การผสมผสานการแปลงเวฟเล็ตแบบคงที่และการกรองเพื่อปรับปรุงการแบ่งส่วนเชิงพื้นที่แบบคลุมเครือบนภาพเรโซแนนซ์แม่เหล็กที่มีสัญญาณรบกวน

ปภังกร พิชญะธนกร

Please use this identifier to cite or link to this item: https://rsuir-library.rsu.ac.th/handle/123456789/1535

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สิริพร ศุภราทิตย์	-
dc.contributor.author	ปภังกร พิชญะธนกร	-
dc.date.accessioned	2023-02-27T05:59:37Z	-
dc.date.available	2023-02-27T05:59:37Z	-
dc.date.issued	2564	-
dc.identifier.uri	https://rsuir-library.rsu.ac.th/handle/123456789/1535	-
dc.description	ดุษฏีนิพนธ์ (ปร.ด. (เทคโนโลยีสารสนเทศ)) -- มหาวิทยาลัยรังสิต, 2564	en_US
dc.description.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	en_US
dc.language.iso	other	en_US
dc.publisher	มหาวิทยาลัยรังสิต	en_US
dc.subject	สัญญาณรบกวนทางอิเล็กทรอนิกส์	en_US
dc.subject	สัญญาณรบกวน; การแปลงเวฟเล็ต	en_US
dc.subject	การแปลงเวฟเล็ต	en_US
dc.title	การผสมผสานการแปลงเวฟเล็ตแบบคงที่และการกรองเพื่อปรับปรุงการแบ่งส่วนเชิงพื้นที่แบบคลุมเครือบนภาพเรโซแนนซ์แม่เหล็กที่มีสัญญาณรบกวน	en_US
dc.title.alternative	A hybrid of stationary wavelet transform and filtering for improving noisy magnetic resonance images spatial fuzzy segmentation	en_US
dc.type	Thesis	en_US
dc.description.other-abstract	A major key success factor regarding proficient Bayes threshold denoising refers to noise variance estimation. This paper focuses on assessing different noise variance estimations in three Bayes threshold models on two different characteristic brain lesions/tumor magnetic resonance images (MRIs). Here, three Bayes threshold denoising models based on different noise variance estimations under the stationary wavelet transforms (SWT) domain are mainly assessed, compared to state-of-the-art non-local means (NLMs). Each of those three models, namely D1, GB and DR models depends on the most detailed wavelet subband at the first resolution level, on the entirely global detailed subbands and on the detailed subband in each direction/resolution. Explicit and implicit denoising performances are consecutively assessed by threshold denoising and segmentation identification results. Implicit performance assessment reveals the first–second best accuracy of 0.9181 and 0.9048 Dice similarity coefficient (Dice), sequentially yielded by GB and DR; reliability is indicated by 45.66% Dice dropping of DR, compared against 53.38, 61.03 and 35.48% of D1 GB and NLMs, when increasing 0.2 to 0.9 noise level on brain lesions MRI. For brain tumor MRI under 0.2 noise level, it denotes the best accuracy of 0.9592 Dice, resulted by DR; however, 8.09% Dice dropping of DR, relative to 6.72%, 8.85 and 39.36% of D1, GB and NLMs is denoted. In most cases, DR and D1 provide the first–second best implicit performances in terms of accuracy and reliability. The lowest explicit and implicit denoising performances of NLMs are obviously pointed.	en_US
dc.description.degree-name	ปรัชญาดุษฎีบัณฑิต	en_US
dc.description.degree-level	ปริญญาเอก	en_US
dc.contributor.degree-discipline	เทคโนโลยีสารสนเทศ	en_US
Appears in Collections:	ICT-IT-D-Thesis

Files in This Item:

File	Description	Size	Format
PAPANGKORN PIDCHAYATHANAKORN.pdf		20.99 MB	Adobe PDF	View/Open

Show simple item record