医学高光谱图像的基于草图的交互式分割
图像与视频处理
2024-08-07 v1 计算机视觉与模式识别
摘要
高光谱成像 (HSI) 是一种先进的医学成像模态，能够捕获宽光谱范围内的光学数据，为组织的生物化学组成提供新视角。HSI 可能实现对 various tissue types 和 pathology 的精确区分，特别适用于肿瘤检测、组织分类和疾病诊断。深度学习基于分割的方法在准确性方面取得了显著进展，提供了自动化和准确的结果。然而，这些方法在 HSI 数据集上面临数据标注有限且受硬件和获取技术影响~\cite{clancy2020surgical,studier2023heiporspectral}的挑战。临床协议的变异性也导致结构边界定义不同。交互式分割方法利用用户知识和临床见解，可克服这些问题，实现精确的分割结果 \cite{zhao2013overview}。本工作引入了一个用于医学高光谱图像的草图驱动的交互式分割框架。该方法利用深度学习进行特征提取，并生成基于用户提供的草图的测地线距离图以获得分割结果。实验结果表明，利用基于深度学习提取特征的测地线距离图，其分割结果优于直接从高光谱图像、重建的 RGB 图像或欧几里得距离图生成的测地线距离图。
引用
@article{arxiv.2408.02708,
title = {Scribble-Based Interactive Segmentation of Medical Hyperspectral Images},
author = {Zhonghao Wang and Junwen Wang and Charlie Budd and Oscar MacCormac and Jonathan Shapey and Tom Vercauteren},
journal= {arXiv preprint arXiv:2408.02708},
year = {2024}
}