• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on advanced concepts for intelligent vision systems >An Enhanced Multi-label Random Walk for Biomedical Image Segmentation Using Statistical Seed Generation
【24h】

An Enhanced Multi-label Random Walk for Biomedical Image Segmentation Using Statistical Seed Generation

机译：使用统计种子生成的生物医学图像分割的增强的多标签随机游动。

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Image segmentation is one of the fundamental problems in biomedical applications and is often mandatory for quantitative analysis in life sciences. In recent years, the amount of biomedical image data has significantly increased, rendering manual segmentation approaches impractical for large-scale studies. In many cases, the use of semi-automated techniques is convenient, as those approaches allow to incorporate domain knowledge of experts into the segmentation process. The random walker framework is among the most popular semi-automated segmentation algorithms, as it can easily be applied to multi-label situations. However, this method usually requires manual input on each individual image and, even worse, for each disconnected object. This is problematic for segmenting multiple unconnected objects like individual cells, or very fine anatomical structures. Here, we propose a seed generation scheme as an extension to the random walker framework. Our method needs only few manual labels to generate a sufficient number of seeds for reliably segmenting multiple objects of interest, or even a series of images or videos from an experiment. We show that our method is robust against parameter settings and evaluate the performance on both synthetic as well as real-world biomedical image data.
机译：图像分割是生物医学应用中的基本问题之一，对于生命科学中的定量分析通常是必不可少的。近年来，生物医学图像数据的数量已大大增加，使得手动分割方法不适用于大规模研究。在许多情况下，半自动技术的使用很方便，因为这些方法允许将专家的领域知识整合到细分过程中。随机沃克框架是最流行的半自动分割算法之一，因为它可以轻松地应用于多标签情况。但是，此方法通常需要在每个单独的图像上进行手动输入，更糟糕的是，对于每个未连接的对象都需要手动输入。这对于分割多个未连接的对象（例如单个细胞或非常精细的解剖结构）是有问题的。在这里，我们提出了一种种子生成方案，作为对随机沃克框架的扩展。我们的方法只需要很少的手动标签即可生成足够数量的种子，以可靠地分割多个感兴趣的对象，甚至可以分割实验中的一系列图像或视频。我们证明了我们的方法对参数设置具有鲁棒性，并且可以评估合成以及真实世界生物医学图像数据的性能。

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