AS2LS:适应性解剖结构为基础的两层水平集框架,用于医疗图像细分

科学领域:

• 医学图像分析 医学图像分析
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 由于复杂的结构,强度变化,噪音和模糊的边缘,医疗图像细分具有挑战性.
• 现有的细分算法提供了改进,但在处理复杂的医学图像方面仍然存在局限性.
• 准确的细分对于诊断,治疗计划和疾病监测至关重要.

研究的目的:

• 为增强医疗图像细分提出一种基于自适应性解剖结构的新型两层级设置框架 (AS2LS).
• 为了提高具有同心结构的器官的细分精度,例如左心室和 fundus.
• 为了应对不均的强度,模糊的界限和周围器官干扰所带来的挑战.

主要方法:

• 基于自适应性解剖结构的双层水平集框架 (AS2LS) 的开发.
• 利用区域和边缘强度信息的适应性拟合进行细分.
• 介绍了基于解剖结构的新两层水平集表示和两阶段水平集演化算法.

主要成果:

• AS2LS框架在细分复杂的医疗图像方面取得了高准确性.
• 在具有同心结构的分段器官中表现出卓越的性能,包括左心室和 fundus.
• 实验结果显示,AS2LS的表现优于代表性水平集和深度学习方法.

结论:

• 拟议的AS2LS框架在医疗图像细分精度方面取得了重大进展.
• AS2LS有效地处理具有挑战性的图像特征,如强度,不均性和模糊边界.
• 这种方法为具有复杂解剖结构的器官进行细分提供了强大的解决方案.