具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。

VIP专享 2021-04-16 01:37:28 1.39MB PDF
10
收藏 收藏
举报

方法:简单的阈值和统计方法无法充分分割GBM的各个要素,例如局部对比增强,坏死和水肿。 大多数基于体素的方法无法在较大的数据集中获得令人满意的结果,并且基于生成或区分模型的方法在应用过程中存在固有的局限性,例如小样本集的学习和转移。 开发了一种新方法来克服这些挑战。 多模态MR图像使用算法来分割成超像素,以减轻采样问题并提高样品的代表性。 接下来,使用多级Gabor小波滤波器从超像素中提取特征。 基于这些特征,对肿瘤的支持向量机(SVM)模型和亲和力度量模型进行了训练,以克服以前的生成模型的局限性。 基于支持向量机和空间亲和力模型的输出,在我们的亲和力模型定义了平滑度的前提下,应用条件随机场理论以最大的后验方式分割肿瘤。 最后,使用“结构知识”消除了标记噪声,例如肿瘤在空间域的对称性和连续性...结果。该系统使用20个GBM病例和BraTS挑战数据集进行了评估。 计算骰子系数,其结果与Zikic等人报道的结果高度一致。 (MICCAI 2012,计算机科学讲座笔记,第7512卷,第369–376页,2012年)...结论..使用模型感知亲和力的脑肿瘤分割方法证明了其与其他最新算法的可比性。

...展开详情
试读 13P 具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。
立即下载
限时抽奖 低至0.43元/次
身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。 (VIP专享) VIP下载
1/13
具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。第1页
具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。第2页
具有像素对亲和力和超像素级特征的CRF(条件随机场)框架中的脑肿瘤检测和分割。第3页

试读结束, 可继续读1页

(VIP专享) VIP下载