טכניקות הפחתת רעשים מבוססות למידת מכונה חסכוניות באנרגיה להדמיה רפואית בת קיימא

Vidula V. Meshram; Vishal A. Meshram; Pallavi Rege; Kailas Patil; Shrikant Jadhav; Gandharva Thite

doi:10.3791/68968

Research Article

טכניקות הפחתת רעשים מבוססות למידת מכונה חסכוניות באנרגיה להדמיה רפואית בת קיימא

DOI:

10.3791/68968

⸱

September 16th, 2025

Vidula V. Meshram¹^,² , Vishal A. Meshram² , Pallavi Rege² , Kailas Patil¹ , Shrikant Jadhav³ , Gandharva Thite²

¹Vishwakarma University, ²Vishwakarma Institute of Technology, ³San Jose State University

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה מציע מתודולוגיית הפחתת רעשים חסכונית באנרגיה המשלבת עיבוד מקדים של תמונה כדי לשפר את איכות התמונה הרפואית, להפחית את העלות החישובית ולתמוך בשיטות אבחון בנות קיימא. השיטה משפרת את הבהירות בסריקות במינון נמוך ומדור קודם, ומאפשרת אבחון מרחוק תוך הפחתת החשיפה לקרינה, שימוש באנרגיה ופסולת אלקטרונית.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מודלים קונבנציונליים של למידה עמוקה הוכיחו פוטנציאל להפחתת רעשים, אך מתמודדים עם אתגרים כמו עומס חישובי נרחב, שימוש באנרגיה וזמן אימון. מחקר זה מציג מתודולוגיית הפחתת רעשים חסכונית באנרגיה המשלבת שיפור תמונה ואשכולות K-means כטכניקות עיבוד מקדים לשיפור איכות הקלט לפני יישום רשתות עצביות. מחקר זה מציע צינור הפחתת רעשים חסכוני באנרגיה המשלב שיפור תמונה באמצעות חידוד גרעינים ופילוח תמונה באמצעות אשכולות K-means לפני יישום מקודד אוטומטי קונבולוציוני. שלבי העיבוד המקדים אפשרו למודל לזהות גבולות אנטומיים ולהפריד אזורים מושפעים מרעש, ובכך לשפר את איכות הקלט ולשפר את התכנסות האימון. עיבוד מקדים מחדד את תכונות התמונה העיקריות ומבחין בין אזורים המושפעים מרעש, ומאפשר סף אדפטיבי והפחתת רעשים יעילה יותר עם עלות חישובית מופחתת. המודל המוצע הוערך באמצעות מערכי נתונים של CT ו-MRI הזמינים לציבור. הביצועים הוערכו באמצעות יחס שיא אות לרעש (PSNR), מדד מדד דמיון מבני (SSIM) ודיוק סיווג. התוצאות הראו כי PSNR השתפר מ-21.52 dB ל-28.14 dB; SSIM עלה מ-0.7619 ל-0.8690, וגם דיוק האימות השתפר. העיבוד המקדים המשולב הפחית את זמן האימון ב~20% והפחית את ניצול ה-GPU, ובכך תמך בשחזור ופריסה בסביבות מוגבלות מבחינה חישובית. המתודולוגיה תומכת בפרקטיקות הדמיה רפואיות בנות קיימא על ידי מזעור החשיפה לקרינה, הפחתת סריקות חוזרות והארכת תוחלת החיים של ציוד הדמיה ישן יותר. צינור זה תורם להדמיה רפואית בת קיימא על ידי מזעור החשיפה לקרינה, הפחתת סריקות חוזרות והארכת תוחלת החיים של ציוד הדמיה מדור קודם. הוא מתאים גם לאבחון מרחוק, ומשפר זרימות עבודה של טלרפואה בסביבות דלות משאבים. בנוסף, הגישה תומכת באבחון מרחוק, מה שהופך אותה למתאימה ליישומי טלרפואה בסביבות דלות משאבים.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הדמיה רפואית ממלאת תפקיד מרכזי באבחון ובתכנון הטיפול על ידי הצעת תובנות לא פולשניות לגבי מצבים אנטומיים ופיזיולוגיים פנימיים. מספר שיטות הדמיה, צילום רנטגן, טומוגרפיה ממוחשבת (CT), הדמיית תהודה מגנטית (MRI), אולטרסאונד וטומוגרפיה של פליטת פוזיטרונים (PET), משמשות באופן שגרתי במסגרות קליניות לאיתור חריגות, ניטור התקדמות המחלה והנחיית התערבויות ^1,2,3. כל שיטה מציגה יתרונות ייחודיים אך היא פגיעה לצורות שונות של ירידה בתמונה הנגרמת על ידי מגבלות מכשור, סביבת רכישה ואלגוריתמי שחזור⁴.

איכות התמונה נפגעת לעתים קרובות על ידי רעש, שי....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה השתמש אך ורק במערכי הדמיית CT ו-MRI זמינים לציבור וללא זיהוי. לא היו מעורבים נבדקים חיים של בני אדם או בעלי חיים. לכן, לא נדרש אישור של ועדת ביקורת מוסדית (IRB) או ועדת אתיקה.

