Hacim işlemede gürültü temizleme

Bu çalışmada, hastalığın tanı ve tedavisinde önemli bir yere sahip olan tıbbi görüntüleme sistemlerinin ürettikleri çıktıların görüntüleri kullanılmıştır. Medikal alanda kullanılan görüntülerin gürültüleri yeterince azaltılmaz ise bu görüntülerin tıbbi amaç olarak kullanılması ve hastalığın teşhisi çok zor hale gelir. Bu amaçla da, tıbbi görüntülerdeki gürültülü pikselleri tespit etmek ve gürültüleri temizleme için yeni bir kaynak ayrıştırma yöntemi olan aşırı öğrenme makineleri (ELM) metodu uygulanmıştır. Bu yöntemin seçilmesinin sebebi sadece gürültülü pikselleri temizlemek değil, aynı zamanda hastalık teşhisi için kullanılabilecek kritik yapısal bilgileri korumaktır. Yapılmış çalışma ile yaygın olarak kullanılan sınıflandırma tekniklerinden ileri beslemeli yapay sinir ağları (YSA) ve destek vektör makineleri (SVM) ile filtreleme yöntemlerinden Gauss, NLMF ve Kuwahara filtreleri ile karşılaştırılmıştır. Filtreleme işleminden sonra, filtrelenmiş ile orijinal görüntüler arasındaki benzerliğin ölçülmesi için yaygın olarak kullanılan bazı istatistiksel parametreler (MSE, PSNR ve SSIM) hesaplanmıştır. Çok sayıda bilgisayarlı tomografi (CT) görüntüsü kullanılarak, ELM yönteminin tıbbi görüntüler üzerindeki etkisi kıyaslanmıştır. Bu yöntemin istatistiksel olarak etkili olduğu, diğer yöntemlerden daha doğru ve yüksek başarı oranları ürettiği raporlanmıştır. Anahtar Kelimeler: Tıbbi görüntüleme, gürültü tespiti, aşırı öğrenme makineleri, gürültü temizleme, filtreleme