基于多变量图像极大似然估计的左心房纤维化量化
计算机视觉与模式识别
2018-10-23 v1
摘要
我们提出一种全自动分割与量化左心房（LA）纤维化及瘢痕的方法，结合两种心脏 MRI：一是目标晚期钆增强（LGE）图像，二是同次采集中的解剖 MRI。我们利用多变量混合模型（MvMM）构建图像的联合分布，并采用极大似然估计（MLE）对图像进行同步纹理分类。MvMM 还可嵌入赋予图像的变换以校正配准误差。优化采用迭代条件模式算法。该方法首先提取 LA 解剖形状，然后估计先验概率图。它将所得分割投影至 LA 表面，用于瘢痕量化与分析。我们将所提方法应用于 36 个临床数据集并取得 promising 结果（准确率：，Dice：）。我们将该方法与传统算法比较，显示出明显且统计上更优的性能（）。
引用
@article{arxiv.1810.09075,
title = {Atrial fibrosis quantification based on maximum likelihood estimator of multivariate images},
author = {Fuping Wu and Lei Li and Guang Yang and Tom Wong and Raad Mohiaddin and David Firmin and Jennifer Keegan and Lingchao Xu and Xiahai Zhuang},
journal= {arXiv preprint arXiv:1810.09075},
year = {2018}
}