حذف نويز تصاوير سونوگرافي با استفاده از شبكه هاي عصبي همگشتي

كارشناسي ارشد

تصوير برداري سونوگرافي نقش مهمي را به دليل عدم تهاجم، ايمن و بي‌درنگ بودن در كارهاي تشخيصي ايفا مي‌كند. علي رغم اين مزاياي بزرگ، مسئله مهمي كه در اين بين وجود دارد، وجود نويز اسپكل است. كيفيت تصاوير سونوگرافي بطور قابل توجهي توسط اين نويز كاهش مي‌يابد و به تبع، اثرات منفي روي روند تفسير و تشخيص مي‌گذارد. به همين روي، حذف نويز تصاوير سونوگرافي، يك مرحله پيش پردازش مهم تلقي مي‌شود. در اين پايان‌نامه، ما با استفاده از شبكه هاي همگشتي Inception ، دو رويكرد براي حذف نويز اسپكل ارائه داديم. رويكرد اول كه آن را IICDAE-3 مي‌ناميم، يك شبكه همگشتي خودكدگذار حذف نويز است كه ماژول Inception را به آن به منظور افزايش قدرت در استخراج ويژگي افزوديم. در رويكرد دوم كه مبتني بر نويز اسپكل است و SNICDNN-3 نام دارد، مدل نويز را با استفاده از شبكه همگشتي Inception تخمين زده و با استفاده از روابط رياضياتي و بر روي نويز تخميني، تصوير حذف نويز شده را بازسازي نموديم. نتايج حاصل از ارزيابي ها نشان داده است كه روش‌هاي پيشنهادي توانسته‌اند معيارهاي كارايي مهم در اين حوزه را بهبود دهند. روش IICDAE-3 توانسته است معيارهاي PSNR، SSIM و MSE را به ترتيب به اندازه 0.2991، 0.0069 و 2.3234 بهبود دهد. اين مقادير براي روش SNICDNN-3 به ترتيب برابر با 0.4779، 0.0096 و 3.6465 است. همچنين از نظر بصري، روش‌هاي پيشنهادي ما علاوه بر حذف نويز، اطلاعات مهم ساختاري مثل لبه‌ها را تا حد بهتري حفظ ميكند.

195843

دانشگاه علم و صنعت ايران

دكتر محمدرضا محمدي

مهندسي كامپيوتر- گرايش هوش مصنوعي

دكتر محسن سرياني