帕金森病 DaTscan 图像的自归一化分类
图像与视频处理
2021-12-28 v1 计算机视觉与模式识别
摘要
对 SPECT 图像进行分类需要利用归一化区域对图像进行预处理的归一化步骤。归一化区域的选择并不标准,且使用不同归一化区域会引入依赖于归一化区域的可变性。本文从数学上分析归一化区域的影响,表明归一化分类精确等价于图像在乘法等价下的一半射线的子空间分离。利用该几何性质,提出了一种新的自归一化分类策略。该策略完全消除了归一化区域。该理论被用于分类来自帕金森病进展标志物倡议(PPMI)的 365 名帕金森病(PD)受试者与 208 名健康对照(HC)受试者的 DaTscan 图像。该理论也被用于理解从基线到第四年的 PD 进展。
引用
@article{arxiv.2112.13637,
title = {Self-normalized Classification of Parkinson's Disease DaTscan Images},
author = {Yuan Zhou and Hemant D. Tagare},
journal= {arXiv preprint arXiv:2112.13637},
year = {2021}
}
备注
To appear in IEEE BIBM 2021