Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/5500
Título: Reducción de ruido Riciano en Imágenes de Resonancia Magnética del Cerebro utilizando Información Local y Global Promedio.
Autor: Paez Aguilar, Sergio Eduardo%737664
Data: 2019-01-14
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição: En este documento, se presenta una modificación al algoritmo Non-Local Means (NLM) para reducir ruido Riciano en imágenes de resonancia magnética (IRM) del cerebro; a la propuesta se le dio el nombre de algoritmo de Promedio Local y Global (PLG). En los últimos años, aunque se ha incrementado la resolución, la relación señal ruido y la velocidad de adquisición en una IRM, ésta continúa siendo afectada por el ruido que se incorpora inevitablemente en el proceso de adquisición; este ruido afecta la calidad visual de la IRM dificultando el diagnóstico clínico y tareas como segmentación, reconocimiento y análisis computarizado automático, (Mohan et al., 2014). En el estado del arte se pueden consultar diferentes técnicas de reducción de ruido que se han aplicado tanto a imágenes digitales como a imágenes médicas, sin embargo, estas técnicas no satisfacen del todo el objetivo de realizar un filtrado; este objetivo se puede definir como reducir los efectos negativos del ruido sin afectar los detalles de interés de la imagen; específicamente en IRM del cerebro sin perder detalles de la anatomía del cerebro, (Bovik, 2009). El algoritmo NLM es una técnica de reducción de ruido que ha dado buenos resultados al ser aplicada en imágenes digitales, su desempeño según la métrica de calidad Relación Señal-Ruido Pico (PSNR) es de 40 (dB), Antoni Buades propuso utilizar la información redundante existente dentro de una imagen para estimar un valor más apropiado para cada pixel sin importar su localización espacial, (Buades et al., 2005). El concepto de tomar en cuenta la información redundante existente dentro de una imagen se traduce en un costo computacional alto; en los trabajos consultados el costo computacional se encuentra entre los 170 y 190 mili segundos (ms) por imagen; para solucionar este inconveniente se propuso implementar el algoritmo NLM en una unidad de procesamiento gráfico. Sin embargo, esta solución requiere de un hardware específico, por esta razón en este trabajo se propone un algoritmo que permite reducir el ruido Riciano en IRM del cerebro con un costo computacional aceptable (22ms por imagen); la técnica propuesta se nombró algoritmo de Promedio Local y Global (PLG). El desempeño del algoritmo propuesto fue medido con las métricas de calidad relación señal-ruido pico (PSNR), relación señal-ruido (SNR), error cuadrático medio (MSE), error absoluto medio (MAE) y el índice de similitud estructural (SSIM), así como el tiempo de procesamiento. Los resultados obtenidos fueron PSNR=46, SNR=37, MSE=1.3,MAE=0.5, SSIM=0.93, tiempo de procesamiento= 22ms. Se logró una reducción de 158 ms en el costo computacional comparado con el algoritmo NLM convencional sin la necesidad de utilizar un hardware específico
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece nas colecções:Tesis de Maestría en Computación

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
MC_Sergio_Eduardo_Paez_Aguilar_2019.PDFTesis6.8 MBAdobe PDFVer/Abrir
MC_Sergio_Eduardo_Paez_Aguilar_2019_C.pdf
  Restricted Access
Cesión de Derechos88.83 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons