Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Критерий пороговой обработки на основе разреженности для удаления паразитного эха и шумоподавления магнитно-резонансных спектров с использованием расширенного вейвлет-преобразования

Полный текст:

Аннотация

Предложена стратегия шумоподавления с использованием разложения сигнала на основе расширенного вейвлет-преобразования и критерия пороговых значений, разработанного с использованием меры разреженности на основе Lpq-нормы уровней разложения сигнала. По сравнению со стандартными современными методами, которые эффективны при шумоподавлении, но могут вызывать искажение сигнала при нарушениях непрерывности, предлагаемый метод может удалить артефакты, например ложные эхо-сигналы, и улучшить отношение сигнал/шум без искажения сигнала.

Об авторах

Ch. Sagar
Школа биомедицинской инженерии Индийского технологического института (BHU)
Индия

Варанаси, Уттар-Прадеш



D. Kumar Singh
Специализированная больница Apex и Институт последипломного образования
Индия

Варанаси, Уттар-Прадеш



N. Sharma
Школа биомедицинской инженерии Индийского технологического института (BHU)
Индия

Варанаси, Уттар-Прадеш



Список литературы

1. C. E. Mountford, P. Stanwell, A. Lin, S. Ramadan, B. Ross, Chem. Rev., 110, No. 5, 3060–3086 (2010), doi: 10.1021/cr900250y.

2. A. Lin, T. Tran, S. Bluml, S. Merugumala, H.-J. Liao, B. Ross, Sem. Neurol., 32, No. 4, 432–453 (2013), doi: 10.1055/s-0032-1331814.

3. S. P. Kyathanahally, A. Döring, R. Kreis, Mag. Res. Med., 80, No. 3, 851–863 (2018), doi: 10.1002/mrm.27096.

4. I. Daubechies, Ten Lectures on Wavelets, Philadelphia, Pa: Society for Industrial and Applied Mathematics (1992).

5. S. G. Mallat, IEEE Trans. Acoust., Speech, Signal Proc., 37, No. 12, 2091–2110 (1989), doi: 10.1109/29.45554.

6. F. Ehrentreich, Anal. Bioanal. Chem., 372, No. 1, 115–121 (2002), doi: 10.1007/s00216-001-1119-4.

7. J. Karvanen, A. Cichocki, Measuring Sparseness of Noisy Signals, 4th Int. Symposium Independent Component Analysis and Blind Signal Separation, 125–130 (2003).

8. I. Bayram, I. W. Selesnick, IEEE Trans. Signal Process, 57, No. 8, 2957–2972 (2009), doi: 10.1109/TSP.2009.2020756.

9. C. Ding, D. Zhou, X. He, H. Zha, Proc. Int. Conf. Machine Learning – ICML’06, Pittsburgh, Pennsylvania, 281–288 (2006), doi: 10.1145/1143844.1143880.

10. M. Khosravy, N. Nitta, N. Gupta, N. Patel, N. Babaguchi, Compressive Sensing in Healthcare, Elsevier, 43–63 (2020).

11. W. Wu et al., J. Chem. Inf. Model., 46, No. 2, 863–875 (2006), doi: 10.1021/ci050316w.

12. G. F. Giskeødegård, et al., Anal. Chim. Acta, 683, No. 1, 1–11 (2010), doi: 10.1016/j.aca.2010.09.026.

13. L. Chen, Z. Weng, L. Goh, M. Garland, J. Mag. Res., 158, No. 1-2, 164–168 (2002), doi: 10.1016/S1090-7807(02)00069-1.

14. F. Jiru, Europ. J. Radiology, 67, No. 2, 202–217 (2008), doi: 10.1016/j.ejrad.2008.03.005.

15. U. Klose, Mag. Res. Med., 14, No. 1, 26–30 (1990), doi: 10.1002/mrm.1910140104.

16. W. W. F. Pijnappel, A. van den Boogaart, R. de Beer, D. van Ormondt, J. Mag. Res., 97, No. 1, 122–134 (1992), doi: 10.1016/0022-2364(92)90241-X.

17. T. Laudadio, N. Mastronardi, L. Vanhamme, P. Van Hecke, S. Van Huffel, J. Mag. Res., 157, No. 2, 292–297 (2002), doi: 10.1006/jmre.2002.2593.

