基于机器学习技术的股动脉钙化自动分析
图像与视频处理
2019-12-19 v1 计算机视觉与模式识别
摘要
我们报告了一种目标跟踪算法，其结合了几何约束、阈值化和运动检测，用于跟踪降主动脉以及从主动脉分支的主要动脉网络，包括髂动脉和股动脉。使用我们的自动识别与分析，与人工标注相比，动脉系统的识别成功率超过 85%。此外，所报告的自动系统能够生成狭窄剖面以及与 Agatston 评分相似的钙化评分。狭窄和钙化剖面的使用将有助于开发更具信息量的诊断和预后工具。
引用
@article{arxiv.1912.06010,
title = {Automated Analysis of Femoral Artery Calcification Using Machine Learning Techniques},
author = {Liang Zhao and Brendan Odigwe and Susan Lessner and Daniel G. Clair and Firas Mussa and Homayoun Valafar},
journal= {arXiv preprint arXiv:1912.06010},
year = {2019}
}
备注
6 pages, submitted for consideration to CSCI 2016