基于 MRI 扫描中关键点跟踪的肌肉分割与 3D 重建高效方法
计算机视觉与模式识别
2025-07-14 v1
摘要
磁共振成像 (MRI) 使能够非侵入性地进行高分辨率的肌肉结构分析。然而，自动化分割仍受限于高计算成本、依赖大量训练数据集以及在分割较小肌肉时准确率较低。卷积神经网络 (CNN) 基于的方法虽然强大，但常因计算开销大、在不同人群中泛化性差以及解释性差而受限。本研究提出一种基于关键点跟踪的无训练分割方法，将关键点选择与 Lucas-Kanade 光流相结合。该方法实现了平均 Dice 相似系数 (DSC) 在 0.6 到 0.7 之间，取决于关键点选择策略，性能相当于最先进的 CNN 基于模型，同时大幅降低计算需求并增强解释性。这一可扩展框架为临床和研究应用提供了一个稳健且可解释的肌肉分割替代方案。
关键词
引用
@article{arxiv.2507.08690,
title = {An Efficient Approach for Muscle Segmentation and 3D Reconstruction Using Keypoint Tracking in MRI Scan},
author = {Mengyuan Liu and Jeongkyu Lee},
journal= {arXiv preprint arXiv:2507.08690},
year = {2025}
}