[論文レビュー] A GA based Window Selection Methodology to Enhance Window based Multi wavelet transformation and thresholding aided CT image denoising technique

Syed Amjad Ali, S. Vathsal+1 more|arXiv (Cornell University)|Feb 1, 2010

Image and Signal Denoising Methods被引用数 7

ひとこと要約

本稿では、CT画像のノイズ除去のための窓ベースの多スケールウェーブレット変換およびしきい値処理を改善するため、遺伝的アルゴリズム（GA）に基づく窓選択手法を提案する。重複するノイズのある画像から類似窓を最適化して選択することにより、ノイズ除去の精度が向上し、最適な窓マッチの見逃しのリスクが低減され、逐次探索手法と比較して優れた画像品質が得られる。

ABSTRACT

Image denoising is getting more significance, especially in Computed Tomography (CT), which is an important and most common modality in medical imaging. This is mainly due to that the effectiveness of clinical diagnosis using CT image lies on the image quality. The denoising technique for CT images using window-based Multi-wavelet transformation and thresholding shows the effectiveness in denoising, however, a drawback exists in selecting the closer windows in the process of window-based multi-wavelet transformation and thresholding. Generally, the windows of the duplicate noisy image that are closer to each window of original noisy image are obtained by the checking them sequentially. This leads to the possibility of missing out very closer windows and so enhancement is required in the aforesaid process of the denoising technique. In this paper, we propose a GA-based window selection methodology to include the denoising technique. With the aid of the GA-based window selection methodology, the windows of the duplicate noisy image that are very closer to every window of the original noisy image are extracted in an effective manner. By incorporating the proposed GA-based window selection methodology, the denoising the CT image is performed effectively. Eventually, a comparison is made between the denoising technique with and without the proposed GA-based window selection methodology.

研究の動機と目的

• 窓ベースの多スケールウェーブレットによるCT画像ノイズ除去における逐次的窓マッチングの非効率性と不正確さを解消すること。
• ノイズ除去プロセス中に最適な非常に類似した窓を見逃すリスクを低減すること。
• 多スケールウェーブレット変換およびしきい値処理における窓選択の正確性を向上させることで、全体的な画像品質を向上させること。
• より効果的で自動化されたマッチングが実現できるよう、遺伝的アルゴリズム（GA）を窓選択プロセスに統合すること。
• 従来の逐次的窓選択手法と比較して、提案手法の性能向上を評価すること。

提案手法

• 元のノイズのあるCT画像の各窓に対して、重複するノイズのある画像から類似窓を最適化して選択するために、遺伝的アルゴリズム（GA）が用いられる。
• GAは窓間の類似度を評価するためのフィットネス関数を用い、類似度の高い窓を効率的に特定することを目的とする。
• 窓選択プロセスは従来の逐次探索に置き換えられ、最適なマッチの見逃しの計算的リスクが低減される。
• 選択された窓に対して多スケールウェーブレット変換が適用され、その後しきい値処理によりノイズを低減する。
• ノイズ除去プロセスは、向上した窓マッチングを活用して、ノイズを除去しながらも画像の細部を保持する。
• 提案手法は、既存の窓ベースの多スケールウェーブレットノイズ除去フレームワークにGA最適化を統合する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、窓ベースの多スケールウェーブレットCT画像ノイズ除去における窓選択の正確性を向上させることができるか？
• RQ2 提案されたGAベースの手法は、逐次探索と比較して、最適な窓マッチの見逃しの可能性を低減するか？
• RQ3 GAベースの窓選択を用いた場合と従来手法を用いた場合とで、ノイズ除去済みCTスキャンの画像品質はどのように異なるか？
• RQ4 提案手法は、診断に必要な画像特徴を保持しながら、どの程度ノイズ抑制を向上させるか？
• RQ5 GAベースの手法の計算オーバーヘッドは、向上したノイズ除去性能によって正当化されるか？

主な発見

• 提案されたGAベースの窓選択手法は、CT画像ノイズ除去における類似窓のマッチング精度を顕著に向上させる。
• 本手法は、逐次探索手法でしばしば見逃されてしまう非常に近い窓マッチの見逃しリスクを低減する。
• GAをノイズ除去パイプラインに統合することで、ノイズ抑制が強化され、画像品質が向上する。
• 結果から、GAベースの手法が、ノイズを除去しながらも画像の細部を保持する点で、従来の逐次的窓選択を上回ることが示された。
• 最適化された窓選択が、CT画像診断における効果的な多スケールウェーブレットノイズ除去に不可欠であることが確認された。
• 本手法は、窓ベースのCT画像ノイズ除去のためのより強固で信頼性の高いフレームワークを提供する。