Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Jonatan Borkowski

Redukacja szumu w obrazach tomografii rezonansu magnetycznego z wykorzystaniem zasady największej wiarygodności


Noise reduction in magnetic resonance images using maximum likehood estimates


Opiekun pracy dyplomowej: dr hab. inż. Artur Klepaczko
Praca dyplomowa magisterska obroniona 2017-07-11
Streszczenie pracy dyplomowej:
Celem pracy magisterskiej pod tytułem: „Redukcja szumu w obrazach tomografii rezonansu magnetycznego z wykorzystaniem zasady największej wiarygodności" było zaimplementowanie algorytmu nielokalnej estymacji największej wiarygodności oraz porównanie z alternatywnymi metodami, tj. metodą nielokalnej estymacji średniej oraz metodą uśredniającą. Problematyka pracy odnosi się do redukcji szumów obrazów rezonansu magnetycznego z wykorzystaniem algorytmu bazującego na metodzie nielokalnej estymacji największej wiarygodności. Kolejne rozdziały zawierają wstęp oraz podstawy teoretyczne, czyli opis działania rezonansu magnetycznego, szum w jego obrazach, konwencjonalne metody redukcji szumów z obrazów, a następnie zagadnienia dotyczące implementacji. Badawcza część pracy zawiera min. porównanie kontrastu obrazu wynikowego oraz porównanie wartości skutecznej sygnału obrazu wynikowego. Wnioski płynące z pracy określają algorytm NLML, jako korzystną alternatywę dla innych metod redukcji szumu. Efektywne wykorzystanie tego algorytmu jest jednak uwarunkowane wydajnością jego implementacji komputerowej. Literaturę bazową stanowi artykuł pt. A Nonlocal Maximum Likelihood Estimation Method for Rician Noise Reduction in MR Image, autorstwa Lili He oraz Iana R. Greenshieldsa.
Abstract:
The main purpose of this thesis was denoising magnetic resonance images by using nonlocal maximum likelihood estimation (NLML). In spite of that magnetic resonance being a most complex machine for imaging of the world the result images are full of distortion and noises. In order, to increase a quality we reduce noise level within images through noise reduction algorithms. The first part of those thesis contains a theoretical introduction to the magnetic resonance imaging – it is a very important part, to well known further chapters. The second chapter shows origin of noise in MR images. Third chapter contains conventional noise reduction methods. The next chapter describe theoretically and issues with implementation nonlocal maximum likelihood estimation (NLML) algorithm. For purpose this thesis have been implemented NLML algorithm in Java language. In order to study NLML algorithm. The NLML was compared to the conventional methods (algorithms) for noise reduction. Algorithms was compared based on e.g. contrast, signal-noise-ratio (SNR), edge sharpness and visual inspection. Summarising: Despite being most CPU consumptive, NLML can be a great alternative for other noise reductions algorithms. This thesis based on article “A Nonlocal Maximum Likelihood Estimation Method for Rician Noise Reduction in MR Image, written by Lili He oraz Iana R. Greenshieldsa.”