基于规则的混合方法用于脑MRI分割
计算机视觉与模式识别
2019-02-13 v1
摘要
医学图像分割作为图像处理的重要组成部分，在分析大体解剖结构、定位病变以及规划外科手术中发挥着重要作用。脑磁共振成像（MRI）的分割对于准确诊断具有重要意义。然而，脑MRI的精确分割是一项具有挑战性的任务。在此，我们提出一种高效的脑MR图像分割框架。为此，使用Gabor变换方法计算脑MRI的特征。然后，使用四种不同的分类器对这些特征进行分类，即增量监督神经网络（ISNN）、K近邻（KNN）、概率神经网络（PNN）和支持向量机（SVM）。我们研究了这些分类器在不同脑MRI图像上的性能，并观察到它们在不同脑组织结构上的性能差异。因此，我们提出了一种基于规则的混合方法来分割脑MRI。实验结果表明，这些分类器在各组织MRI上的性能存在差异，且所提出的基于规则的混合方法对脑MRI组织展现出更好的分割效果。
引用
@article{arxiv.1902.04207,
title = {Brain MRI Segmentation using Rule-Based Hybrid Approach},
author = {Mustansar Fiaz and Kamran Ali and Abdul Rehman and M. Junaid Gul and Soon Ki Jung},
journal= {arXiv preprint arXiv:1902.04207},
year = {2019}
}
备注
8 figures