贝叶斯逻辑形状模型推断：在耳蜗图像分割中的应用
计算机视觉与模式识别
2021-05-06 v1 人工智能
摘要
在医学图像中勾勒许多器官与解剖结构时，融入形状信息至关重要。先前工作主要聚焦于对参考模板形状施加参数化空间变换，本文则针对医学图像分割中的参数化形状模型的贝叶斯推断展开研究，旨在提供可解释的结果。所提框架基于逻辑函数通过通用形状函数定义似然外观概率与先验标签概率。sigmoid中定义的参考长度参数控制形状与外观信息间的权衡。形状参数的推断在期望最大化方法内完成，其中Gauss-Newton优化阶段可近似形状参数的后验概率。该框架应用于受10参数形状模型约束的临床CT图像中耳蜗结构分割，并在三个不同数据集上评估，其中之一包含逾200幅患者图像。结果显示其性能可与监督方法媲美且优于既往提出的无监督方法。它还支持参数分布分析及分割不确定性量化（含形状模型的影响）。
引用
@article{arxiv.2105.02045,
title = {Bayesian Logistic Shape Model Inference: application to cochlea image segmentation},
author = {Wang Zihao and Demarcy Thomas and Vandersteen Clair and Gnansia Dan and Raffaelli Charles and Guevara Nicolas and Delingette Hervé},
journal= {arXiv preprint arXiv:2105.02045},
year = {2021}
}