基于动态模态分解的功能性分割：DCE-MRI图像中肾功能的自动量化
图像与视频处理
2019-05-27 v1 计算机视觉与模式识别
摘要
在动态对比增强磁共振成像（DCE-MRI）中量化肾功能，需要对肾脏感兴趣区域（ROI）进行细致分割。传统上，需要人工专家在动态序列的多幅图像中手动勾画肾脏ROI。这种方法成本高、耗时长且劳动密集，因此限制了患者通量，并成为限制DCR-MRI在临床实践中更广泛应用的因素之一。为此，我们提出首次将动态模态分解（DMD）作为动态序列自动分割的基础，此处即DCE-MRI中的肾脏ROI。将DMD与阈值化及连通分量分析相结合的方法，首先在具有已知真值的合成生成数据上验证，然后应用于十名健康志愿者的DCE-MRI数据集。我们发现，所提DMD框架获得的分割结果与专家观察者相当，且显著优于先验边界框分割。我们的结果给出平均Jaccard系数为0.87，而三次独立人工标注的平均得分分别为0.85、0.88和0.87。这代表了首次将DMD用作无需任何人工干预的鲁棒自动数据驱动分割方法。这是当前DCE-MRI中肾功能隔离人工方法的一种可行且高效的替代方案。
引用
@article{arxiv.1905.10218,
title = {Functional Segmentation through Dynamic Mode Decomposition: Automatic Quantification of Kidney Function in DCE-MRI Images},
author = {Santosh Tirunagari and Norman Poh and Kevin Wells and Miroslaw Bober and Isky Gorden and David Windridge},
journal= {arXiv preprint arXiv:1905.10218},
year = {2019}
}