• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Machine learning in medical imaging >3D Segmentation in CT Imagery with Conditional Random Fields and Histograms of Oriented Gradients
【24h】

3D Segmentation in CT Imagery with Conditional Random Fields and Histograms of Oriented Gradients

机译：条件随机场和定向直方图在CT图像中的3D分割

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

In this paper we focus on the problem of 3D segmention in volumetric computed tomography imagery to identify organs in the abdomen. We propose and evaluate different models and modeling strategies for 3D segmentation based on traditional Markov Random Fields (MRFs) and their discriminative counterparts known as Conditional Random Fields (CRFs). We also evaluate the utility of features based on histograms of oriented gradients or HOG features. CRFs and HOG features have independently produced state of the art performance in many other problem domains and we believe our work is the first to combine them and use them for medical image segmentation. We construct 3D lattice MRFs and CRFs, use variational message passing (VMP) for learning and max-product (MP) inference for prediction in the models. These inference and learning approaches allow us to learn pairwise terms in random fields that are non-submodular and are thus very flexible. We focus our experiments on abdominal organ and region segmentation, but our general approach should be useful in other settings. We evaluate our approach on a larger set of anatomical structures found within a publicly available liver database and we provide these labels for the dataset to the community for future research.
机译：在本文中，我们重点关注体积计算机断层扫描图像中的3D分割问题，以识别腹部器官。我们基于传统的马尔可夫随机场（MRF）及其判别式条件随机场（CRF），提出并评估了3D分割的不同模型和建模策略。我们还根据定向梯度或HOG特征的直方图评估特征的效用。 CRF和HOG功能已在许多其他问题领域中独立产生了最先进的性能，我们相信我们的工作是首次将它们结合起来并用于医学图像分割。我们构建3D格MRF和CRF，在模型中使用变体消息传递（VMP）进行学习，并使用最大乘积（MP）推理进行预测。这些推论和学习方法使我们能够在非亚模块的随机字段中学习成对术语，因此非常灵活。我们将实验重点放在腹部器官和区域分割上，但是我们的一般方法在其他情况下应该是有用的。我们评估了在可公开获得的肝脏数据库中发现的更大的解剖结构集上的方法，并为社区提供了这些标签的数据集，以供将来研究。

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