×

使用鲁棒瑞利分布分解快速分割超声图像。 (英语) Zbl 1242.68347号

摘要:人体心脏超声成像中左心室的分割将为评价心功能提供重要的临床参数,包括容积卒中或射血分数和室壁运动跟踪。我们提出了一种快速分割方法,以减少繁琐的手动操作,并方便地为用户提供稳健稳定的心脏量化。该方法使用预定的瑞利分布参数提供了一种非常简单的能量泛函形式,因此在轮廓上具有某些形状约束的相应最速下降法仍然能够快速分割。我们给出了二维超声心动图数据的几个实验结果,以验证该模型的性能。实验表明,当目标边界的一部分被严重破坏时,所提出的模型特别有用。

MSC公司:

68T45型 机器视觉和场景理解
92 C55 生物医学成像和信号处理
68单位10 图像处理的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 米什拉,A。;Dutta,P.K。;Ghosh,M.K.,基于遗传算法的超声心动图图像序列左心室边界检测方法,图像和视觉计算,21967-976(2003)
[2] 米格诺特,M。;Meunier,J.,《基于动态轮廓的边界检测问题的多尺度优化方法》,《计算机医学成像与制图》,25,3,265-275(2001)
[3] 米格诺特,M。;Meunier,J。;Tardif,J.-C.,使用可变形模板和马尔可夫随机场的超声心动图图像中的心内膜边界估计和跟踪,模式分析和应用,4,4,256-271(2001)·Zbl 0985.68690号
[4] Yan,J.Y。;庄,T.,将改进的快速行进法应用于超声心动图图像中的心内膜边界检测,模式识别快报,24,15,2777-2784(2003)
[5] Lin,N。;Yu,W.C。;Duncan,J.S.,超声心动图图像分割的组合多尺度水平集框架,医学图像分析,7,4,529-537(2003)
[6] Belaid,A。;Boukerroui,D。;主地,Y。;Lerallut,J.,超声图像的基于相位的水平集分割,IEEE生物医学信息技术汇刊,15,1,138-147(2011)
[7] Ahn,C.Y。;Jung,Y.M。;Kwon,O.I。;Seo,J.K.,超声图像中闭合轮廓分割的正则化技术,IEEE超声波铁电和频率控制汇刊,58,8,1577-1589(2011)
[8] Kass,M。;Witkin,A。;Terzopoulos,D.,Snake:活动轮廓模型,国际计算机视觉杂志,1321-331(1987)
[9] Boukerroui,D。;巴斯科特,A。;Noble,J.A。;Basset,O.,《超声图像分割——基于全局和局部统计的多分辨率二维和三维算法》,《模式识别快报》,24,4-5,779-790(2003)
[10] 肖国富(Xiao,G.F.)。;布雷迪,M。;Noble,J.A。;Zhang,Y.Y.,带强度不均匀校正的超声B型图像分割,IEEE医学成像学报,21,1,48-57(2002)
[11] Sarti,A。;科尔西,C。;Mazzini,E。;Lamberti,C.,《瑞利分布超声图像的最大似然分割》,IEEE《超声波铁电和频率控制学报》,52,6,947-960(2005)
[12] 刘,B。;Cheng,H.D。;黄,J。;田,J。;唐,X。;Liu,J.,基于概率密度差的主动轮廓超声图像分割,模式识别,432028-2042(2010)·Zbl 1191.68588号
[13] 陈,Y。;Tagare,H.D。;Thiruvenkadam,S。;黄,F。;Wilson,D。;Gopinath,K.S。;布里格斯,R.W。;Geiser,E.A.,在变分框架中使用几何活动轮廓中的先验形状,国际计算机视觉杂志,50,3,315-328(2002)·Zbl 1012.68787号
