强大的无监督纹理细分用于超声波图像中的运动分析

科学领域:

• 医学成像医学成像
• 图像分析 图像分析
• 生物医学工程 生物医学工程

背景情况:

• 超声波 (US) 影像是一种具有成本效益的,便携式的,非电离的诊断工具.
• 在美国图像中分析运动需要强大的细分和对解剖结构的跟踪.
• 美国成像中的挑战包括低对比度和模糊边界,阻碍了准确的分析.

研究的目的:

• 提出灵感来自碎形维度的强大描述器,用于描述超声波图像中的灰色层次变化.
• 在具有挑战性的超声数据中开发一种准确细分和运动跟踪的方法.
• 提高医学成像中分析解剖结构和组织变形的可靠性.

主要方法:

• 引入了基于碎形维度的新型描述符,以描述局部图像灰色水平变化的特征.
• 描述符使用一个自适应的网格模式,其尺度调整到本地灰色水平的变化.
• 坚固的特征是基于灰色水平的变化来识别的,以实现一致的时间跟踪.

主要成果:

• 该方法在模拟心声回声学中实现了左心室的准确细分 (迪斯系数:).
• 它证明了在健康受试者中强大的隔膜运动跟踪 (平均距离总和:毫米).
• 这项技术准确地跟踪了脊柱形患者的隔膜运动 (根平均平方误差: mm).

结论:

• 开发的方法可以根据纹理以无监督的方式对结构进行细分.
• 它显示出分析组织变形和帮助疾病诊断的潜力.
• 该原则适用于其他医学成像模式,如MRI和CT扫描.