浏览全部资源
扫码关注微信
1:上海理工大学健康科学与工程学院
纸质出版:2022
移动端阅览
李进, 王远军. 基于多图谱配准的三维胰腺CT图像分割[J]. 光学技术, 2022,48(3):350-356.
Segmentation of 3D pancreatic CT image based on multi-atlas registration[J]. 2022, 48(3): 350-356.
李进, 王远军. 基于多图谱配准的三维胰腺CT图像分割[J]. 光学技术, 2022,48(3):350-356. DOI: 10.13741/j.cnki.11-1879/o4.2022.03.017.
Segmentation of 3D pancreatic CT image based on multi-atlas registration[J]. 2022, 48(3): 350-356. DOI: 10.13741/j.cnki.11-1879/o4.2022.03.017.
胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官,目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题,采用了基于多图谱配准的分割算法对胰腺进行分割,优化了一种局部动态阈值的后处理方法。在标签融合阶段,采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段,采用局部动态阈值处理方法,首先通过初步分割结果对目标图像提取目标区域,然后自动确定阈值实现该区域的二值化,最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割,最终得到的DSC分别为79.98%和81.30%。实验结果表明,所提方法实现了对胰腺的有效分割。
胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官,目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题,采用了基于多图谱配准的分割算法对胰腺进行分割,优化了一种局部动态阈值的后处理方法。在标签融合阶段,采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段,采用局部动态阈值处理方法,首先通过初步分割结果对目标图像提取目标区域,然后自动确定阈值实现该区域的二值化,最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割,最终得到的DSC分别为79.98%和81.30%。实验结果表明,所提方法实现了对胰腺的有效分割。
0
浏览量
197
下载量
1
CSCD
关联资源
相关文章
相关作者
相关机构