生物医学图像中的纤维追踪:七种算法之间的客观比较
Youssef Arafat1, Cristina Cuesta-Apausa2, Esther Castellano2
1Department of Computer Science, School of Science and Technology, City St George's, University of London, London, United Kingdom.
PloS one
|April 10, 2025
概括
一个新的算法,Trace Ridges,准确地追踪生物医学纤维状结构,如血管和神经. 它在准确性上胜过现有的方法,几乎与最快的方法一样快,为生物医学图像分析提供了宝贵的工具.
科学领域:
- 生物医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 医学成像医学成像
背景情况:
- 在生物医学图像中分析延长结构对于理解血管生成和治疗效应等过程至关重要.
- 目前用于追踪血管,神经和细胞外矩阵纤维的现有方法存在局限性.
研究的目的:
- 客观地比较六种现有的方法和一种新的方法,Trace Ridges,用于在生物医学图像中追踪类似纤维的结构.
- 介绍Trace Ridges作为一个快速的,自动的算法,用于准确地划分这些结构.
主要方法:
- 边缘检测,CT火灾,尺度空间,Twombli,U-Net,基于图形和新的Trace Ridges算法的比较.
- 使用了四个不同的生物医学数据集,并使用手动基准真理划分.
- 评估了使用三个距离错误指标 (总,平均,最大) 和处理时间的算法,并选择了预处理过器 (无,高斯,DnCnn).
主要成果:
- 没有一个单一的算法在所有指标上都表现出色.
- 痕迹山脊实现了最低的总距离误差,表明了卓越的准确性.
- 痕迹展示了竞争力的处理速度,仅次于边缘检测排名第二.
结论:
- 痕迹提供了一个显著的进步,准确和高效地追踪生物医学纤维状结构.
- 该研究提供了一个全面的比较,以指导选择合适的追踪方法.
- 开发的算法和代码是公开可用的,用于研究.
