Filtre de Wiener gaussien adaptatif pour les images de scanner CT avec une variance de bruit gaussien

L'imagerie médicale joue un rôle important dans les soins de santé modernes, la tomodensitométrie (CT) étant essentielle pour l'imagerie transversale haute résolution. Cependant, le bruit gaussien se produit souvent dans les images de scanner CT et rend l'interprétation des images difficile, réduisant la précision diagnostique, ce qui constitue un obstacle important à l'utilisation optimale de la technologie de scanner CT. Les techniques de débruitage existantes ont du mal à équilibrer la réduction du bruit et la préservation des détails importants de l'image, échouant à permettre une précision diagnostique optimale. Cette étude introduit le filtre de Wiener gaussien adaptatif (AGWF), un filtre novateur visant à débruiter les images de scanner CT qui ont été corrompues par diverses variances de bruit gaussien sans compromettre les détails de l'image. L'AGWF combine le filtre gaussien pour la réduction initiale du bruit, suivi de la mise en œuvre du filtre de Wiener, qui peut estimer de manière adaptative la variance de bruit et la puissance du signal dans des régions localisées. Cette approche surpasse non seulement d'autres techniques existantes, mais démontre également un équilibre remarquable entre la réduction du bruit et la préservation des détails de l'image. L'expérience évalue 300 images du jeu de données et chaque image est corrompue par une variance de bruit gaussien pour garantir une évaluation complète des performances de l'AGWF. L'évaluation a indiqué que l'AGWF peut améliorer la valeur du rapport signal sur bruit (SNR) et réduire l'erreur quadratique moyenne (RMSE) et l'erreur quadratique moyenne (MSE), montrant une amélioration qualitative de l'imagerie par scanner CT. La méthode proposée présente un potentiel prometteur pour faire avancer la technologie de l'imagerie médicale avec la mise en œuvre de l'apprentissage profond.