基于像素位移和多视图的CT图像中的开放区域细分,适用于和下部区域
Tiange Liu1,2, Yajie Wang2, Drew A Torigian3
1School of Intelligence Science and Technology, University of Science and Technology Beijing, Beijing, China.
Medical physics
|December 13, 2025
概括
本研究介绍了一种灵感来自光流的算法,用于在医学图像中对具有挑战性的开放区域进行细分. 该方法通过分析像素位移和多视图信息来提高准确性,优于现有技术.
科学领域:
- 医疗成像医学成像
- 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:
- 由于界限不明,开放区域的医学图像细分具有挑战性.
- 现有的方法与开放区域细分的模糊性作斗争.
研究的目的:
- 开发一种新的算法,用于医疗图像中的开放区域的准确细分.
- 为了提高对解剖学复杂区域的细分的可靠性.
主要方法:
- 一个2.5D卷积神经网络 (CNN) 框架,利用光流原理.
- 集成多视图网络和像素位移跟踪,以增强细分.
- 利用相邻切片之间的强度变化来进行动态区域分析.
主要成果:
- 达到了90.25% (股) 和80.43% (下部) 的子系数.
- 超越了最先进的方法,分别超过1.32%和1.85%.
- 除研究证实了多通道合并和像素位移策略的有效性.
结论:
- 该算法通过分析像素强度变化和位移来有效地细分开放区域.
- 像素位移信息和多道策略在具有挑战性的领域提高了准确性和稳定性.
- 拟议的方法在细分解剖学上复杂的开放区域方面取得了重大进展.


