Wavelets transform in the medical signal processing

Abstract

The medical field normally has a problem of high level components of noise. During this process noise is added to decrease the image or signal quality and analysis. The use of wavelet transform improves the quality of an image and reduces noise level. And it works on Daubechies Transform. We propose in this thesis two different approaches: The first approach is the three levels discrete wavelet transform with elliptic estimation for denoising signal ECG. The electrocardiogram (ECG) is a tool for measuring the electrical activity of the heart. It offers the opportunity to the doctor to decide on the structural and functional status of a patient's heart. The results proved that the denoised signal ECG using this approach have a better balance between smoothness and accuracy than three levels discrete wavelet transform with (hard and soft threshold). For numerical comparison we used the signal to noise ratio (SNR) along with the mean square error (MSE). For denoising medical image, we used a denoising approach based on dual tree complex wavelet and shrinkage with Wiener filter technique (where both hard and soft thresholding operators). The results proved that the denoised images using DTCWT (Dual Tree Complex Wavelet Transform) with Wiener filter have a better balance between smoothness and accuracy than the DWT and Stationary Wavelet Transform (SWT). We used the Structural Similarity Index Measure (SSIM) along with Peak Signal to Noise Ratio (PSNR) and SSIM Map to assess the quality of denoised images. Le domaine médical a normalement un problème de composants de haut niveau de bruit. Pendant ce processus, du bruit est ajouté pour diminuer la qualité et l'analyse de l'image ou du signal. L'utilisation de la transformée en ondelettes améliore la qualité d'une image et réduit le niveau de bruit. Et cela fonctionne sur Daubechies Transform. Nous proposons dans cette thèse deux approches différentes: La première approche est la transformée en ondelettes discrète à trois niveaux avec une estimation elliptique pour le signal de débruitage ECG. L'électrocardiogramme (ECG) est un outil de mesure de l'activité électrique du cœur. Il offre la possibilité au médecin de décider de l'état structurel et fonctionnel du cœur d'un patient. Les résultats ont prouvé que le signal débruité ECG utilisant cette approche a un meilleur équilibre entre la douceur et la précision que trois niveaux de transformée en ondelettes discrète avec (seuil dur et souple). Pour la comparaison numérique, nous avons utilisé le rapport signal sur bruit (SNR) avec l'erreur quadratique moyenne (MSE). Pour le débruitage de l'image médicale, nous avons utilisé une approche de débruitage basée sur l'ondelette complexe à double arbre et le retrait avec la technique de filtre de Wiener (où les opérateurs de seuillage dur et doux). Les résultats ont prouvé que les images débruitées utilisant DTCWT (Dual Tree Complex Wavelet Transform) avec filtre Wiener ont un meilleur équilibre entre douceur et précision que le DWT et Stationary Wavelet Transform (SWT). Nous avons utilisé la mesure de l'indice de similarité structurelle (SSIM) avec le rapport signal / bruit de crête (PSNR) et la carte SSIM pour évaluer la qualité des images débruitées. عادة ما يعاني المجال الطبي من مشكلة مكونات الضوضاء عالية المستوى. أثناء هذه العملية ، تتم إضافة الضوضاء لتقليل جودة الصورة أو الإشارة والتحليل. يحسن استخدام التحويل المويج جودة الصورة ويقلل من مستوى الضوضاء. وهو يعمل على Daubechies Transform. نقترح في هذه الأطروحة طريقتين مختلفتين: النهج الأول هو المستويات الثلاثة المنفصلة للتحويل المويجي مع تقدير إهليلجي لتقليل الضوضاء إشارة ECG. مخطط كهربية القلب (ECG) هو أداة لقياس النشاط الكهربائي للقلب. إنه يوفر الفرصة للطبيب لاتخاذ قرار بشأن الحالة الهيكلية والوظيفية لقلب المريض. أثبتت النتائج أن مخطط كهربية القلب للإشارة منزوعة الضوضاء باستخدام هذا النهج لديه توازن أفضل بين النعومة والدقة من ثلاثة مستويات منفصلة للتحويل المويجي مع (عتبة صلبة وناعمة). للمقارنة العددية ، استخدمنا نسبة الإشارة إلى الضوضاء (SNR) جنبًا إلى جنب مع متوسط ​​الخطأ التربيعي (MSE). لتقليل التشويش على الصورة الطبية ، استخدمنا أسلوب تقليل الضوضاء على أساس المويجة المعقدة الشجرية المزدوجة والانكماش باستخدام تقنية مرشح Wiener (حيث مشغلي العتبات الصلبة والناعمة). أثبتت النتائج أن الصور التي تمت إزالتها باستخدام DTCWT (تحويل Wavelet المركب ثنائي الشجرة) مع مرشح Wiener لديها توازن أفضل بين النعومة والدقة من DWT وتحويل Wavelet الثابت (SWT). استخدمنا مقياس مؤشر التشابه الهيكلي (SSIM) جنبًا إلى جنب مع إشارة الذروة إلى نسبة الضوضاء (PSNR) وخريطة SSIM لتقييم جودة الصور منزوعة الضوضاء.