形状感知的自动感兴趣区域细分
图像与视频处理
2022-12-20 v1 计算机视觉与模式识别
摘要
在广泛领域中，图像分析涉及定义区域并测量其固有属性。此类测量包括区域表面积、曲率、体积、平均灰度及/或颜色标度等。此外，有时还会对这些区域进行进一步细分。这些细分随后被用于以更精细尺度测量局部信息。然而，通常采用简单网格化或手动编辑方法将区域细分为更小单元。因此，所得细分要么不能很好反映所研究区域的真实形状或属性（即网格化方法），要么耗时且基于用户主观性（即手动方法）。本文讨论的方法基于区域总体形状信息提取细分单元。我们展示了将该方法应用于心肌壁嵌套感兴趣区域的医学图像分析的结果，其中细分用于研究心肌灌注的时间及/或空间异质性。当区域内无需借助可变强度或其他准则来分离特定区域为子单元时，该方法对于创建细分感兴趣区域（SROIs）尤为有用。
引用
@article{arxiv.2212.08810,
title = {Shape Aware Automatic Region-of-Interest Subdivisions},
author = {Timothy L. Kline},
journal= {arXiv preprint arXiv:2212.08810},
year = {2022}
}