BOLD效应fMRI图像的自适应阈值小波去噪方法

doi:10.3778/j.issn.1002-8331.1510-0069

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (8): 170-173.DOI: 10.3778/j.issn.1002-8331.1510-0069

BOLD效应fMRI图像的自适应阈值小波去噪方法

王泉德1，肖继来1，谢晟2

1.武汉大学电子信息学院，武汉 430070
2.北京中日友好医院，北京 100029

出版日期:2017-04-15 发布日期:2017-04-28

Wavelet denoising algorithm with adaptive threshold for fMRI images based on BOLD effect

WANG Quande1, XIAO Jilai1, XIE Sheng2

1.School of Electronic Information, Wuhan University, Wuhan 430070, China
2.China-Japan Friendship Hospital, Beijing 100029, China

Online:2017-04-15 Published:2017-04-28

摘要/Abstract

摘要： 利用基于BOLD（Blood Oxygenation Level Dependent）效应的fMRI图像和两室模型可以定量计算脑氧摄取分数（Oxygen Extraction Fraction，OEF），在脑血管病的预测和诊断上有较大的临床应用价值。但由于BOLD效应fMRI图像的信噪比较低，研究并设计有效的BOLD效应fMRI图像去噪算法，从而提高OEF计算结果的准确性是急需解决的问题。因此，设计了基于贝叶斯估计的自适应阈值小波去噪方法对BOLD效应fMRI图像进行分析和去噪，并将结果图像应用于OEF值的计算。实验结果表明该方法能有效提高OEF计算结果的准确性。

关键词: 脑氧摄取分数, 图像去噪, 小波分析, 贝叶斯估计

Abstract: OEF can be quantitatively calculated using fMRI images based on BOLD effect and a two-component model, and it may be helpful in clinical prognosing and diagnosing of cerebrovascular disease. However, the Signal-Noise-Ratio（SNR） of the image is so poor that it’s urgent to research and design efficient denoising algorithm in order to improve accuracy of OEF computing. In this paper, a wavelet denoising algorithm based on Bayesian estimating the adaptive threshold is designed and applied to analyse and denoise fMRI images based on BOLD effect, and result images are provided to the post processing and computing OEF. Experimental result shows that the algorithm in this paper can improve accuracy of OEF computing effectively.

Key words: oxygen extraction fraction, image denoise, wavelet analysis, Bayesian estimation

王泉德1，肖继来1，谢晟2. BOLD效应fMRI图像的自适应阈值小波去噪方法[J]. 计算机工程与应用, 2017, 53(8): 170-173.

WANG Quande1, XIAO Jilai1, XIE Sheng2. Wavelet denoising algorithm with adaptive threshold for fMRI images based on BOLD effect[J]. Computer Engineering and Applications, 2017, 53(8): 170-173.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[6]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[7]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[8]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[9]	邵豪1，张莹1，2，王飞1，张东波1，2，薛亮1. 基于分段加权的反向稀疏跟踪算法研究[J]. 计算机工程与应用, 2019, 55(4): 159-162.
[10]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[11]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[12]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[13]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[14]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.
[15]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.

BOLD效应fMRI图像的自适应阈值小波去噪方法

Wavelet denoising algorithm with adaptive threshold for fMRI images based on BOLD effect

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics