面向多尺度多特征标签融合的优化PatchMatch方法
计算机视觉与模式识别
2025-09-25 v2
摘要
自动分割方法是磁共振图像（MRI）定量分析的重要工具。近来，基于块的标签融合方法已展现出最先进的分割精度。本文引入一种新的基于块的标签融合框架以执行解剖结构的分割。所提方法采用优化块匹配标签融合（OPAL）策略，大幅降低了相似块搜索所需的计算时间。OPAL的缩减计算时间为新策略开辟了途径，并便利了大规模数据库上的处理。本文通过引入新的多尺度与多特征框架，探究OPAL所提供的新前景。在海马体分割验证中，我们使用了两个数据集：ICBM队列中的年轻成年人与EADC-ADNI数据集中的老年成年人。对两者，OPAL均与被比的最先进方法进行比较。结果显示OPAL获得了最高中位Dice系数（ICBM为89.9%，EADC-ADNI为90.1%）。此外，两种情况下OPAL产生的分割精度类似于专家间变异性。在EADC-ADNI数据集上，我们比较了手动与自动分割所得海马体体积。体积呈现高度相关，从而能够执行对病理人群更精确的区分。
引用
@article{arxiv.1903.07165,
title = {An Optimized PatchMatch for Multi-scale and Multi-feature Label Fusion},
author = {Rémi Giraud and Vinh-Thong Ta and Nicolas Papadakis and José V. Manjón and D. Louis Collins and Pierrick Coupé and Alzheimer's Disease Neuroimaging Initiative},
journal= {arXiv preprint arXiv:1903.07165},
year = {2025}
}
备注
Neuroimage 2016