基于3D U-net与混合粒子群优化主动形状建模的海马体表面自动生成
神经与进化计算
2021-09-15 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
本文提出并验证了一种通过3D U-net结合主动形状建模(ASM)实现海马体表面全自动生成的流程。原则上,所提流程包含三个步骤。首先,对于每幅磁共振图像,采用3D U-net获取每个半球的海马体自动分割。其次,在一组预先获取的模板表面上执行ASM,通过主成分分析生成平均形状与形状变化参数。最后,利用混合粒子群优化搜索与分割最匹配的最优形状变化参数。随后由平均形状和形状变化参数生成海马体表面。观察到所提流程生成的双侧海马体表面具有高精度、正确的解剖拓扑以及充分的平滑性。
引用
@article{arxiv.2109.06817,
title = {Automatic hippocampal surface generation via 3D U-net and active shape modeling with hybrid particle swarm optimization},
author = {Pinyuan Zhong and Yue Zhang and Xiaoying Tang},
journal= {arXiv preprint arXiv:2109.06817},
year = {2021}
}