18. D. Stefan, et al., Meas. Sci. Technol., 20, No. 10, 104035 (2009), doi: 10.1088/0957-0233/20/10/104035.

19. D. L. Donoho, IEEE Trans. Inform. Theory, 41, No. 3, 613–627 (1995), doi: 10.1109/18.382009.

20. I. M. Johnstone, B. W. Silverman, J. Roy. Statist. Soc. Ser. B (Methodological), 59, No. 2, 319–351 (1997).

21. D. L. Donoho, I. M. Johnstone, Biometrika, 81, 425–455 (1994), doi: 10.1093/biomet/81.3.425.

22. Jun Jiang, Jian Guo, Weihua Fan, Qingwei Chen, Proc. 8th World Congress on Intelligent Control and Automation, Jinan, China, Jul. 2010, 2894–2898 (2010), doi: 10.1109/WCICA.2010.5554856.

23. G. Y. Chen, T. D. Bui, IEEE Signal Proc. Lett., 10, No. 7, 211–214 (2003), doi: 10.1109/LSP.2003.811586.

24. R. Hussein, K. B. Shaban, A. H. El-Hag, Int. Conf. Communications, Signal Processing, and their Applications (ICCSPA’15), Sharjah, United Arab Emirates, 1–5 (2015), doi: 10.1109/ICCSPA.2015.7081289.

25. C. Huimin, Z. Ruimei, H. Yanli, Phys. Proc., 33, 1354–1359 (2012), doi: 10.1016/j.phpro.2012.05.222.

26. Y. Ding, I. W. Selesnick, IEEE Signal Proc. Lett., 22, No. 9, 1364–1368 (2015), doi: 10.1109/LSP.2015.2406314.

27. G. Chen, W. Xie, Y. Zhao, Fourth Int. Conf. Intelligent Control and Inform. Proc. (ICICIP), Beijing, China, Jun. 2013, 570–574 (2013), doi: 10.1109/ICICIP.2013.6568140.

28. L. Sendur, I. W. Selesnick, IEEE Trans. Signal Proc., 50, No. 11, 2744–2756 (2002), doi: 10.1109/TSP.2002.804091.

29. Y. Liu, X. Cheng, Fourth Int. Conf. Fuzzy Systems and Knowledge Discovery (FSKD 2007), Haikou, China, 32–35 (2007), doi: 10.1109/FSKD.2007.90.

30. I. K. Fodor, J. Electron. Imaging, 12, No. 1, 151 (2003), doi: 10.1117/1.1525793.

31. C. He, J. Xing, J. Li, Q. Yang, R. Wang, Math. Prob. Eng., 2015, 1–9 (2015), doi: 10.1155/2015/280251.

32. T. Hui, C. Lin, L. Zengli, C. Zaiyu, Wavelet Image Denoising Based on the New Threshold Function, 4 (2013).

33. S. Jangjit, M. Ketcham, Engineering J., 21, No. 7, 141–155 (2017), doi: 10.4186/ej.2017.21.7.141.

34. L. Jing-yi, L. Hong, Y. Dong, Z. Yan-sheng, Math. Prob. Eng., 2016, 1–8 (2016), doi: 10.1155/2016/3195492.

35. S. A. A. Karim, M. T. Ismail, M. K. Hasan, J. Sulaiman, H. Sakidin, Denoising Using New Thresholding Method, Johor Bahru, Malaysia, 0300342 (2016), doi: 10.1063/1.4954570.

36. S. G. Chang, Bin Yu, M. Vetterli, IEEE Trans. Image Process., 9, No. 9, 1532–1546 (2000), doi: 10.1109/83.862633.

37. M. Srivastava, C. L. Anderson, J. H. Freed, IEEE Access, 4, 3862–3877 (2016), doi: 10.1109/ACCESS.2016.2587581.

38. Z. Wang, A. C. Bovik, H. R. Sheikh, E. P. Simoncelli, IEEE Trans. Image Process., 13, No. 4, 600–612 (2004), doi: 10.1109/TIP.2003.819861.

39. I. W. Selesnick, IEEE Trans. Signal Process., 52, No. 5, 1304–1314 (2004), doi: 10.1109/TSP.2004.826174.

40. T. S. Sharan, S. Sharma, N. Sharma, J Appl. Spectr., 88, 117–124 (2021), doi: 10.1007/s10812-021-01149-9.


Рецензия

Для цитирования:


Sagar C., Kumar Singh D., Sharma N. Критерий пороговой обработки на основе разреженности для удаления паразитного эха и шумоподавления магнитно-резонансных спектров с использованием расширенного вейвлет-преобразования. Журнал прикладной спектроскопии. 2022;89(3):430.

For citation:


Sagar C., Kumar Singh D., Sharma N. Sparsity-Based Thresholding Criterion for Spurious Echo Removal and Denoising Magnetic Resonance Spectra Using Rational-Dilation Wavelet Transform. Zhurnal Prikladnoii Spektroskopii. 2022;89(3):430.

Просмотров: 27


ISSN 0514-7506 (Print)