@prefix pubblicazioni: . @prefix unitaDiPersonaleInterno: . @prefix prodotto: . unitaDiPersonaleInterno:MATRICOLA1497 pubblicazioni:autoreCNRDi prodotto:ID301427 . @prefix prodottidellaricerca: . @prefix istituto: . istituto:CDS017 prodottidellaricerca:prodotto prodotto:ID301427 . unitaDiPersonaleInterno:MATRICOLA10833 pubblicazioni:autoreCNRDi prodotto:ID301427 . @prefix modulo: . modulo:ID4272 prodottidellaricerca:prodotto prodotto:ID301427 . unitaDiPersonaleInterno:MATRICOLA14420 pubblicazioni:autoreCNRDi prodotto:ID301427 . @prefix rdf: . @prefix retescientifica: . prodotto:ID301427 rdf:type retescientifica:ProdottoDellaRicerca , prodotto:TIPO1302 . @prefix rdfs: . prodotto:ID301427 rdfs:label "Unbiased noise estimation and denoising in parallel magnetic resonance imaging (Abstract/Poster in atti di convegno)"@en . @prefix xsd: . prodotto:ID301427 pubblicazioni:anno "2014-01-01T00:00:00+01:00"^^xsd:gYear ; pubblicazioni:doi "10.1109/ICASSP.2014.6853793"^^xsd:string . @prefix skos: . prodotto:ID301427 skos:altLabel "
Borrelli, Pasquale; Palma, G; Comerci, Marco; Alfano, Bruno (2014)
Unbiased noise estimation and denoising in parallel magnetic resonance imaging
in ICASSP 2014, 2014
"^^rdf:HTML ; pubblicazioni:autori "Borrelli, Pasquale; Palma, G; Comerci, Marco; Alfano, Bruno"^^xsd:string ; pubblicazioni:paginaInizio "1230"^^xsd:string ; pubblicazioni:paginaFine "1234"^^xsd:string ; pubblicazioni:url "http://www.scopus.com/record/display.url?eid=2-s2.0-84905234778&origin=inward"^^xsd:string . @prefix ns11: . prodotto:ID301427 pubblicazioni:rivista ns11:ID181571 ; skos:note "Abstract"^^xsd:string , "Scopu"^^xsd:string ; pubblicazioni:affiliazioni "Universita degli Studi di Napoli Federico II; Consiglio Nazionale delle Ricerche"^^xsd:string ; pubblicazioni:titolo "Unbiased noise estimation and denoising in parallel magnetic resonance imaging"^^xsd:string ; pubblicazioni:isbn "9781479928927"^^xsd:string ; prodottidellaricerca:abstract "In magnetic resonance (MR) clinical practice, noise estimation is usually performed on Rayleigh-distributed background (no signal area) of magnitude images. Although noise variance in quadrature MR images is considered spatially independent, parallel MRI (pMRI) techniques as SENSE or GRAPPA generate spatially varying noise (SVN) distribution. In this scenario noise estimation from background may produce biased results. To address these limitations we introduce a novel noise estimation scheme based on local statistics. Our method turns out to be more accurate than the other pMRI noise estimation schemes previously described in the literature. Denoising performances, measured by visual inspection and peak signal-to-noise ratio (PSNR), of Non-Local Means denoising filters (NLM) are considerably improved using SVN-NLM in case of inhomogeneous noise. Furthermore, SVN-NLM behaves as well as standard NLM when homogeneous noise was added, thus proving to be a robust and powerful denoising algorithm for arbitrary MRI datasets. \u00A9 2014 IEEE."@en ; prodottidellaricerca:prodottoDi istituto:CDS017 , modulo:ID4272 ; pubblicazioni:autoreCNR unitaDiPersonaleInterno:MATRICOLA10833 , unitaDiPersonaleInterno:MATRICOLA14420 , unitaDiPersonaleInterno:MATRICOLA1497 . @prefix parolechiave: . prodotto:ID301427 parolechiave:insiemeDiParoleChiave . ns11:ID181571 pubblicazioni:rivistaDi prodotto:ID301427 . parolechiave:insiemeDiParoleChiaveDi prodotto:ID301427 .