一种用于肿瘤显著性估计的混合框架
计算机视觉与模式识别
2018-06-29 v1
摘要
由于乳房解剖结构复杂且图像质量差，乳腺超声（BUS）图像的自动肿瘤分割极具挑战性。大多数肿瘤分割方法在受控环境下采集的 BUS 图像上表现良好；然而，对于来自不同来源的 BUS 图像，性能大幅下降。肿瘤显著性估计（TSE）通过建模放射科医生的注意机制来解决问题，已引起越来越多的关注。本文中，我们提出一种新颖的用于 TSE 的混合框架，它集成了高层领域知识和鲁棒的底层显著性假设，并能克服传统 TSE 方法中直接映射带来的缺陷。新框架集成了中性连通性（NC）图、自适应中心、相关性以及基于层结构的加权图。实验结果表明，所提方法优于当前最优的 TSE 方法。
引用
@article{arxiv.1806.10696,
title = {A Hybrid Framework for Tumor Saliency Estimation},
author = {Fei Xu and Min Xian and Yingtao Zhang and Kuan Huang and H. D. Cheng and Boyu Zhang and Jianrui Ding and Chunping Ning and Ying Wang},
journal= {arXiv preprint arXiv:1806.10696},
year = {2018}
}
备注
6 pages and 8 figures, Conference paper and accepted by ICPR 2018