基于球尺度的三维医学图像层次化多目标识别
计算机视觉与模式识别
2015-05-18 v1
摘要
本文利用先验形状模型和球尺度(b-scale)的概念，研究了在三维图像中无需进行精细搜索或优化即可自动识别目标的方法。即，目标是在给定图像中单次将模型放置到接近正确姿态(位置、方向和尺度)的位置，使得模型边界落在图像中目标边界的附近。这是通过以下一组关键思想实现的：(a) 一种半自动构建多目标形状模型组合的方法。(b) 一种通过b-scale编码训练图像中目标之间的姿态关系及其在b-scale图像中捕获的强度模式的新策略。(c) 一种层次化机制，根据学习到的姿态关系和待分割图像的b-scale图像，以单次方式在给定图像中定位模型。对20套常规临床腹部女性和男性CT数据集的评估结果表明：(1) 纳入大量目标可显著提高识别精度。(2) 该识别算法可视为一个层次化框架，其中模型组合的快速替换定义为粗识别，而轮廓描绘本身定义为最精细识别。(3) 尺度提供了关于模型组合与任何给定图像之间关系的有用信息，使得识别结果能够在不进行任何精细搜索或优化的情况下将模型放置到接近实际姿态的位置。(4) 有效的目标识别可以使轮廓描绘最为精确。
引用
@article{arxiv.1002.1288,
title = {Ball-Scale Based Hierarchical Multi-Object Recognition in 3D Medical Images},
author = {Ulas Bagci and Jayaram K. Udupa and Xinjian Chen},
journal= {arXiv preprint arXiv:1002.1288},
year = {2015}
}
备注
This paper was published and presented in SPIE Medical Imaging 2010