融合多源图像的心肌分割多元混合模型
计算机视觉与模式识别
2021-07-20 v1
摘要
本文提出一种利用多元混合模型（MvMM）与对数似然（LL）最大值框架对多源图像进行同步分割的方法。分割是一种纹理分类过程，MvMM 用于建模图像的联合强度分布。具体地，该方法应用于心肌分割，融合了来自多序列（MS）心脏磁共振（CMR）图像的互补纹理信息。此外，MS CMR 图像中存在图像间配准错误与图像内切片错位。因此，将 MvMM 与变换结合表述，这些变换嵌入 LL 框架并与分割参数同时优化。所提方法能够通过将 MS CMR 的每个切片配准到虚拟公共空间来校正图像间与图像内错位，并描绘由病变构成的心肌的难以区分的边界。结果表明，相较于仅能单独分割各图像的传统方法，所提方法的分割性能有统计显著性提升。该方法在不一致数据中也展现出更好的鲁棒性，其中某些图像可能未完全覆盖感兴趣区域，而完整覆盖只能结合多源图像重建得到。
引用
@article{arxiv.1612.08820,
title = {Multivariate mixture model for myocardium segmentation combining multi-source images},
author = {Xiahai Zhuang},
journal= {arXiv preprint arXiv:1612.08820},
year = {2021}
}