×
罗德尼·贾拉米洛;玛丽安娜·伦蒂尼;马可·帕卢兹尼

使用小波域滤波器改善Prony方法的性能，用于MRI去噪。 （英语） Zbl 1307.92184号

计算。数学。方法医学。 2014年，文章ID 810680，10 p.（2014）.
总结：Prony方法用于指数拟合。我们使用Prony方法的一种变体在T2加权磁共振图像序列中检测异常脑组织。在这里，MR图像被认为只受Rician噪声的影响，并实现了一种新的小波域双边滤波过程来降低图像中的噪声。该滤波器是对Kazubek算法的修改，我们使用合成图像来显示新程序抑制噪声的能力，并使用定量和定性标准将其与原始滤波器的性能进行比较。组织分类过程使用真实的T_2 MR图像序列来说明，在使用Prony方法的变体之前，将过滤器应用于每个图像。

MSC公司：

92C55 生物医学成像和信号处理
94A08型 信息与通信理论中的图像处理（压缩、重建等）
PDF格式BibTeX公司 XML格式引用
\textit{R.Jaramillo}等人，《计算》。数学。方法医学2014，文章ID 810680，10 p.（2014；Zbl 1307.92184）
全文： 内政部

参考文献：

[1] 美国神经放射学杂志8（1）第65页–（1987）
[2] 数字对象标识码：10.1007/s10334-005-0020-0·doi:10.1007/s10334-005-0020-0
[3] 数字分析电子交易34第163页–（2008年）
[4] 通过指数拟合pp 52恢复MRI T2加权脑图像中的松弛率（2010）
[5] 内政部：10.1155/2012/390645·Zbl 1264.65018号 ·doi:10.1155/2012/390645
[6] SIAM数值分析杂志10（2）第413页–（1973）·Zbl 0258.65045号 ·doi:10.1137/0710036
[7] 内政部：10.1088/0266-5611/19/2/201·Zbl 1022.65014号 ·doi:10.1088/0266-5611/19/2/201
[8] DOI:10.1007/s10589-012-9492-9·兹比尔1271.90055 ·doi:10.1007/s10589-012-9492-9
[9] SIAM数值分析杂志12（4）第571页–（1975）·Zbl 0322.65007号 ·数字对象标识代码：10.1137/0712044
[10] SIAM科学与统计计算杂志12（2）pp 362–（1991）·Zbl 0723.65006号 ·doi:10.1137/0912020
[11] SIAM科学与统计计算杂志16页119–（1995）·Zbl 0812.62070号 ·数字对象标识代码：10.1137/0916008
[12] 指数数据拟合pp 1–（2010）
[13] DOI:10.1009/83.791966·doi:10.1109/83.791966年
[14] 内政部：10.1109/78.806084·Zbl 1064.94520号 ·数字对象标识代码：10.1109/78.806084
[15] 内政部：10.1016/j.mri.2010.03.013·doi:10.1016/j.mri.2010.03.013
[16] 无线电工程20（1）pp 85–（2011）
[17] 数字对象标识码：10.1002/mrm.1910340618·数字对象标识代码：10.1002/mrm.1910340618
[18] (1972)
[19] (2004)
[20] DOI:10.1109/TIP.2003.819861·doi:10.1109/TIP.2003.819861
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。