基于等价检验的分层分割（HiSET）：在 DCE 图像序列中的应用

Fuchen Liu; Charles-André Cuénod; Isabelle Thomassin-Naggara; Stéphane Chemouny; Yves Rozenholc

基于等价检验的分层分割（HiSET）：在 DCE 图像序列中的应用

图像与视频处理 2018-10-09 v1 应用统计

作者: Fuchen Liu , Charles-André Cuénod , Isabelle Thomassin-Naggara , Stéphane Chemouny , Yves Rozenholc

摘要

动态对比增强（DCE）成像可非侵入性地获取组织微血管信息，其作为一种有前景的工具，可用于构建癌症诊断、预后或抗血管生成治疗监测的影像生物标志物。然而，DCE 图像序列的定量分析受低信噪比（SNR）影响。当某一区域在功能上均质时，可通过在较大感兴趣区域内平均功能信息来提高 SNR。我们提出一种将 DCE 图像序列自动分割为功能均质区域的新方法，称为 DCE-HiSET。DCE-HiSET 采用依赖于一个参数 a 且事后证明合理的观测模型，是一种分层聚类算法。它以多重等价检验的 p 值为相异度度量，并包含两步。第一步利用空间邻域结构降低复杂度并借助解剖特征的规则性，第二步在更大（全局）尺度上恢复（空间上）不相连的均质结构。给定多重等价检验的最小期望均质性差异，两步均通过控制第一类错误自动停止，从而为聚类数目提供自适应选择。假设 DCE 图像序列在功能上分段恒定且各段信号充分分离，我们证明只要序列中图像数量足够大，DCE-HiSET 将以高概率恢复精确分割。最小期望均质性差异作为控制分割大小的调谐参数出现。DCE-HiSET 已用 C++ 实现于 2D 和 3D 图像序列，速度具竞争力。关键词：DCE 成像，自动聚类，分层分割，等价检验

关键词

DCE 成像自动聚类分层分割等价检验功能均质性信噪比

引用

@article{arxiv.1810.03586,
  title  = {Hierarchical segmentation using equivalence test (HiSET): Application to DCE image sequences},
  author = {Fuchen Liu and Charles-André Cuénod and Isabelle Thomassin-Naggara and Stéphane Chemouny and Yves Rozenholc},
  journal= {arXiv preprint arXiv:1810.03586},
  year   = {2018}
}

备注

58 pages

基于等价检验的分层分割（HiSET）：在 DCE 图像序列中的应用

摘要

关键词

引用

备注

相关论文