基于能量最小化的数据依赖高阶团选择用于动静脉分割
计算机视觉与模式识别
2023-12-14 v1
摘要
我们提出了一种基于高阶势能量最小化的新颖分割方法。我们将高阶项引入能量函数中，以融入关于分割区域形状的先验知识。这些项鼓励某些像素集合完全属于一个分割区域或另一个。例如，这些集合可以是平滑曲线，以帮助描绘肺血管，已知肺血管几乎呈直线走行。通过添加辅助变量，高阶项可以转换为子模一阶项，然后可以使用图割进行全局最小化。我们还通过从带有真实标签的训练数据中学习，以一种有原则的方式确定了这些项的权重，即上述鼓励的程度。我们在CT图像中全自动肺动脉-静脉分割的实际应用中展示了该方法的有效性。
引用
@article{arxiv.2312.07860,
title = {Data-Dependent Higher-Order Clique Selection for Artery-Vein Segmentation by Energy Minimization},
author = {Yoshiro Kitamura and Yuanzhong Li and Wataru Ito and Hiroshi Ishikawa},
journal= {arXiv preprint arXiv:2312.07860},
year = {2023}
}