סקירת שיטה
פרוטוקול זה מציג צינור הניתן לשחזור עבור דה-נוז של תמונות רפואיות חסכוניות באנרגיה. הוא משלב טכניקות עיבוד מקדים, כולל חידוד מסננים ואשכולות K-means, עם מקודד אוטומטי מבוסס רשת עצבית קונבולוציונית (CNN) להסרת רעש תמונות. שיטה משולבת זו משפרת את איכות התמונה תוך הפחתת זמן האימון וצריכת האנרגיה של החומרה, ותומכת באבחון רפואי בר קיימא 19,20,21,22,23.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

תוצאות עיבוד מקדים ופילוח
שלב העיבוד המקדים הראשוני שיפר את הנראות של גבולות אנטומיים קריטיים תוך הפחתת הפרעות רקע. כפי שמוצג באיור 7, תמונות מחודדות הציגו הגדרת קצה ברורה יותר, מה שסייע בפילוח במורד הזרם. התמונות המפולחות שנוצרו באמצעות אשכולות K-means עם ערכים של K = 3 ו-5 בודדו בהצלחה פיקסלים כבדי רעש מאזורים רלוונטיים מבחינה אבחנתית³³. שלב זה ייצר תמונות מקוטעות ששמרו על נאמנות מבנית ומזערו את השפעת הרעש^33,34<.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עבודה זו מציגה גישה היברידית להפחתת רעשים המשלבת עיבוד מקדים של תמונה עם מקודד אוטומטי קונבולוציוני כדי לשפר את איכות התמונה האבחנתית תוך אופטימיזציה של צריכת האנרגיה וביצועים חישוביים.

השיטה משלבת חידוד מסננים ואשכולות K-means בשלב העיבוד המקדים כדי לשפר את בהירות הקצה ולהפחית רעש לא רלוונטי, ולאחר מכן מקודד אוטומטי מבוסס CNN לדה-נוז אדפטיבי. צינור היברידי זה מפחית פעולות חישוביות מיותרות ומאיץ את ההתכנסות במהלך האימון.

על ידי השגת.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

אין ניגודי אינטרסים להצהיר עליהם.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מבקשים להביע את תודתם הכנה לאוניברסיטת וישוואקרמה (VU), פונה, ולמחלקה להנדסת מחשבים, המכון הטכנולוגי של וישוואקרמה (VIT), פונה, על אספקת התשתית, מערכי הנתונים ומתקני המחשוב הדרושים למחקר זה. תודה מיוחדת לסטודנטים המתמחים במחקר על תמיכתם בהכנת הנתונים ובבדיקות המקדימות עבודה זו לא נתמכה על ידי מענק ספציפי מסוכנויות מימון במגזר הציבורי, המסחרי או ללא מטרות רווח.

תרומת המחבר:
וידולה משראם תרמה להמשגה של המתודולוגיה, לעיצוב מודל העיבוד המקדים והפחתת הרעשים ולפיקוח על כתבי היד. וישאל א. משרם הוביל את יישום האלגוריתם, ביצע ניסויי אימון, בדיקות והערכת אנרגיה, ותרם לכתיבת כתבי היד ועריכת....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
Google Colaboratory	גוגל	לא ישים	פלטפורמת ענן המשמשת להדרכה ובדיקה של מודלים
קראס (v2.x)	קוד פתוח	לא ישים	API ברמה גבוהה עבור TensorFlow המשמש להטמעת רשת עצבית
Matplotlib (גרסה 3.4 ומעלה)	קוד פתוח	לא ישים	משמש להדמיה של תמונות ותוצאות
מיקרוסופט אקסל 365	מיקרוסופט	לא ישים	משמש לטבלאות וניתוח תוצאות
NumPy (גרסה 1.21 ומעלה)	קוד פתוח	לא ישים	משמש לפעולות מטריצה ומחשוב מספרי
NVIDIA Tesla T4 GPU	NVIDIA	לא ישים	GPU המשמש לאימון והסקה מואצים
מערך נתוני הדמיה רפואית זמין לציבור (תמונות CT ו-MRI)	מסדי נתונים בקוד פתוח	לא ישים	משמש כנתוני מקור להכשרת מודלים, אימות ובדיקה
Python (גרסה 3.8 ומעלה)	קרן התוכנה של פייתון	לא ישים	שפת תכנות המשמשת ליישום מודל
Scikit-learn (גרסה 0.24 ומעלה)	קוד פתוח	לא ישים	משמש לאשכולות ועיבוד מקדים של K-means
TensorFlow (v2.x)	שולחן	לא ישים	ספריית למידה עמוקה המשמשת לפיתוח מודל CNN

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Qu, H., Liu, K., Zhang, L. Research on improved black widow algorithm for medical image denoising. Sci Rep. 14 (1), 2514(2024).
Asiri, A. A., et al. Optimized brain tumor detection: A dual-module approach for MRI image enhancement and t....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

טכניקות הפחתת רעשים מבוססות למידת מכונה חסכוניות באנרגיה להדמיה רפואית בת קיימא

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles