A New NSCT Based Contrast Enhancement Algorithm forAmplification of Early Signs of Ischemic Stroke in Brain CT Images
محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,901
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP07_119
تاریخ نمایه سازی: 28 مرداد 1391
چکیده مقاله:
Brain CT images are extensively used in detectionof Cerebrovascular Accidents (CVA). But CT scan is not reallya sensitive test for diagnosis of ischemic stroke. Most of thetimes, early CT images barely show or even don’t show anynoticeable sign of ischemia. But it is possible to put emphasison subtle signs of ischemia by means of image contrastenhancement. Contrast enhancement using multiscaletransforms is one of the most popular approaches in recentyears. Nonsubsampled Contourlet Transform (NSCT) is adirectional multiscale transform that is able to take geometricalstructures into account. In this paper we are about to customizethis transform and improve its performance in contrastenhancement of brain CT images. To this end, we propose a setof simpler and more efficient filters for NonsubsampledPyramid (NSP) and introduce an improved method formodification of directional subbands’ coefficients.
کلیدواژه ها:
نویسندگان
Mehdi Sajjadi
Digital Signal Processing Research Lab,Department of Electrical and Computer Engineering,Isfahan University of Technology, Isfahan, ۸۴۱۵۶-۸۳۱۱۱, Iran
Rassoul Amirfattahi
Digital Signal Processing Research Lab,Department of Electrical and Computer Engineering,Isfahan University of Technology, Isfahan, ۸۴۱۵۶-۸۳۱۱۱, Iran
Mohammad Reza Ahmadzadeh
Digital Signal Processing Research Lab,Department of Electrical and Computer Engineering,Isfahan University of Technology, Isfahan, ۸۴۱۵۶-۸۳۱۱۱, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :