基于水平集公式的全局与局部图像信息稀疏表示的自动三维肝脏分割
计算机视觉与模式识别
2015-10-06 v2
摘要
本文提出了一种通过水平集公式进行自动肝脏分割的新颖框架。将全局（基于区域）和局部（逐体素）图像信息的稀疏表示嵌入水平集公式中，以创新性地构建新的代价函数。构建了两个字典：一个基于区域的特征字典和一个逐体素字典。这些字典使用 K-SVD 方法从肝脏分割挑战赛（MICCAI-SLiver07）的公共数据库中学习得到。学习到的字典为水平集公式提供了先验知识。为进行定量评估，使用 MICCAI-SLiver07 数据库的测试数据对所提方法进行了评估。结果使用挑战赛组织者计算的不同度量分数进行评价。实验结果表明，与现有最优方法相比，所提框架取得了最高的分割准确率（79.6%），证明了其优越性。
引用
@article{arxiv.1508.01521,
title = {Automatic 3D Liver Segmentation Using Sparse Representation of Global and Local Image Information via Level Set Formulation},
author = {Saif Dawood Salman Al-Shaikhli and Michael Ying Yang and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:1508.01521},
year = {2015}
}