Optimization of Noise Power Spectrum Density of Block-Matching and 3D Filtering Algorithm in Simulated Magnetic Resonance Imaging Using MRiLab

서지정보

ㆍ발행기관 : 대한자기공명기술학회 ㆍ수록지정보 : 대한자기공명기술학회지 / 32권 / 2호
ㆍ저자명 : Minji Park, Seong-Hyeon Kang, Youngjin Lee

목차

ABSTRACT
Ⅰ. 서 론
Ⅱ. 대상 및 방법
1. MRiLab 시뮬레이션 프로그램을 이용한 팬텀 영상획득 및 Rician 노이즈 모델링
2. BM3D 알고리즘의 모델링 및 적용
3. 정량적 평가를 통한 결과 분석
Ⅲ. 결 과
1. SNR 및 COV를 통한 노이즈 개선 정도 평가
2. RMSE를 통한 유사도 평가
Ⅳ. 고찰 및 결론
References
요 약

한국어 초록

블록 매칭 및 3D 필터링(BM3D) 알고리즘은 단일 필터의 문제점을 보완하기 위하여 non-local means 기반으로 만들 어진 융합형 노이즈 제거 알고리즘이다. 하지만, 그 수식 인자의 조절에 관한 연구는 이루어지지 않고 있어 본 연구에서는 자기공명영상에서 발생하는 Rician 노이즈를 제거하기 위해 BM3D 알고리즘의 평활화 정도를 결정하는 노이즈 전력 스펙 트럼 밀도(noise power spectrum density,  )에 대한 최적화를 진행하고자 하였다. MRiLab 시뮬레이션 프로그램을 이 용하여 뇌 조직을 모사할 수 있는 뇌척수액(cerebrospinal fluid, CSF)/회색질(gray matter, GM)/백질(white matter, WM) 팬텀의 T1 강조영상을 획득하였고, 노이즈 레벨이 0.1, 0.15, 0.2, 0.25, 그리고 0.3인 Rician 노이즈를 각각 부가 한 후, BM3D 알고리즘의  값을 0.01부터 0.99까지 0.01씩 증가시키며 각각의 노이즈가 부가된 영상에 적용하였다. 정량 적 평가를 통해 최적화 값을 선정하기 위하여 CSF, GM, WM, 그리고 배경 영역에 관심 영역을 설정한 후 조직별 신호 대 잡음비(signal to noise ratio, SNR), 총 변동계수(coefficient of variation, COV), 그리고 평균 제곱근 오차(root mean square error, RMSE)를 측정하였다. 결과적으로, 조직별로 계산된 SNR, COV, 그리고 RMSE를 종합적으로 평가 했을 때 모든 조직에서 노이즈 레벨 0.1부터 0.3까지 증가함에 따라  값 또한 함께 증가하는 경향이 나타났으며 일정  값 이상에서는 노이즈뿐만 아니라 영상신호까지 함께 제거되어 개선 폭이 감소하는 것으로 관찰되었으며, 노이즈 레벨에 따라 각각 0.09, 0.13, 0.17, 0.21, 그리고 0.25의  값이 설정된 BM3D 알고리즘이 적용되었을 때 가장 합리적인 영상 특성을 보이는 것으로 나타났다. 결론적으로, 효과적인 노이즈 제거를 위해서 고정된 값이 아닌 노이즈 레벨에 따른 적합한 값을 적용해야 함을 증명할 수 있었다.

영어 초록

The block-matching and 3D filtering (BM3D) algorithm is a fusion-type noise reduction algorithm based on non-local means that compensates for the problems of a single filter. However, no studies have been conducted on the control of the modifier. Therefore, in this study, we optimized the noise power spectrum density ( ) of a BM3D algorithm using the MRiLab simulation program. In total, T1-weighted images of cerebrospinal fluid(CSF)/gray matter(GM)/white matter(WM) phantoms that can simulate brain tissue were obtained using the MRiLab simulation program. Added to these were Rician noise levels of 0.1, 0.15, 0.2, 0.25, and 0.3 respectively. The value of the BM3D algorithm was increased by 0.01 increments from 0.01 to 0.99 and applied to each noise-added image. To select an optimized  -value through quantitative evaluation, after setting the region of interest in the CSF, GM, WM, and background regions, the signal to noise ratio (SNR), coefficient of variation (COV), and root mean square error (RMSE) were measured. The SNR, COV, and RMSE calculated for each tissue tended to increase as the noise level rose from 0.1 to 0.3 in all tissues. Furthermore, the degree of improvement decreased as the signal was removed. Comprehensively assessing the quantitative evaluation factors when applying a BM3D algorithm with 0.09, 0.13, 0.17, 0.21, and 0.25  -values according to the noise level of the image produced the most reasonable image characteristics. In conclusion, the results indicate it is necessary to apply an appropriate  -value according to the noise level, rather than a fixed value for effective noise reduction.

참고 자료

없음