3D SLicer中图像分割与配准的具体思路
来源:互联网 发布:网络语拉仇恨什么意思 编辑:程序博客网 时间:2024/05/21 00:16
A Hierarchical Algorithm for MR Brain Image Parcellation
一、文章
下面是我读完之后的一些感想:
由于医学图像的多样性,研究人员往往是针对不同的部位进行分析处理,无法找到一个统一的处理思路,而本文的作者对于这个问题提出自己的见解。他将所有的医学图像都划归到一种处理框架中:树(Tree)。该树的结构如下所示:
也就是说将对于目标的分割划分为一层一层的处理过程,上一层的处理输出作为下一层的输入,从根节点一直处理,经过中间节点,最终到达叶节点,处理结束。
这种方式适用于所有的医学图像,一个很重要的原因是因为可以在树中嵌入先验的医学结构信息,如上图所示,对于脑部的分割可以先处理背景与头骨内腔的分割,然后对大脑分割为脑脊液、灰质、白质,具体下去还可以细分。而对于其他的生理部位,都是可以划分成有生理意义的子结构。
具体在处理每个节点是,只要单独分析该部分特征,使用合适的分割算法。文中针对大脑部位的分割使用了EM算法,该算法一直遇到但没仔细看,有时间做下总结。大致就是通过对图像各部分的EM算法分析,获得其分布参数,然后根据参数对像素进行划分,分类到不同的区域中去。由于该方法已经在Slicer中实现,我试了下效果还是很好的。
此外,算法还提出了一个影响因子的概念,树中的节点存储了分割当前部分的信息,该类信息可以在整个树中进行传播分享,但是对于不同部分的影响是不同的(细节上的话,应该是影响到了EM算法中的后验概率,不合适的使用会使得结果出现误差)。特别是对于第一层的分割,软件使用了一个已有的图谱进行配准,实现对大脑皮层与脑脊液的分割,但是这个图像对于灰质、白质等的分割帮助较小,所以要适当的减小其影响因子。
利用图像配准的分割,对于人体内部具有固定形态的部位有很大的优势,继续读下,这是后话。
二、对我的帮助
总的来说,文章的处理框架还是很直白的,我在处理肝脏分割时,同样也可以利用这种思想,在腹腔CT中含有各种器官部分,有些对于肝脏的处理需要手动指定一个ROI,比如将肝脏圈出在一个正方形中,然后对于该区域进行生长法、聚类等。而我这里就可以直接利用图谱配准定位肝脏的位置,可是同时使用相邻器官的图谱帮助配准肝脏位置。
获得肝脏之后,就可以针对于该区域提取病变区域,具体方法下次再说吧。
- 3D SLicer中图像分割与配准的具体思路
- 3D slicer的教程网站
- 基于3d slicer开发医学图像标注插件
- 3D Slicer编译 vs2008
- What is 3D Slicer?
- 3D Slicer+Qt-easy-build+VS2013
- 3D Slicer 学习笔记一
- 如何向3D Slicer (version 4)中加入CLI插件
- 使用源码编译64位的3D Slicer(综述)
- 开发中具体的加密思路
- 【3D Slicer 从零开始】(一)安装和配置
- 医学图像分割研究思路
- 遗传算法与图像的多层次分割
- opencv 的图像局部与部分分割
- 图像分割中各个指标的计算方法
- 读取DICOM图像,3D可视化,手动分割,获得特征值
- Java图像分割-思路和源代码
- 图像分割与三维重建
- 2016 数据的交换输出
- 最大公共子字符串和最长公共子序列
- ASP.NET MVC中Controller的使用Demo
- tomcat出现的PermGen Space问题
- hbase 线程处理
- 3D SLicer中图像分割与配准的具体思路
- warning: directory not found for option ' '
- 计算机网络(三)
- 枚举算法
- rsyslog的relp转发及自定义端口号问题
- 2017 字符串统计
- 《python源码剖析》笔记 pythonm内存管理机制
- python对xml文件操作小例程
- error:the kernel you are installing for is a xen kernel!