结合种植区生长和k-最近的邻居,用于对例行采集的时空图像数据进行细分
Lukas Zerweck1,2, Stefan Wesarg3,4, Jörn Kohlhammer3,4
1Fraunhofer Institute for Translational Medicine and Pharmacology ITMP, Frankfurt am Main, 60596, Germany. lukas.zerweck@itmp.fraunhofer.de.
概括
这项研究引入了一个新的管道,用于检测和细分近红外光光学成像 (NIR-FOI) 数据中的光污染. 该方法成功地以高准确度识别污染物,有助于早期发现关节炎.
科学领域:
- 医疗成像医学成像
- 光学成像技术的成像
- 生物医学工程 生物医学工程
背景情况:
- 医学成像采集条件的目标是均性,但异常值和人工物需要可靠的检测才能进行准确的诊断.
- 特定领域的成像模式往往会在小样本大小方面带来挑战,需要强大的算法.
- 近红外光光学成像 (NIR-FOI) 产生了对于详细分析至关重要的时空数据.
研究的目的:
- 开发和验证用于检测和细分NIR-FOI数据中的光污染的管道,特别是解决小样本大小的限制.
- 通过准确识别和删除文物来提高医学图像分析的可靠性.
- 为利用NIR-FOI在早期发现关节炎等疾病的基础奠定基础.
主要方法:
- 为了在NIR-FOI中检测和细分光污染,开发了一种结合区域生长和k-最近邻居 (kNN) 的新型管道.
- 该方法处理时空数据,根据其时间组件对像素进行分类,以创建一个二维光污染地图.
- 这种方法避免了基于缩小数据的决策,确保了对整个图像堆的全面分析.
主要成果:
- 在将数据集分类为光污染或无污染时获得了0.99分.
- 在污染数据集中检测感兴趣的地区达到0.90分.
- 在所有数据集中对污染地区进行细分时获得了0.80的平均子系数.
结论:
- 开发的管道证明了在NIR-FOI中成功检测和细分光污染,尽管面积小且数据复杂,但仍取得了高分.
- 在总体目标的背景下,0.80子对细分的系数被认为是成功的.
- 这项工作是利用NIR-FOI用于手关节关节炎早期检测的关键一步.
