医用画像のノイズ除去におけるウェーブレット変換とフーリエ領域フィルタリングの比較研究

より鮮明な検査画像が重要な理由

現代の医用スキャン（CTやMRIなど）は、微小な病変、わずかなテクスチャ、微妙な組織境界といった生死に関わる詳細を多く含んでいます。しかし残念ながら、すべてのスキャンはランダムな「雪」や斑点—重要な手がかりを隠し、医師により高い被ばく線量や長い撮像時間を強いるノイズ—に汚染されています。本研究は一見単純に見えるが臨床的影響が大きい問いを立てます。ふたつの一般的な数学的手法のうち、ノイズの性質が異なる状況で実際により鮮明で信頼できる画像を生成するのはどちらか、という問いです。

画像を眺める二つの方法

著者らは、清掃前に画像を別の表現に置き換えるという二つの古典的戦略に着目します。ひとつ目はウェーブレットで、画像を粗い背景構造と順次細かくなる詳細レベルに分解します。この表現では、ランダムなノイズの多くが多数の小さな係数として現れ、実際のエッジやテクスチャはより少数の大きな係数として表れます。ノイズ除去は小さな係数を縮小または破棄する各種の閾値ルールに従って行い、画像を再構築することを意味します。二つ目はフーリエ変換の親戚である離散コサイン変換を用いる方法で、画像全体ではなく多数の小さな重なり合う正方ブロックに対して適用します。各ブロック内で変換は滑らかな構造（低周波）と細かな変動（高周波）を分離し、主にノイズを担う高周波成分を抑制できます。

人気手法を公平に比較する

これらのアプローチを公平に比較するため、研究者らは512 × 512のCT画像を中心に大規模なテストベッドを構築しました。実際の医用問題を模倣する四種類の合成ノイズを加えています：ガウスノイズと一様ノイズ（粒状の変動）、ポアソンノイズ（少数の光子が収集される低線量X線撮影で典型的）、および「塩と胡椒」ノイズ（インパルス誤差を模した明暗の斑点）。ウェーブレットでは、最も単純なハールからより洗練された双正則スプラインまで八つの異なる族を試し、係数縮小の十二通りと縮小強度の選択を四通り組み合わせました。コサインベースの方法では、16 × 16の重なり合うブロックを処理し、各ブロックを変換して小さな高周波成分をゼロにし、重なったブロックを平均して全体画像に戻しました。

どちらがどれだけよく掃除するか

性能は、クリーン化した画像を元のノイズの無い画像と比較する標準的な画像品質指標で評価しました。ウェーブレット群では、双正則スプラインやダベシス（Daubechies）ウェーブレットが目立ち、特にSUREやSmooth Garroteのように観測データに合わせて閾値を適応させる手法と組み合わせた場合に優れました。これらの組み合わせは、ハールのような単純なウェーブレットやメイヤーやシャノンのようなやや珍しいものを一貫して上回りました。それでも、最良のウェーブレット設定は、すべての試験したノイズシナリオでブロックベースのコサイン法に及びませんでした。例えばガウスノイズでは、最高のウェーブレット構成でピーク信号雑音比（PSNR）が約31 dBに達したのに対し、ブロックベースのコサイン法は約36 dBに達しました。均一ノイズ、ポアソンノイズ、塩と胡椒ノイズでも同様に4〜6 dBの差が現れ、より明瞭な画像と残存アーティファクトの減少を意味します。

なぜ小さな領域が勝つのか

驚きはコサイン変換が機能すること自体ではなく（コサイン変換は画像圧縮の基盤です）、比較的単純なブロックベースのコサインフィルタが、画像をマルチスケールに見る点でしばしば称賛される精緻に調整されたウェーブレットを上回ったことです。著者らは鍵は変換そのものではなく、その使い方にあると主張します。彼らのウェーブレット手法は画像全体に対して一つのグローバルな決定ルールを適用するため、わずかだが実在する構造がノイズと誤認されて消えてしまうことがあります。対照的にブロックベースのコサイン法は局所的な近傍に適応します：重なり合う各パッチを解析・清掃し、それを隣接パッチと柔らかくブレンドします。この局所的な視点は微細な解剖学的詳細を保持しつつ粒状ノイズを削減するのに役立ち、重なりが通常ブロック法に生じるブロック状アーティファクトを避けます。

今後のスキャンに与える意味

臨床医や画像工学者にとっての中心的な結論は、方法の設計—特に局所処理と全体処理の違い—が「ウェーブレット」対「フーリエ」という選択よりも重要になり得るということです。この管理された研究では、局所化されたコサインベースのフィルタが広範なウェーブレット手法群よりも複数の現実的なノイズ種に対してよりクリーンなCT画像を提供し、計算時間はわずかに増えるにとどまりました。これは、実用的でディープラーニングに依存しないノイズ除去を求める病院や装置メーカーが、ブロックベースの周波数法やその局所性を取り入れたハイブリッドに傾くべきことを示唆しています。最終的に、こうしたアルゴリズム設計の利得は明快です：低線量または短時間のスキャンでより鮮明な画像が得られ、微妙な病変の兆候がノイズに埋もれる可能性が低くなることです。

引用: Saif, M.A., Mughalles, B.M. & Loqman, I.G.H. Comparative study of wavelet transform and Fourier domain filtering for medical image denoising. Sci Rep 16, 10145 (2026). https://doi.org/10.1038/s41598-026-40594-4

キーワード: 医用画像のノイズ除去, CT撮影, ウェーブレット変換, 離散コサイン変換, 画像ノイズ低減