- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多图谱与联合标签融合策略相结合的主动脉CT图像分割1
多图谱与联合标签融合策略相结合的主动脉CT 图像分割1
1 2 1 3 4 1
徐云龙 郑元杰 邓 翔 李 宁 汤煜春 尹义龙
( 1.山东大学计算机科学与技术学院,济南,250101;2.山东师范大学信息科学与工程学院,济南,250014;
3.山东省立医院,济南,250021;4.山东大学医学院,济南,250012)
摘 要:主动脉图像自动分割技术在主动脉疾病的早期诊断、风险评估及手术治疗中发挥重要作用。
本文采用了基于多图谱的医学图像分割技术,并将之与联合标签融合 (Joint label fusion)策略相结
合应用于 3D 主动脉 CT 图像的自动分割问题中。联合标签融合策略考虑了各个图谱之间的相互关
系,能够有效抑制图谱间冗余信息的干扰,进而提高标签融合精度。本文提出了一种图谱更新算法
以应对图谱数量不足的问题,在提高分割精度的同时,保持了较低的计算复杂度。在15 例主动脉CT
图像数据上的分割结果表明,本文方法能有效地对 3D 主动脉图像进行分割,与三种基于传统融合
方式的图谱分割法相比本文方法具有更高的分割精度。
关键词:多图谱分割;联合标签融合策略;3D 主动脉CT 图像; 图谱更新
中图分类号: TP391.41 文献标志码:A
Multi-atlas Based Segmentation of Aortic CT Scans with Joint Label Fusion
Xu Yunlong1 ,Zheng Yuanjie2 ,Deng Xiang1 ,Li Ning3 ,Tang Yuchun4 , Yin Yilong1
(1. School of Computer Science and Technology, Shandong University, Jinan, 250101, China; 2. School of
Information Science and Engineering, Shandong Normal University, Jinan, 250014, China; 3. Shandong
Provincial Hospital, Jinan, 250021, China; 4. School of Medicine, Shandong University, Jinan, 2500 12,
China)
Abstract: Automatic aortic image segmentation plays an important role in early aortic disease diagnosis,
risk evaluation and treatment planning. In this paper, we use a multi-atlas based medical image
segmentation method and first combine it with a joint label fusion strategy to segment 3D aortic CT
images automatically. Joint label fusion strategy takes the correlation of atlases into consideration and
the effect of redundant information of atlases can be restrained. To handle the problem of insufficient
atlases, we propose an atlas archive update method which can enhance the segmentation accuracy with
relatively low computational complexity. We evaluate our method by using a data set with 15 aortic
subject and comparing with three widely used label fusion techniques (majority voting, local
文档评论(0)