融合半监督标签传播与随机森林的多图谱海马体分割
计算机视觉与模式识别
2018-01-03 v1
摘要
本文提出一种新颖的基于多图谱的图像分割方法，在基于模式识别的标签融合框架中融合半监督标签传播方法与有监督随机森林方法。该半监督标签传播方法考虑了待分割图像的局部与全局图像外观，并通过传播由有监督随机森林方法获得的可靠分割结果来分割图像。具体而言，随机森林方法用于基于图谱图像的图像块为待分割图像的每个体素训练回归模型。该回归模型用于获得可靠的分割结果以引导标签传播进行分割。所提方法已与最先进的基于多图谱的图像分割方法在MR图像中海马体分割任务上进行比较。实验结果表明，我们的方法获得了更优的分割性能。
引用
@article{arxiv.1801.00223,
title = {Integrating semi-supervised label propagation and random forests for multi-atlas based hippocampus segmentation},
author = {Qiang Zheng and Yong Fan},
journal= {arXiv preprint arXiv:1801.00223},
year = {2018}
}
备注
Accepted paper in IEEE International Symposium on Biomedical Imaging (ISBI), 2018