Motion blur invariant for estimating motion parameters of medical ultrasound images.
Motion blur invariant for estimating motion parameters of medical ultrasound images.
复制标题
DOI：
10.1038/s41598-021-93636-4
复制
发表时间：
2021-07-12
影响因子：
4.6
通讯作者：
Erkoyuncu JA
中科院分区：
文献类型：
--
作者：
Honarvar Shakibaei Asli B;Zhao Y;Erkoyuncu JA
高质量的医学超声成像肯定涉及运动模糊，而医学图像分析需要超声医师获得的静止且准确的数据。本文的主要思想是在频域和矩域上建立运动模糊不变量来估计超声图像的运动参数。提出了一种基于狄拉克δ函数的运动模糊卷积点扩散函数离散模型，简化了频域和矩域运动不变量的分析。该模型为估计运动角度和长度的建议不变的功能。在这项研究中，所提出的计划的性能进行了比较，与其他国家的最先进的现有方法的图像去模糊。实验研究使用胎儿体模图像和临床胎儿超声图像以及乳腺扫描进行。此外，为了验证所提出的实验框架的准确性，我们采用两种图像质量评估方法作为无参考和全参考，以显示所提出的算法相比，众所周知的方法的鲁棒性。
High-quality medical ultrasound imaging is definitely concerning motion blur, while medical image analysis requires motionless and accurate data acquired by sonographers. The main idea of this paper is to establish some motion blur invariant in both frequency and moment domain to estimate the motion parameters of ultrasound images. We propose a discrete model of point spread function of motion blur convolution based on the Dirac delta function to simplify the analysis of motion invariant in frequency and moment domain. This model paves the way for estimating the motion angle and length in terms of the proposed invariant features. In this research, the performance of the proposed schemes is compared with other state-of-the-art existing methods of image deblurring. The experimental study performs using fetal phantom images and clinical fetal ultrasound images as well as breast scans. Moreover, to validate the accuracy of the proposed experimental framework, we apply two image quality assessment methods as no-reference and full-reference to show the robustness of the proposed algorithms compared to the well-known approaches.
登录
查看更多内容
影响因子：
4.6
作者：
Iommi D;Valladares A;Figl M;Grahovac M;Fichtinger G;Hummel J
通讯作者：
Hummel J
影响因子：
4.4
作者：
Honarvar, Barmak x;Paramesran, Raveendran;Lim, Chern-Loon
通讯作者：
Lim, Chern-Loon
利用多尺度的相似性进行运动去模糊
影响因子：
3.1
作者：
Li, Haisen;Zhang, Yanning;Sun, Jinqiu
通讯作者：
Sun, Jinqiu
影响因子：
10.6
作者：
Pruemmer, Marcus;Hornegger, Joachim;Fahrig, Rebecca
通讯作者：
Fahrig, Rebecca
影响因子：
4.6
作者：
Dieterich AV;Botter A;Vieira TM;Peolsson A;Petzke F;Davey P;Falla D
通讯作者：
Falla D