面向大尺度三维体数据分割的几何主动学习

分割，即将体数据划分为若干组成部分，自此类数据能够生成以来便是许多图像处理应用中的关键任务。当今大多数现有应用，特别是 CNNs，利用体素级分类系统，其需要在大量带标注的训练体数据上训练。然而，在许多实际应用中，此类数据集很少可得，且标注的生成耗时且繁琐。在本文中，我们提出一种基于几何特征主动学习的新型体素级分割方法。我们的方法利用交互提供的种子点，完全基于局部信息训练体素级分类器。领域知识的即时引入与局部处理的结合，产生了一种灵活而高效的分割方法，可应用于无尺寸限制的三维体数据。我们通过对选定的计算机断层扫描（CT）图像应用该方法，对不同领域、不同尺寸的扫描执行不同的分割任务，来展示我们方法的潜力与灵活性。