การผสมผสานการแปลงเวฟเล็ตแบบคงที่และการกรองเพื่อปรับปรุงการแบ่งส่วนเชิงพื้นที่แบบคลุมเครือบนภาพเรโซแนนซ์แม่เหล็กที่มีสัญญาณรบกวน

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อกาจัดสัญญาณรบกวนด้วยวิธีค่าขีดแบ่งแบบเบย์ที่ขึ้นอยู่กับการประมาณความแปรปรวนของสัญญาณรบกวนของสัมประสิทธิ์ซับแบนด์ในโดเมนเวฟเล็ตแบบคงที่ด้วยแบบจำลองสามแบบ คือ D1 ใช้สัมประสิทธิ์ซับแบนด์เฉพาะแนวแทยงระดับความละเอียดที่ 1, GB ใช้สัมประสิทธิ์ซับแบนด์ทั้งหมดในทุกทิศทาง ทุกระดับความละเอียด และ DR ใช้สัมประสิทธิ์ซับแบนด์แตกต่างกันในแต่ละทิศทาง แต่ละระดับความละเอียด แบบจำลองทั้งหมดถูกนำมาเปรียบเทียบกับการกำจัดสัญญาณรบกวนด้วยวิธีนอนโลคัลมีน (Non Local Means; NLMs) ของภาพเรโซแนนซ์แม่เหล็ก (Magnetic Resonance Images; MRI) เสมือนจริงมีรอยโรคในสมองและ MRI ผู้ป่วยจริงมีเนื้องอกในสมอง หลังจากกำจัดสัญญาณรบกวน MRI จะถูกนำเข้าสู่การแบ่งส่วน การระบุบริเวณที่เป็นรอยโรคหรือเนื้องอกในสมอง การวัดประสิทธิภาพการกำจัดสัญญาณรบกวนชัดแจ้งแสดงถึงความสามารถในการกำจัดสัญญาณรบกวน การวัดประสิทธิภาพกำจัดสัญญาณรบกวนโดยปริยายชี้ให้เห็นความสามารถการแบ่งส่วน การระบุบริเวณรอยโรคหรือเนื้องอกในสมองด้วยค่าสัมประสิทธิ์ความคล้ายคลึงกัน (Dice Similarity Coefficient; Dice) ผลการทดลอง MRI รอยโรคในสมองที่มีระดับสัญญาณรบกวนเป็น 0.2 ค่า Dice ใน GB มีความแม่นยำสูงสุดเป็น 0.9181 อันดับรองลงมาคือ DR เป็น 0.9048 เมื่อเพิ่มระดับสัญญาณรบกวนเป็น 0.9 ค่า Dice ของ DR, D1, GB และ NLMs มีความน่าเชื่อถือลดลง 45.66%, 53.38%, 61.03% และ 35.48% ตามลาดับ ใน MRI เนื้องอกในสมองที่มีระดับสัญญาณรบกวน 0.2 ค่า Dice ใน DR มีความแม่นยำสูงสุดเป็น 0.9592 และเมื่อเพิ่มสัญญาณรบกวนเป็น 0.9 ความน่าเชื่อถือของค่า Dice ใน DR, D1, GB และ NLMs ลดลงเป็น 8.09%, 6.72%, 8.85% และ 3936% หากพิจารณาทั้งความแม่นยำและความน่าเชื่อถือ DR และ D1 มีประสิทธิภาพการกำจัดสัญญาณรบกวนโดยปริยายเป็นอันดับที่หนึ่งและสอง แต่วิธี NLMs จะมีประสิทธิภาพการกำจัดสัญญาณรบกวนต่ำที่สุดทุกกรณี