动态多对象高斯过程模型：一种用于人体关节数据驱动函数式建模的框架

统计形状模型（SSMs）是用于在一组生物结构中提取和解释特征的先进医学图像分析工具。然而，由于三个主要问题，结合形状和姿态特征的原则性且鲁棒的方法一直难以实现：1）数据的非同质性（跨特征具有线性和非线性自然变异的数据），2）对$3D$运动的不最优表示（与将对象从一个位置移动到另一个位置的动能不成比例的刚体变换表示），以及3）模型的人为离散化。在本文中，我们提出一种新的动态多对象统计建模框架，用于在连续域中分析人体关节。具体而言，我们提出在相同线性化统计空间中归一化形状和动态空间特征，以允许使用线性统计；我们采用最优3D运动表示以进行更精确的刚体变换比较；并且我们提供使用基于马尔可夫链蒙特卡洛采样的拟合的3D形状和姿态预测协议。该框架提供了一个高效的生成式动态多对象建模平台，用于生物关节。我们使用受控合成数据验证了该框架。最后，将该框架应用于人体肩关节的分析，以在形状预测中将其性能与标准SSM方法进行比较，同时增加了确定复杂结构中骨骼间相对姿态的优势。观察到极好的有效性，且肩关节形状-姿态预测结果表明该新框架可能对一系列医学图像分析应用有用。此外，该框架是通用的，可扩展至n$>$2个对象，使其适用于关节疾病管理的临床和诊断方法。