• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >Object localization in medical images based on graphical model with contrast and interest-region terms
【2h】

Object localization in medical images based on graphical model with contrast and interest-region terms

机译：基于具有对比度和兴趣区域条件的图形模型的医学图像中的对象定位

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a novel method for object localization, generally applicable to medical images in which the objects can be distinguished from the background mainly based on feature differences. We design a new CRF model with additional contrast and interest-region potentials, which encode the higher-order contextual information between regions, on the global and structural levels. We also propose a sparse-coding based classification approach for the interest-region detection with discriminative dictionaries, to serve as a second opinion for more accurate region labeling. We evaluate our object localization method on two medical imaging applications: lesion dissimilarity on thoracic PET-CT images, and cell segmentation on microscopic images. Our evaluations show higher performance when comparing to recently reported approaches.
机译：在本文中，我们提出了一种新的对象定位方法，该方法通常适用于医学图像，其中主要基于特征差异可以将对象与背景区分开。我们设计了一个具有附加对比和兴趣区域潜力的新CRF模型，该模型在全球和结构级别对区域之间的高阶上下文信息进行编码。我们还提出了一种基于稀疏编码的分类方法，用于具有区分性词典的兴趣区域检测，作为对更准确的区域标记的第二种意见。我们在两种医学成像应用中评估我们的对象定位方法：胸腔PET-CT图像上的病变差异和显微图像上的细胞分割。与最近报告的方法相比，我们的评估显示出更高的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

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