结合基于块策略与非刚性配准的标签融合方法
计算机视觉与模式识别
2015-12-22 v1
摘要
本研究的目标是开发一种基于块的标注方法，该方法与利用非刚性配准的标签融合协作。我们提出了一种新颖的基于块的标签融合方法，其选择的块及其权重是通过使用基于强度的距离和基于标注的距离之间的块相似度量的组合来计算的，其中目标图像的先前标注是通过使用非刚性配准的标签融合方法推断的。这些组合的相似度量导致更好的块选择，且其权重更鲁棒，与其他标签融合方法（包括传统的基于块的标注方法）相比改善了分割结果。为了评估所提出的标签融合方法的性能和鲁棒性，我们采用两个可用的人脑T1加权（T1W）磁共振成像（MRI）数据库。我们在T1W-MRI的自动海马体分割中将我们的方法与其他标签融合方法进行比较。我们的标签融合方法对两个数据库分别产生0.847和0.798的平均Dice系数，平均时间分别约为180和320秒。基于块的标注方法与使用非刚性配准的标签融合之间的协作体现在几个层面：(a) 图谱中块的预选得到改善，(b) 我们选择的块的权重也更鲁棒，(c) 我们的方法施加几何限制，例如形状先验，以及(d) 工作流非常高效。我们表明所提出的方法相对于最近报道的方法非常有竞争力。
引用
@article{arxiv.1512.06223,
title = {Combining patch-based strategies and non-rigid registration-based label fusion methods},
author = {Carlos Platero and M. Carmen Tobar},
journal= {arXiv preprint arXiv:1512.06223},
year = {2015}
}
备注
33 pages, 6 figures