改进3D边缘检测,用于MRI同登录和对齐的视觉检查

科学领域:

• 神经成像是一种神经成像.
• 医学图像分析 医学图像分析
• 计算神经科学是一种神经科学.

背景情况:

• 边缘可视化对于神经成像质量保证至关重要,特别是在自动图像对齐方面.
• 当前神经成像中的边缘检测方法 (FSL,AFNI) 依赖于图像强度,这通常是相对的和不可靠的.
• 现有的方法可能会产生断开的边缘,妨碍图像之间的准确对应.

研究的目的:

• 引入一个强大的边缘检测方法用于神经成像.
• 解决依赖强度的边缘检测技术的局限性.
• 提高神经成像中的边缘图的可靠性和连续性.

主要方法:

• 使用第二导数 (高斯差异,DoG) 进行边缘检测.
• 根据图像大小调整该方法,这是神经成像中已知的参数,而不是相对强度.
• 在已有的神经成像软件包 (AFNI,FSL) 中实施DoG方法.

主要成果:

• 高斯方法的区别在于,它在各种神经成像模式中提供了强大的边缘检测.
• 由DoG生成的边缘轮始终形成封闭的表面.
• 这种方法克服了基于强度的调整的不可靠性和断开边缘的问题.

结论:

• 第二个导数 (DoG) 是一种非常适合神经成像边缘检测的方法.
• 与现有方法相比,DoG方法提供了更好的可靠性和连续性.
• 为了更广泛的可访问性,DoG方法现在可以在AFNI和FSL软件包中使用.