基于归一化高斯贝叶斯分类器与三维流体矢量流的全自动脑肿瘤分割
图像与视频处理
2019-05-03 v1 计算机视觉与模式识别
机器学习
多媒体
机器学习
摘要
从磁共振图像(MRI)中进行脑肿瘤分割是测量肿瘤治疗反应的一项重要任务。然而,自动分割极具挑战性。本文提出一种基于归一化高斯贝叶斯分类和一种新的三维流体矢量流(FVF)算法的自动脑肿瘤分割方法。在我们的方法中,提出并使用归一化高斯混合模型(NGMM)来建模健康脑组织。利用高斯贝叶斯分类器从测试脑 MR 图像中获取高斯贝叶斯脑图(GBBM)。对 GBBM 进一步处理以初始化三维 FVF 算法,该算法分割脑肿瘤。该算法有两点主要贡献。首先,我们提出 NGMM 来建模健康大脑。其次,我们将原有的二维 FVF 算法扩展到三维空间并将其用于脑肿瘤分割。所提方法在一个公开可用数据集上进行了验证。
引用
@article{arxiv.1905.00469,
title = {Fully Automatic Brain Tumor Segmentation using a Normalized Gaussian Bayesian Classifier and 3D Fluid Vector Flow},
author = {Tao Wang and Irene Cheng and Anup Basu},
journal= {arXiv preprint arXiv:1905.00469},
year = {2019}
}
备注
ICIP 2010