-
题名基于加权相似性度量的脑MR图像特定组织分割
被引量：4
- 1
-
-
作者
刘宏
王捷
宋恩民
许向阳
覃媛媛
李峻
汤翔宇
-
机构
华中科技大学计算机科学与技术学院
图像信息处理与智能控制教育部重点实验室
华中科技大学同济医学院附属同济医院放射科
华中科技大学同济医学院附属协和医院(西区)放射科
-
出处
《计算机学报》
EI
CSCD
北大核心
2014年第6期1241-1250,共10页
-
基金
国家自然科学基金(61075010
61370179)资助~~
-
文摘
基于多图谱的分割方法能有效解决脑MR图像中特定对象如海马体、杏仁核等组织的自动精确分割问题.为加快处理速度,该方法需要从大型图谱数据集中挑选与目标分割图像比较近似的若干图谱作为分割参考.传统的多图谱分割方法在选择图谱时通常只依据图谱图像与目标图像在灰度上的相似性,没有考虑到两者在分割对象局部形态上的相似性,使得所选择的图谱对分割的参考价值难以保证.针对这一问题,文中提出一种图谱图像与目标图像的以分割对象为中心的加权相似性度量方法,首先通过将图谱图像向目标图像作全局配准得到分割对象在目标图像中的估计位置,然后根据分割对象在两幅图像间的局部扭曲形变来度量它们的相似性.文中将这种加权相似度应用到多图谱分割方法中,在图谱选择时只挑选与目标图像具有较高加权相似度的部分图谱,在融合分割标记时将加权相似度作为权重.对IBSR脑MR图像中豆状核壳核组织的分割实验结果表明,基于该加权相似性度量的多图谱分割方法可以得到较高的分割精度.
-
关键词
脑MR图像
多图谱分割
图谱选择
标记融合
图像配准
加权相似度
-
Keywords
brain MR image
multi-atlas based segmentation
atlas selection
label fusion
image registration
weighted similarity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名椭球先验约束的前列腺磁共振图像分割
被引量：3
- 2
-
-
作者
李雪丽
庞树茂
阳维
冯前进
-
机构
南方医科大学生物医学工程学院
广东省医学图像处理重点实验室
-
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2017年第3期347-353,共7页
-
基金
国家自然科学基金(61471188)
广东省科技计划项目(2015B010106008
+3 种基金
2015B01013 1011
2014B030301042)
广东省自然科学基金(2014A030313316
2016A030313574)~~
-
文摘
目的为了有效的利用图谱的先验信息和待分割图像的灰度信息,提出一种新的椭球先验约束下的前列腺MR图像多图谱分割算法。方法将多图谱分割与椭球形状先验相结合,在多图谱分割过程中引入椭球先验知识,针对椭球先验约束下的前列腺感兴趣区域进行图谱选择,大大避免了前列腺周围组织与器官对图谱选择造成的干扰;其次,在图谱融合过程中加入椭球先验项进行约束,对通过配准技术引入的前列腺图谱形状先验进行校正和补偿,有效避免了由配准误差引起的错误分割的情况。结果对50例前列腺MR图像进行分割实验,实验结果表明该算法对前列腺数据的分割精度均在80%以上,平均精度提高到了88.12%。结论椭球先验约束的前列腺MR图像多图谱分割算法稳定有效,分割结果精确度高。
-
关键词
磁共振前列腺分割
图像配准
图谱选择
图谱融合
椭球先验
-
Keywords
prostate segmentation
magnetic resonance imaging
image registration
atlas selection
atlas fusion
ellipsoidal shape prior
-
分类号
R445.2
[医药卫生—影像医学与核医学]
R697.3
[医药卫生—诊断学]
TP391.41
[医药卫生—临床医学]
-
-
题名基于两步图谱选择的脑MR图像分割
被引量：1
- 3
-
-
作者
钱月晶
-
机构
浙江工贸职业技术学院人工智能学院
-
出处
《计算机系统应用》
2022年第3期203-211,共9页
-
基金
温州市公益性科技计划(G20190022)。
-
文摘
针对传统的基于多图谱的医学图像分割过程中的相似度加权融合的方法没有考虑图谱集的干扰性和冗余性的不足,提出一种基于两步图谱选择策略的脑MR图像分割方法.该方法首先采用一种基于最小角回归的方法进行图谱粗选择,其次则采用基于豪斯多夫距离的以目标为导向的图谱精选择.粗选择方法可以在总体上来寻找和目标图像较为相似的图谱,删除某些无效变量,降低图谱集的干扰性和冗余性.精选择方法更加注重于目标组织本身的相似度计算,并且得到的相似性结果不受目标组织尺寸和目标组织位置的影响.实验结果表明,相比于传统的基于矩形区域相似度计算的单步图谱选择方法,该方法具有更高的鲁棒性和准确性.
-
关键词
多图谱分割
标签融合
最小角回归
脑组织分割
图谱选择
-
Keywords
multi-map segmentation
tag fusion
minimum angle regression
division of brain tissue
atlas choice
-
分类号
R445.2
[医药卫生—影像医学与核医学]
R741
[医药卫生—诊断学]
TP391.41
[医药卫生—临床医学]
-
