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。