生物医学图像的多图谱分割：综述
计算机视觉与模式识别
2015-06-15 v2
摘要
多图谱分割 (MAS) 由 Rohlfing, Brandt, Menzel 和 Maurer Jr (2004)、Klein, Mensh, Ghosh, Tourville 和 Hirsch (2005) 以及 Heckemann, Hajnal, Aljabar, Rueckert 和 Hammers (2006) 的开创性工作首次引入并推广，正成为生物医学应用中最广泛使用且最成功的图像分割技术之一。通过操作和利用整个“图谱”数据集（即先前已标记的训练图像，例如由专家手动标记），而非某种基于模型的平均表示，MAS 具有更好地捕捉解剖变异的灵活性，从而提供更优越的分割精度。然而，这一优势通常伴随着高昂的计算成本。计算机硬件和图像处理软件的最新进展在应对这一挑战方面发挥了重要作用，并促进了 MAS 的广泛采用。如今，MAS 已取得长足进步，该方法包含了一系列复杂的算法，运用了来自机器学习、概率建模、优化和计算机视觉等领域的思想。本文对已发表的 MAS 算法及其在各种生物医学问题中的应用研究进行了综述。撰写本综述时，我们有三个明确的目标。我们的首要目标是记录 MAS 最初是如何构思的，后来如何演变，以及现在与替代方法的关系。其次，本文旨在成为过去十多年（2003 - 2014）MAS 研究活动的详细参考文献，其中包括新颖的方法学发展和特定应用的解决方案。最后，我们的目标还在于提出对 MAS 未来的展望，我们相信它将成为生物医学图像分割的主导方法之一。
引用
@article{arxiv.1412.3421,
title = {Multi-Atlas Segmentation of Biomedical Images: A Survey},
author = {Juan Eugenio Iglesias and Mert Rory Sabuncu},
journal= {arXiv preprint arXiv:1412.3421},
year = {2015}
}