学习 CT 树芽征的形状与纹理特征以用于计算机辅助诊断系统
计算机视觉与模式识别
2011-06-28 v1
摘要
尽管放射科医生可以利用计算机辅助诊断（CAD）系统来表征恶性肿瘤、肺纤维化及其他慢性疾病，但用于量化传染病的成像技术设计仍然滞后。目前需要创建更多能够检测和量化呼吸道感染（如流感、细菌性肺炎或肺结核）中常见特征性模式的 CAD 系统。树芽征（TIB）就是此类模式之一，表现为增厚的支气管结构周围环绕着成簇的微小结节。由于 TIB 模式边界模糊、外观嘈杂且病灶尺寸小，其自动检测是一项具有挑战性的任务。在本文中，我们提出了两种自动检测 TIB 模式的新方法：（1）利用图像局部尺度信息快速定位候选模式，以及（2）一种基于学习到的局部形状和纹理属性的莫比乌斯不变特征提取方法。我们使用一个包含 39 例实验室确诊的病毒性细支气管炎人副流感病毒（HPIV）CT 和 21 例正常肺部 CT 的数据集，对所提出的方法进行了比较评估。实验结果表明，所提出的 CAD 系统能够实现高检测率，总体准确率达到 90.96%。
引用
@article{arxiv.1106.5186,
title = {Learning Shape and Texture Characteristics of CT Tree-in-Bud Opacities for CAD Systems},
author = {Ulas Bagci and Jianhua Yao and Jesus Caban and Anthony F. Suffredini and Tara N. Palmore and Daniel J. Mollura},
journal= {arXiv preprint arXiv:1106.5186},
year = {2011}
}
备注
7 pages, 4 figures. Published in Proc. of Medical Image Computing and Computer Assisted Interventions (MICCAI), 2011