ITK中无监督分割算法的实现及其基于人脑MRI扫描的组织分类
计算机视觉与模式识别
2020-01-28 v4 分布式、并行与集群计算
摘要
组织分类是生物医学图像分析领域的重要任务之一。磁共振成像（MRI）在组织分类中尤为重要，尤其在脑组织分类方面，能够识别感兴趣的解剖区域，如手术规划、治疗监测、临床药物试验、图像配准、立体定向神经外科手术、放射治疗等。本文的任务是实现 ITK 中不同的无监督分类算法，并进行组织分类（人脑的白质、灰质、脑脊液（CSF）和背景）。为此，提供了 5 张灰度头部 MRI 扫描图像。为分类脑组织的需要，使用了三种算法：Otsu 阈值法、贝叶斯分类以及带高斯平滑的贝叶斯分类。所得分类结果在结果与讨论部分进行了分析。
引用
@article{arxiv.1902.11131,
title = {Unsupervised Segmentation Algorithms' Implementation in ITK for Tissue Classification via Human Head MRI Scans},
author = {Shadman Sakib and Md. Abu Bakr Siddique},
journal= {arXiv preprint arXiv:1902.11131},
year = {2020}
}
备注
4 Pages, 2 Tables