• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Computational and Mathematical Methods in Medicine >Multimodal Brain-Tumor Segmentation Based on Dirichlet Process Mixture Model with Anisotropic Diffusion and Markov Random Field Prior
【2h】

Multimodal Brain-Tumor Segmentation Based on Dirichlet Process Mixture Model with Anisotropic Diffusion and Markov Random Field Prior

机译：基于各向异性扩散和马尔可夫随机场先验的狄利克雷过程混合模型的多峰脑肿瘤分割

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Brain-tumor segmentation is an important clinical requirement for brain-tumor diagnosis and radiotherapy planning. It is well-known that the number of clusters is one of the most important parameters for automatic segmentation. However, it is difficult to define owing to the high diversity in appearance of tumor tissue among different patients and the ambiguous boundaries of lesions. In this study, a nonparametric mixture of Dirichlet process (MDP) model is applied to segment the tumor images, and the MDP segmentation can be performed without the initialization of the number of clusters. Because the classical MDP segmentation cannot be applied for real-time diagnosis, a new nonparametric segmentation algorithm combined with anisotropic diffusion and a Markov random field (MRF) smooth constraint is proposed in this study. Besides the segmentation of single modal brain-tumor images, we developed the algorithm to segment multimodal brain-tumor images by the magnetic resonance (MR) multimodal features and obtain the active tumor and edema in the same time. The proposed algorithm is evaluated using 32 multimodal MR glioma image sequences, and the segmentation results are compared with other approaches. The accuracy and computation time of our algorithm demonstrates very impressive performance and has a great potential for practical real-time clinical use.
机译：脑肿瘤分割是脑肿瘤诊断和放射治疗计划的重要临床要求。众所周知，簇数是自动分割的最重要参数之一。然而，由于不同患者之间肿瘤组织的外观差异很大以及病变边界不明确，因此很难定义。在这项研究中，Dirichlet过程（MDP）模型的非参数混合应用于分割肿瘤图像，并且可以在不初始化簇数的情况下执行MDP分割。由于经典的MDP分割不能应用于实时诊断，因此提出了一种新的将各向异性扩散和马尔可夫随机场（MRF）平滑约束相结合的非参数分割算法。除了对单模式脑肿瘤图像进行分割以外，我们还开发了通过磁共振（MR）多模式特征对多模式脑肿瘤图像进行分割的算法，并同时获得了活动性肿瘤和水肿。该算法使用32个多模态MR神经胶质瘤图像序列进行了评估，并将分割结果与其他方法进行了比较。我们算法的准确性和计算时间证明了非常令人印象深刻的性能，并且在实际的实时临床应用中具有巨大的潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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