MétaCan
Menu
Retour à la cohorte
Enregistrement W4412930994 · doi:10.64539/sjer.v1i3.2025.27

Effectiveness of Fourier, Wiener, Bilateral, and CLAHE Denoising Methods for CT Scan Image Noise Reduction

2025· article· en· W4412930994 sur OpenAlexaff
Mst Jannatul Kobra, Arman Mohammad Nakib, Peter Mweetwa, Md Owahedur Rahman

Notice bibliographique

RevueScientific Journal of Engineering Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésNoise reductionFourier transformNoise (video)Reduction (mathematics)Adaptive histogram equalizationImage denoisingComputer scienceComputer visionMedicineMathematicsImage (mathematics)Artificial intelligenceImage processingHistogram equalizationMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The proper reduction of noise inside CTscan Images remains crucial to achieve both better diagnosis results and clinical choices. This research analyzes through quantitative metrics the effectiveness of four popular noise reduction methods which include Fourier-based denoising and Wiener filtering as well as bilateral filtering and Contrast Limited Adaptive Histogram Equalization (CLAHE) applied to more than 500 CTscan Images. The investigated methods were assessed quantitatively through Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) while Mean Squared Error (MSE) served as the additional metric for evaluation. The evaluated denoising methods revealed bilateral filtering as the best technique based on its 50.37 dB PSNR and 0.9940 SSIM together with its 0.5967 MSE. Denoising with Fourier-based methods succeeded in removing high-frequency noise however it produced PSNR of 25.89 dB along with SSIM of 0.8138 while maintaining MSE at 167.4976 indicating lost crucial Image information. The performance balance of Wiener filtering resulted in 40.87 dB PSNR and 0.9809 SSIM and 5.3270 MSE that outperformed Fourier denoising in SSIM yet demonstrated higher MSE. CLAHE produces poor denoising outcomes because it achieves the lowest PSNR of 21.51 dB together with SSIM of 0.5707, and the maximum MSE of 459.1894 while creating undesirable artifacts. This research stands out through a full evaluation of four denoising techniques on a big dataset to create more precise analysis than prior research. The research results show bilateral filtering to be the most reliable technique for CTscan Image noise reduction when maintaining picture quality and thus represents a suitable choice for clinical use. This research adds new information to medical imaging research about quality enhancement which directly benefits clinical diagnostics and therapeutic planning.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,488

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,397
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Journal of Engineering ResearchMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207