• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Symposium on Biomedical Imaging: From Nano to Macro >Automated segmentation of brain lesions by combining intensity and spatial information
【24h】

Automated segmentation of brain lesions by combining intensity and spatial information

机译：通过结合强度和空间信息自动分割脑部病变

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

摘要

Quantitative analysis of brain lesions in large clinical trials is becoming more and more important. We present a new automated method, that combines intensity based lesion segmentation with a false positive elimination method based on the spatial distribution of lesions. A Support Vector Regressor (SVR) is trained on expert-defined lesion masks using image histograms as features, in order to obtain an initial lesion segmentation. A lesion probability map that represents the spatial distribution of true and false positives on the intensity based segmentation is constructed using the segmented lesions and manual masks. A k-Nearest Neighbor (kNN) classifier based on the lesion probability map is applied to refine the segmentation.
机译：在大型临床试验中对脑部病变进行定量分析变得越来越重要。我们提出了一种新的自动化方法，该方法结合了基于强度的病变分割和基于病变空间分布的假阳性消除方法。支持向量回归器（SVR）使用图像直方图作为特征，在专家定义的病变蒙版上进行训练，以获得初始病变分割。使用分割的病变和手动遮罩构建代表基于强度分割的真假阳性的空间分布的病变概率图。应用基于病变概率图的k最近邻（kNN）分类器来细化分割。

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