多项式展开配准的多图谱大脑磁共振图像分割

您当前的位置：

首页 >

文章列表页 >

光学图像处理与识别 | 更新时间：2025-09-01

- 多项式展开配准的多图谱大脑磁共振图像分割
- Segmentation of brain MRI images on multi-atlas for polynomial expansion registration
- 光学技术 2020年46卷第6期页码：734-740
- 作者机构：
  
  1:上海理工大学医疗器械与食品学院
- 作者简介：
- 基金信息：
  
  上海市自然科学基金资助项目(18ZR1426900)
- DOI：10.13741/j.cnki.11-1879/o4.2020.06.017
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
蔡文琴, 王远军. 多项式展开配准的多图谱大脑磁共振图像分割[J]. 光学技术, 2020,46(6):734-740.

Segmentation of brain MRI images on multi-atlas for polynomial expansion registration[J]. 2020, 46(6): 734-740.
蔡文琴, 王远军. 多项式展开配准的多图谱大脑磁共振图像分割[J]. 光学技术, 2020,46(6):734-740. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.017.

Segmentation of brain MRI images on multi-atlas for polynomial expansion registration[J]. 2020, 46(6): 734-740. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.017.

全脑区的自动分割对于大脑疾病的诊断和治疗具有重要的临床意义。为了提高分割准确率

提出了一种多项式展开配准的多图谱分割算法。利用线性多项式展开模型

结合仿射变换和非刚体变换将待分割的目标图像与图谱图像进行逐一的配准来获取位移场;利用归一化互信息计算二者的相似度

筛选出与目标图像相似度较高的图谱

并对图谱的标记图像进行位移场映射

得到粗分割结果;采用全局加权投票法将粗分割结果进行融合

得到最终的细分割结果。选取了35例来自MICCAI 2012 Multi-Atlas Labeling挑战和10例来自上海交通大学医学院附属第九人民医院的磁共振T1加权图像对该方法进行验证

最终全脑区的DSC值分别为0.7585和0.7351。实验结果表明

算法具有较高的大脑分割精确度和鲁棒性

有望辅助临床进行大脑相关疾病的诊断和治疗。

浏览量

123

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于3D CNN的脑胶质瘤分类算法