تصویربرداری pet یکی از روشهای مقطع نگاری در پزشکی هسته ای می باشد. حساسیت و رزولوشن مکانی بیشتر و نیز قابلیت کمّی سازی بهتر، از مزایای تصویربرداری pet در مقایسه با spect می باشد. هر چند که سطح بالای نویز در این تصاویر صحت تشخیص را کاهش می دهد. بطور معمول، حذف/ کاهش نویز در پزشکی هسته ای بر پایه تبدیل فوریه تصاویر می باشد. این تبدیل، محتوای فرکانسی یک سیگنال/ تصویر را بدست می دهد اما در مورد مکان این فرکانسها در سیگنال/ تصویر، اطلاعاتی فراهم نمی کند. تبدیل موجک این قابلیت را داراست که هم اطلاعات فرکانسی و هم اطلاعات مکانی را مشخص کند. این تبدیل بر مشکلات تبدیل فوریه فائق آمده است و هم اکنون بطور گسترده ای در کاهش نویز، آشکارسازی لبه ها و فشرده سازی تصاویر کاربرد دارد. از طرف دیگر، اطلاعات فیزیولوژی و متابولیسم نیز از طریق تصاویر pet بدست می آیند، اما اطلاعات مربوط به آناتومی تنها از طریق مودالیته های تصویربرداری مانند ct قابل دستیابی هستند. به منظور تکمیل یافته ها، تصاویر فیزیولوژی و آناتومی با یکدیگر تلفیق می شوند. روشهای تلفیق تصاویر شامل روشهای ساده ای همچون میانگین گیری پیکسلی و روشهای پیچیده تری مانند تبدیل موجک می باشد. مزیّت تبدیل موجک آن است که اطلاعات مهم از هر دو مودالیته تصویربرداری حفظ می شود. در این تحقیق، نرم افزار simset برای شبیه سازی تصاویر pet از فانتوم ncat مورد استفاده قرار گرفته است. بدین منظور، با استفاده از یک تصویر واقعی pet، میزان اکتیویته نسبی در بافتها مشخص گردید و با نسبت دادن این مقادیر به ارگانهای متناظر در فانتوم ncat، تصاویر pet شبیه سازی شدند. سپس این تصاویر به کمک یکسری برنامه تدوین شده در محیط matlab، بازسازی شدند. پس از آن برنامه هایی برای نویززدایی تصاویر نویزی تدوین شد. بوسیله این برنامه ها، چهار روش نویززدایی و در هر یک از روشها تأثیر 54 موجک مختلف مورد بررسی قرار گرفت. از آنجا که به دلیل آرتیفکت تنفسی، تشخیص و ارزیابی بسیاری از تومورهای کبدی با مشکل مواجه است تحقیق حاضر در این راستا انجام شده است. به منظور انجام فیوژن بر پایه موجک، ابتدا در داخل فانتوم ncat در ناحیه کبد، چهار ضایعه (در نقش ضایعات متاستاتیک) با اندازه و موقعیت مکانی مختلف قرار دادیم و سپس تصاویر pet با استفاده از شبیه ساز simset شبیه سازی شدند. نقشه تضعیف فانتوم اکتیویته نیز بعنوان تصویر ct مورد استفاده قرار گرفت. در مرحله اول، هر یک از تصاویر pet و ct با استفاده از تبدیل موجک به یک بخش کلیّات و سه بخش جزئیات تقسیم گردید. سپس این بخشها بوسیله نُه روش مختلف فیوژن با یکدیگر تلفیق شدند. در نهایت، تصاویر تلفیق شده از لحاظ کنتراست ضایعه به بافت با تصاویر اولیه pet و ct مقایسه شدند. نتایج این تحقیق نشان می دهد که تبدیل موجک ابزار ریاضی کارآمدی برای نویززدایی از تصاویر شبیه سازی شده pet می باشد. از مهمترین پارامترهای تأثیرگذار بر نویززدایی می توان به روش تجزیه، سطح تجزیه، نوع موجکها، روش آستانه گذاری و مقدار آستانه اشاره کرد. در تمام روشهای معرفی شده، نویز بطور معنی داری کاهش می یابد و مشخصه اصلی این روشها، کاهش نویز و حفظ نسبتاً کامل داده ها بعد از تجزیه تصاویر بوده است. از بین چهار روش معرفی شده برای نویززدایی، در بهترین حالت در روش تبدیل موجک گسسته ساکن، نویز در حدود 80 درصد کاهش می یابد. علاوه بر آن، تبدیل موجک بهترین روش برای تلفیق تصاویر pet و ct بشمار می رود بطوری که کنتراست ضایعه به بافت در تصویر تلفیق شده با روش تبدیل موجک و روش فیوژن max-max، نسبت به کنتراست ضایعه به بافت در روش فیوژن ساده- که هم اکنون در سیستم pet-ct استفاده می شود- بطور معنی داری بهبود می یابد.