<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Health and Biomedical Informatics</title>
<title_fa>مجله انفورماتیک سلامت و زیست پزشکی</title_fa>
<short_title>jhbmi</short_title>
<subject>Medical Sciences</subject>
<web_url>http://jhbmi.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2423-3870</journal_id_issn>
<journal_id_issn_online>2423-3498</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi></journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1395</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2016</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<volume>3</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تنظیم شدت نور و حذف نویز به منظور ارتقاء کیفیت تصاویر پزشکی</title_fa>
	<title>Light Intensity Adjustment and Noise Removal for Medical Image Enhancement</title>
	<subject_fa>تخصصي</subject_fa>
	<subject>Special</subject>
	<content_type_fa>پژوهشي اصیل</content_type_fa>
	<content_type>Original Article</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot;&gt;&lt;strong&gt;مقدمه:&lt;/strong&gt; ارتقاء کیفیت تصویر یکی از روش&#8204;های پردازش تصویر است به طوری که &amp;nbsp;هر چه تصویر خروجی دارای کیفیت نمایش بالاتری باشد. تصاویر پزشکی نقش برجسته&#8204;ای در تشخیص مدرن دارند، در نتیجه هدف از این مطالعه بهبود وضوح تصاویر پزشکی به منظور کمک به رادیولوژیست&#8204;ها و جراحان در پیدا کردن ناحیه&#8204;های ناهنجار است.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;strong&gt;روش:&lt;/strong&gt; روش&#8204;های استفاده شده در این مطالعه به منظور ارتقاء تصاویر پزشکی به دو دسته تنظیم شدت نور و حذف نویز دسته&#8204;بندی می&#8204;گردد. روش&#8204;های مبتنی بر تنظم شدت نور، شامل تکنیک&#8204;هایی برای نگاشت مقادیر شدت نور تصویر به دامنه جدید می&#8204;باشد. دسته دوم، شامل روش&#8204;هایی برای حذف نویز تصویر می&#8204;باشند. در این مقاله از هر دو دسته برای ارتقاء تصاویر پزشکی استفاده شده است. تصاویر پزشکی استفاده شده شامل تصاویر ستون فقرات، مغز، ریه و ماموگرافی پستان می باشد.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;strong&gt;نتایج&lt;/strong&gt;&lt;strong&gt;:&lt;/strong&gt; نتایج حاصل از به کار بستن روش&#8204;های استفاده شده بر روی تصاویر پزشکی بر اساس پنج معیار تعداد لبه&#8204;های آشکارسازی، &lt;span dir=&quot;LTR&quot;&gt;PCNR&lt;/span&gt;، اندیس کیفیت تصویر، &lt;span dir=&quot;LTR&quot;&gt;AMBE&lt;/span&gt; و ارزیابی کیفیت بصری مورد مقایسه قرار گرفت که تصاویر ستون فقرات، مغز، ریه و ماموگرافی پستان در بهترین حالت به ترتیب دارای تعداد لبه&#8204;های آشکاری&#8204;سازی 6465، 10305، 16266و 13509 می&#8204;باشد.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;strong&gt;نتیجه&#8204;گیری:&lt;/strong&gt; نتایج نشان می&#8204;دهد که برخی معیار&#8204;هایی چون تعداد لبه&#8204;های آشکار&#8204;سازی و ارزیابی کیفیت بصری بهترین روش&#8204;های مبتنی بر شدت نور می&#8204;باشند و عملکرد بهتری دارند اما معیار&#8204;هایی مانند &lt;span dir=&quot;LTR&quot;&gt;PCNR&lt;/span&gt;، اندیس کیفیت تصویر، &lt;span dir=&quot;LTR&quot;&gt;AMBE&lt;/span&gt; روش&#8204;های مبتنی بر حذف نویز نتایج بهتری را نشان دادند.&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;strong&gt;Introduction:&lt;/strong&gt; Image contrast enhancement is an image processing method in which the output image has high quality display. Medical images have prominent role in modern diagnosis; therefore, this study aimed to enhance the quality of medical images in order to help radiologists and surgeons in finding abnormal areas.&lt;/p&gt;

&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;strong&gt;Method:&lt;/strong&gt; The methods used in this study to enhance medical images quality are categorized into two groups; intensity adjustment and noise removal. Intensity adjustment methods including techniques for mapping image intensity values to the new domain. The second group including methods to remove noise from the images.&amp;nbsp; Medical images used in this study including images of spine, brain, lung and breast.&lt;/p&gt;

&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;strong&gt;Results:&lt;/strong&gt; The results were analyzed based on five criteria including the number of detected edges, PCNR, Image Quality Index, AMBE and visual quality that the number of detected edges in images of spine, brain, lungs and breast were 6465, 10305, 16266 and 13509, respectively.&lt;/p&gt;

&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; The results show that the methods with intensity adjustment technique have better performance in criteria such as the number of detected edges and image visual assessment. However, the other method include in noise removal technique perform more effectively in PCNR, Image Quality Index and AMBE measure&lt;/p&gt;
</abstract>
	<keyword_fa>پردازش تصاویر پزشکی, ارتقاء تصویر, تنظیم شدت نور, حذف نویز</keyword_fa>
	<keyword>Medical Image Processing, Quality Enhancement, Light Intensity Adjustment, Noise Removal</keyword>
	<start_page>38</start_page>
	<end_page>47</end_page>
	<web_url>http://jhbmi.ir/browse.php?a_code=A-10-43-2&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Mitra</first_name>
	<middle_name></middle_name>
	<last_name>Montazeri</last_name>
	<suffix></suffix>
	<first_name_fa>میترا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>منتظری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mitra.montazery@gmail.com</email>
	<code>10031947532846002431</code>
	<orcid>10031947532846002431</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>M.S.c in Artificial Intelligence, Medical Informatics Research Center, Institute of Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran. </affiliation>
	<affiliation_fa>کارشناس ارشد هوش مصنوعی، مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
