基于张量的分级：一种用于亨廷顿病形变场分析的新型基于块的分级方法
图像与视频处理
2020-01-24 v1 计算机视觉与模式识别
摘要
磁共振成像的进步催生了大量技术，以更好地检测神经退行性疾病引起的结构改变。其中，基于块的分级框架被提出用于建模解剖改变的局部模式。该方法因计算成本低且性能具竞争力而引人注目。其他研究提出使用基于张量的形态测量分析脑结构的形变，这是一种高度可解释的方法。本工作中，我们提出结合这两种方法的优势，通过一种新的基于张量的分级方法扩展基于块的分级框架，使我们能用对数欧氏度量建模局部形变模式。我们在针对前驱期亨廷顿病患者与健康对照的壳核分类研究中评估了新方法。实验显示，与现有基于块的分级方法相比分类准确率显著提升（87.5 ± 0.5 对比 81.3 ± 0.6），且与壳核体积（亨廷顿病研究的主要影像标记）良好互补。
引用
@article{arxiv.2001.08651,
title = {Tensor-Based Grading: A Novel Patch-Based Grading Approach for the Analysis of Deformation Fields in Huntington's Disease},
author = {Kilian Hett and Hans Johnson and Pierrick Coupé and Jane Paulsen and Jeffrey Long and Ipek Oguz},
journal= {arXiv preprint arXiv:2001.08651},
year = {2020}
}