基于回归森林图集定位与方向特异性图集生成的胰腺分割
计算机视觉与模式识别
2020-05-08 v1
摘要
本文提出一种基于图集的从CT体数据全自动胰腺分割方法，利用回归森林进行图集定位，并借助血管信息生成图集。既往基于概率图集的胰腺分割方法难以很好地处理胰腺中常见的空间变异，且平均图集无法表征形状变异。我们提出一种全自动胰腺分割方法，处理上述两类变异。胰腺的位置与尺寸由回归森林技术估计。定位后，基于一种反映胰腺周围血管位置与方向信息的新的图像相似性，生成患者特异性概率图集。我们以该图集为先验，使用EM算法结合图割进行分割。在147个CT体数据的评估结果中，本方法的Jaccard指数与Dice重叠率分别为62.1%与75.1%。尽管我们将所有分割过程自动化，分割结果在Dice重叠率上优于其他SOTA方法。
引用
@article{arxiv.2005.03345,
title = {Regression Forest-Based Atlas Localization and Direction Specific Atlas Generation for Pancreas Segmentation},
author = {Masahiro Oda and Natsuki Shimizu and Ken'ichi Karasawa and Yukitaka Nimura and Takayuki Kitasaka and Kazunari Misawa and Michitaka Fujiwara and Daniel Rueckert and Kensaku Mori},
journal= {arXiv preprint arXiv:2005.03345},
year = {2020}
}
备注
Accepted paper as a poster presentation at MICCAI 2016 (International Conference on Medical Image Computing and Computer-Assisted Intervention), Athens, Greece