ノイズを切り裂く：MRI画像に対する中央値、適応中央値、非局所平均フィルターの三方向比較

医療画像は、ヒトの脳の高品質な画像を作成するために放射線学において不可欠な実践です。医療画像において、画像処理中のデノイジング技術は、画像の解剖学的構造を意味のある形で得るために重要です。デノイジングの問題を克服するために、様々なフィルタリング技術と平滑化アルゴリズムが登場し、元の画像品質を保ちながら、より良い診断のための正確な画像を得ることを目指しています。本研究では、MRI画像における事実情報をゆがめる可能性のあるノイズをフィルタリングするために、三つの計算手法を利用します。本研究全体で使用されるデータは、最も一般的なノイズである塩と胡椒ノイズが混入したグレースケールのMR画像です。デノイジングのために、非局所平均フィルター、中央値フィルター、適応中央値フィルターの三つの特定のフィルターの比較分析を行い、異なるノイズ密度における最良の結果を示す研究を実施します。ピーク信号対ノイズ比（PSNR）と構造的類似性インデックス（SSIM）が、本研究において提案されたフィルターの挙動を検査するための主要な要素として利用されます。結果は、ノイズ密度の各値、すなわち0.1、0.3、0.6において、適応中央値フィルターが42.04、34.36、28.10の最高平均PSNRと、それぞれ0.97、0.95、0.91の平均SSIMを提供することを示しています。したがって、適応中央値フィルターは、PSNRおよびSSIMに関して他の二つのフィルターよりも優れていることを示しています。