬ و ناحیه غیرمدنظر‮‭ROI) - (Non‬تقسیم می‌شود .در قسمت غیرمدنظر، نمونه‌برداری و فیلترینگ به‌منظور کاهش نویز و تقویت فرکانس در تصویر انجام می‌شود .سپس، تبدیل موجک گسسته هار و بخش‌بندی به درخت سلسله مراتبی ‮‭(SPHIT)‬ در شش سطح به‌صورت مقیاس‌پذیر برای کاهش حجم تصاویر و افزایش نرخ فشرده‌سازی، روی تصویر اعمال می‌شوند و در نهایت با اعمال کدینگ به‌روش تکرار-طول‮‭(RLE)‬ ، افزونگی‌ها در عین حفظ کیفیت تصویر فشرده‌شده، حذف می‌شوند .نتایج حاصل از پیاده‌سازی الگوریتم پیشنهادی این پایان‌نامه، نشان می‌دهد که یک فشرده‌سازی با نرخ بالا در عین افزایش نسبت بیشینه سیگنال به نویز ‮‭(PSNR)‬ و حفظ کیفیت به‌صورت مقیاس‌پذیر به‌دست می‌آید

We proposed here a technique for MRI and CT images compression. In medical domain the high quality image data is very important and because of that we proposed a technique based on Discrete Wavelet Transform (DWT). Wavelet compression alone, in addition to image compression, reduce image quality and resolution, in order to prevent this, it combines the K-space sampling, Set Partitioning In to Hierarchical Trees (SPIHT) and Run-length coding (RLE) to provide resolution scalability with better compression performance than DWT. There are some areas of medical image where it is sufficient to maintain high image quality, for this purpose we compressed these region of interests with zero data loss, while the rest of the image may possess less quality than region of interests. Lossless compression results are better on CTs and MRIs. Experimental results show that the method offers high compression and low volume of the medical image. The technique is useful wherever storing and transmitting large numbers of images is necessary.

کریمی، زهرا

مشگینی، سعید، استاد راهنما

سیدعربی، میر هادی، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی