通过贝叶斯融合的概率形状建模和深边检测来实现有效的肌肉细分方法

科学领域:

• 医疗成像医学成像
• 生物医学工程 生物医学工程
• 计算解剖学的计算解剖学

背景情况:

• 准确的MRI对脊肌肉的细分对于定量评估腰部疼痛至关重要.
• 目前的方法在不清楚的界限和形状变化方面扎,尤其是有限的训练数据.

研究的目的:

• 开发一种用于模拟和推断副脊髓肌肉形状的新方法.
• 为了提高细分精度和效率,使用最小的训练数据.

主要方法:

• 一个概率形状模型 (PSM) 使用里埃基函数和高斯过程 (GPs) 来编码3D肌肉形状.
• 一个贝叶斯框架,将PSM前置与基于深度学习的边缘检测和稀疏的手动注释集成在一起.

主要成果:

• 实现了超过90%的子相似度系数,只有三个注释片.
• 与公共和临床数据集上的现有方法相比,表现出优越的性能.
• 需要小型训练数据集,并提供快速推断速度.

结论:

• 拟议的方法允许精确的二维和三维对脊肌肉的评估.
• 有助于更好地理解各种条件下的肌肉变化.
• 有潜力提高治疗腰部疼痛的治疗结果.