Performance Evaluation of Multi-Resolution Based Methods For Denoising Liver CT Images

Abstract

Liver cancer is the abnormal growing of cells in the liver. The survival of patients is strictly related to the phase of the detected cancer. Several imaging modalities have been proposed for Liver’s cancer detection and characterization, including ultrasonography, computed tomography (CT), and positron emission tomography (PET). Although computed tomography is commonly the most preferred, low dose CT images have low contrast and high Gaussian noise. This paper reviews CT image denoising algorithms which are based on wavelet, Curvelets and contourlets transforms and evaluates them based on many criteria. Discussions and interpretations for these methods are given in detail to evaluate their performances. Simulation results show that the Curvelets transform provides better PSNR, SNR and higher NCC values الكبد هو عبارة عن النمو غير الطبيعي للخلايا في الكبد. تبعا لذلك فإن علاج المرضى يرتبط بشكل صارم على مرحلة إكتشاف السرطان لديهم . وقد تم اقتراح العديد من طرائق التصوير للكشف عن سرطان الكبد وتوصيفها، بما في ذلك الموجات فوق الصوتية، التصوير المقطعي المحوسب ، والتصوير المقطعي بالإصدار positron . على الرغم من أن التصوير المقطعي المحوسب هو الأكثر شيوعا، لذلك تستعرض هذه الورقة الخوارزميات المقطعية التي تقوم على الموجة wavelet ، و Curvelets and contourlets transforms حيث يتم تحويلها وتقييمها استنادا إلى العديد من المعايير المستخدمة. الهدف من الورقة مقارنة أساليب متعددة لإزالة الضوضاء من الصور المقطعية المحوسبة للكبد باستخدام الموجات Curvelets Wavelets, Contourlets, and . كما سيتم أستخدام الموجات ثنائية الأبعاد 2D Wavelets والتي تعمل بشكل جيد في عزل الانقطاعات عند نقاط للصور المأخوذه من الكبد ، حيث سيتم إثبات أن تحويل Curvelets هو أكثر فعالية بكثير في إزالة الضوضاء العشوائية من الصور وذلك لإنتاج صورة للكبد توضح مدى إصابتها بمرض السرطان وتساعد في إتخاذ القرار السليم من قبل الأطباء المختصين .