用于 CT 与 MRI 肝脏病变水平集分割的自适应局部窗口
计算机视觉与模式识别
2016-06-14 v1
摘要
我们提出了一种新方法——自适应局部窗口，用于改进水平集分割技术。该窗口在分割过程的迭代中，针对每个轮廓点和每个独立对象分别进行估计。我们的方法考虑了对象尺度、空间纹理以及能量泛函在迭代过程中的变化。通过计算多个灰度共生矩阵，考虑了全局与局部统计信息。我们在医学成像领域展示了该方法对 233 张含肝肝脏病变图像的分割能力。为了说明我们方法的优势，这些图像均通过计算机断层扫描或磁共振成像获取。此外，我们使用三种不同的能量模型分析了图像。我们将我们的方法与全局水平集分割以及使用预定义固定尺寸方形窗口的局部框架进行了比较。结果表明，我们提出的方法在与人工标注的一致性以及对轮廓初始化或所用能量模型的依赖性方面，均优于其他方法。在复杂病变的情况下，例如低对比度病变、异质性病变或具有噪声背景的病变，与最先进的固定尺寸局部窗口相比，我们的方法显示出显著更好的分割效果，Dice 相似系数提升了 0.25±0.13（Wilcoxon 检验，p < 0.001）。
引用
@article{arxiv.1606.03765,
title = {Adaptive Local Window for Level Set Segmentation of CT and MRI Liver Lesions},
author = {Assaf Hoogi and Christopher F. Beaulieu and Guilherme M. Cunha and Elhamy Heba and Claude B. Sirlin and Sandy Napel and Daniel L. Rubin},
journal= {arXiv preprint arXiv:1606.03765},
year = {2016}
}
备注
24 pages, 11 figures, 3 tables