基于体积随机建模的超声纹理异质性量化用于组织表征
计算机视觉与模式识别
2016-01-15 v1
摘要
图像纹理中的强度变化能够提供关于生物组织物理属性的有力定量信息。然而，组织模式会随所用成像系统而变化，且本质上与分析尺度相关。在超声情况下，Nakagami分布是各种散射条件和密度下超声背散射包络的通用模型，可用于表征图像纹理，但鉴于该模型仅在单一空间尺度上工作，难以捕捉给定肿块内细微的内部异质性。本文提出一种局部自适应的3D多分辨率基于Nakagami的分形特征描述符，将基于Nakagami的纹理分析扩展至适应体积扫描中细微的散斑空间频率组织强度变化。从基于体素晶格生成的形状和尺度Nakagami参数中，在不同空间分辨率下从体积块提取对仿射强度变化不变的局部纹理分形描述符。使用超声射频数据集，我们发现在对生成的Nakagami体素应用自适应分形分解标签转移方法后，组织表征结果优于现有最佳方法。在真实3D超声临床前和临床数据集上的实验结果表明，通过该描述符描述肿瘤内部异质性有助于改进治疗反应预测与疾病表征。
引用
@article{arxiv.1601.03531,
title = {Quantification of Ultrasonic Texture heterogeneity via Volumetric Stochastic Modeling for Tissue Characterization},
author = {O. S. Al-Kadi and Daniel Y. F. Chung and Robert C. Carlisle and Constantin C. Coussios and J. Alison Noble},
journal= {arXiv preprint arXiv:1601.03531},
year = {2016}
}
备注
Supplementary data associated with this article can be found, in the online version, at http://dx.doi.org/10.1016/j.media.2014.12. 004