چکیده

مقدمه:

 نویززدایی و سوپررزولوشن تصاویر، از جمله مهمترین مراحل برای بهره برداری بهینه از تصاویر است. تصاویر به دست آمده از دستگاههای مختلف، معمولا آلوده به نویز هستند و یا با نرخی پایین تر از نرخ مورد نیاز نمونه برداری شده اند. به همین دلیل کیفیت لازم جهت استخراج اطلاعات را ندارند. از این رو برای به کار گیری موثرتر آنها نیاز است نویززدایی شوند و رزولوشن آنها افزایش بیابد. این موضوع به خصوص در مورد تصاویر پزشکی اهمیت بالاتری پیدا میکند، زیرا دستیابی به تصاویر پزشکی با کیفیت بالاتر می تواند دقت و سرعت تشخیص بیماری را افزایش بدهد.  در این پژوهش برآن بودیم تا با استفاده از پردازش های مرتبه بالا به نویززدایی و سوپررزولوشن تصاویر پزشکی بپردازیم.

روش ‌پژوهش:

در این پژوهش از روش های تانسوری و به طور خاص خانواده شبکه های تانسوری برای نویززدایی و سوپررزولوشن تصاویر پزشکی استفاده گردید. داده های با مرتبه پایین (ماتریسی) توسط روش هنکلیزیشن با وصله های دارای همپوشانی تبدیل به تانسوری از مرتبه 6 میشدند. سپس تانسور به دست آمده با استفاده از تجزیه حلقه تانسور و با رنک افزایشی تجزیه میگردید. در این روش، ورودی در هر تکرار از ترکیب وزن دار خروجی مرحله قبل و ورودی نویزی اولیه و نیز تابع ماسک باینری به دست می آمد. تابع ماسک باینری نشان دهنده المان های دراختیار و المان های از دست رفته در ورودی است. 

یافته‎ها:

در این پژوهش یک تابع هزینه جدید برای سوپررزولوشن تصاویر نویزی استخراج گردید. با استفاده از نتایج شبیه سازی، توانایی و قدرت این روش در سوپررزولوشن تصاویر نویزی اثبات گردید. نکته مهم این است که روش های تانسوری و به خصوص شبکه های تانسوری به صورت بسیار محدود در حوزه های پزشکی به کار گرفته شده اند و این طرح و مقاله مستخرج از آن توانایی این متدها در حوزه های پردازش پزشکی را نشان داد. این می تواند سرآغازی در استفاده از پردازش شبکه های تانسوری در حوزه های پزشکی باشد. 

نتیجه‎گیری:

نتایج به دست آمده از این پژوهش، توانایی بالای پردازش های تانسوری در بهبود کیفیت تصاویر پزشکی را نشان داد و مسیر جدیدی در استفاده از این روش های جدید و قدرتمند در حوزه پردازش تصاویر پزشکی باز نمود.