• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Conference on Medical Imaging 2008: Imaging Processing; 20080217-19; San Diego,CA(US) >Segmenting Images Analytically in Shape Space
【24h】

Segmenting Images Analytically in Shape Space

机译：在形状空间中解析地分割图像

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a novel analytic technique to perform shape-driven segmentation. In our approach, shapes are represented using binary maps, and linear PCA is utilized to provide shape priors for segmentation. Intensity based probability distributions are then employed to convert a given test volume into a binary map representation, and a novel energy functional is proposed whose minimum can be analytically computed to obtain the desired segmentation in the shape space. We compare the proposed method with the log-likelihood based energy to elucidate some key differences. Our algorithm is applied to the segmentation of brain caudate nucleus and hippocampus from MRI data, which is of interest in the study of schizophrenia and Alzheimer's disease. Our validation (we compute the Hausdorff distance and the DICE coefficient between the automatic segmentation and ground-truth) shows that the proposed algorithm is very fast, requires no initialization and outperforms the log-likelihood based energy.
机译：本文提出了一种新颖的分析技术来执行形状驱动的分割。在我们的方法中，使用二进制映射表示形状，并使用线性PCA为分割提供形状先验。然后使用基于强度的概率分布将给定的测试体积转换为二进制映射表示形式，并提出了一种新颖的能量函数，该函数的最小值可以通过分析计算得出，从而在形状空间中获得所需的分割。我们将提出的方法与基于对数似然的能量进行比较，以阐明一些关键差异。我们的算法从MRI数据应用于脑尾状核和海马的分割，这在精神分裂症和阿尔茨海默氏病的研究中很有用。我们的验证（我们计算了自动分段和地面真实性之间的Hausdorff距离和DICE系数）表明，该算法非常快速，无需初始化并且优于基于对数似然的能量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号