利用概率状态空间模型与贝叶斯平滑提取气道
计算机视觉与模式识别
2017-08-08 v1
摘要
分割树状结构在多个图像处理应用中很常见。在医学图像分析中，气道、血管、神经元及其他树状结构的可靠分割能够支持重要的临床应用。我们提出了一个利用概率状态空间模型和贝叶斯平滑来追踪由细长分支组成的树状结构的框架。与大多数对分支进行顺序追踪的现有方法不同，我们提出了一种探索式方法，该方法对由采集噪声和/或干扰结构引起的局部异常较不敏感。使用过程模型对单个分支的演化进行建模，并使用基于多尺度 blob 检测器的测量模型将观测数据纳入贝叶斯平滑器的更新步骤中。贝叶斯平滑使用 RTS (Rauch-Tung-Striebel) 平滑器执行，该平滑器在每个追踪步骤提供分支状态的高斯密度估计。我们基于 blob 检测的响应自动选择可能的分支种子点，并使用 RTS 平滑器从所有此类种子点开始追踪。我们利用为每个分支估计的边缘后验密度的协方差来区分假阳性分支和真阳性分支。该方法在 3D 胸部 CT 扫描上进行了评估以追踪气道。我们表明，与基于概率图像区域生长的基线方法相比，所提出的方法能够提取出更多的分支。
引用
@article{arxiv.1708.02096,
title = {Extraction of Airways with Probabilistic State-space Models and Bayesian Smoothing},
author = {Raghavendra Selvan and Jens Petersen and Jesper H. Pedersen and Marleen de Bruijne},
journal= {arXiv preprint arXiv:1708.02096},
year = {2017}
}
备注
10 pages. Pre-print of the paper accepted at Workshop on Graphs in Biomedical Image Analysis. MICCAI 2017. Quebec City