基于胸部CT三维血管重建的半参数高斯混合模型
应用统计
2024-04-01 v1
摘要
计算机断层扫描（CT）自 20 世纪 70 年代问世以来，一直是一种强大的诊断工具。利用 CT 数据，可以使用专业软件重建人体内部器官和组织的三维结构，例如血管。这种三维重建对于外科手术至关重要，并可作为生动的医学教学实例。然而，传统的三维重建严重依赖手动操作，耗时、主观且需要大量经验。为了解决这个问题，我们开发了一种专门用于血管三维重建的新型半参数高斯混合模型。该模型通过允许感兴趣的成分参数根据体素位置发生非参数变化，扩展了经典的高斯混合模型。我们开发了一种基于核的期望最大化算法来估计模型参数，并辅以支撑性的渐近理论。此外，我们提出了一种用于最优带宽选择的新型回归方法。与传统的基于交叉验证（CV）的方法相比，该回归方法在计算和统计效率上均优于 CV 方法。在应用中，该方法能够以极高的精度实现全自动的三维血管结构重建。
引用
@article{arxiv.2403.19929,
title = {A Semiparametric Gaussian Mixture Model for Chest CT-based 3D Blood Vessel Reconstruction},
author = {Qianhan Zeng and Jing Zhou and Ying Ji and Hansheng Wang},
journal= {arXiv preprint arXiv:2403.19929},
year = {2024}
}