基于形状模型引导随机森林的造影超声心动图心肌分割
计算机视觉与模式识别
2018-06-21 v1
摘要
使用微泡造影剂的心肌造影超声心动图（MCE）可实现心肌灌注定量，这对于冠状动脉疾病的早期检测极具价值。在本文中，我们提出了一种称为形状模型引导随机森林（SMRF）的新分割方法用于 MCE 数据分析。所提方法利用心肌的统计形状模型以两种方式引导随机森林（RF）分割。首先，我们引入一种新颖的形状模型（SM）特征，其捕获心肌的全局结构与形状以产生更精确的 RF 概率图。其次，将形状模型拟合到 RF 概率图以进一步细化并将最终分割约束为合理的心肌形状。在来自 15 名患者的临床 MCE 图像上评估，我们的方法取得了有前景的结果（Dice=0.81，Jaccard=0.70，MAD=1.68 mm，HD=6.53 mm），并显示出相较经典 RF 及其变体在分割精度上的显著提升。
引用
@article{arxiv.1806.07490,
title = {Myocardial Segmentation of Contrast Echocardiograms Using Random Forests Guided by Shape Model},
author = {Yuanwei Li and Chin Pang Ho and Navtej Chahal and Roxy Senior and Meng-Xing Tang},
journal= {arXiv preprint arXiv:1806.07490},
year = {2018}
}
备注
8 pages, 2 figures, accepted for MICCAI 2016