[14] 陈,Y。;黄,F。;Tagare,H.D。;Rao,M。;Wilson,D。;Geiser,E.A.,带先验信息的医学图像分割耦合最小化问题,国际计算机视觉杂志,71,3,259-272(2007)
[15] 克林格勒,J.W.J。;沃恩,C.L。;Fraker,T.J。;Andrews,L.T.,使用数学形态学对超声心动图图像进行分割,IEEE生物医学工程汇刊,35,11925-934(1988)
[16] Rekeczky,C。;A.塔希。;维格,Z。;Roska,T.,基于CNN的超声心动图时空非线性滤波和心内膜边界检测,国际电路理论与应用杂志,27,1,171-207(1999)
[17] 粘合剂T。;苏斯纳,M。;Moertl,D。;Strohmer,H。;Baumgartner,T。;Maurer,G。;Porenta,G.,用于超声心动图上自动心内膜轮廓检测的人工神经网络和时空轮廓链接:测定左心室收缩功能的新方法,医学与生物学超声,25,7,1069-1076(1999)
[18] 穆里诺,V。;Trucco,A。;Regazzoni,C.S.,水下声学图像耦合重建和恢复的概率方法,IEEE模式分析和机器智能汇刊,20,1,9-22(1998)
[19] Noble,J.A。;Boukerroui,D.,超声图像分割:一项调查,IEEE医学成像学报,25,8,987-1010(2006)
[20] 卡塞勒斯,V。;Kimmel,R。;Sapiro,G.,测地活动轮廓,国际计算机视觉杂志,22,1,61-79(1997)·Zbl 0894.68131号
[21] Chan,T.F。;Vese,L.A.,《无边缘活动轮廓》,IEEE图像处理汇刊,10,2,266-277(2001)·Zbl 1039.68779号
[22] 瓦格纳,R.F。;史密斯,S.W。;施德里克,J.M。;Lopez,H.,超声B扫描中斑点的统计,IEEE超声与超声学报,30,3,156-163(1983)
[23] Insana,M.F。;瓦格纳,R.F。;加拉,B.S。;Brown,D.G。;Shawker,T.H.,通过广义Rician统计分析超声图像纹理,光学工程,25,6,743-748(1986)
[24] Shanker,P.M。;里德·J·M。;奥尔特加,H。;Piccoli,C.W。;Goldberg,B.B.,《非瑞利统计在乳腺B超肿瘤识别中的应用》,IEEE医学成像学报,12,4,687-692(1993)
[25] Jakeman,E.,K分布噪声,《光学杂志A:纯光学和应用光学》,1784-789(1999)
[26] Dutt,V.公司。;Greenleaf,J.,使用零差K分布信号模型进行超声回波包络分析,超声成像,16,4,265-287(1994)
[27] T.Eltoft,斑点:建模和滤波,摘自:挪威信号处理研讨会,挪威卑尔根,2003年10月2日至3日。;T.Eltoft,斑点:建模和滤波,2003年10月2-3日,挪威卑尔根,挪威信号处理研讨会。
[28] Shanker,P.M.,组织超声后向散射的通用静态模型,IEEE超声波铁电学和频率控制汇刊,47,3,727-736(2000)
[29] 卡普兰,D。;Ma,Q.,关于对数压缩瑞利信号的统计特性:理论公式和实验结果,美国声学学会杂志,95,3,1396-1400(1994)
[30] 杜特,V。;Greenleaf,J.,对数压缩回波包络的统计,美国声学学会杂志,99,6,3817-3825(1996)
[31] 斯拉堡,G。;乌纳尔,G。;威尔斯,M。;Fang,T。;Rao,B.,基于统计区域的超声图像分割,医学和生物学中的超声,35,5,781-795(2009)
[32] 布鲁塞尔,E。;Korte,C.L。;Mastik,F。;沙尔,J。;Steen,A.F.,冠状动脉内超声成像中的全自动管腔轮廓分割——一种统计方法,IEEE医学成像汇刊,23,5,554-566(2004)
[33] Ni,K。;布雷松,X。;Chan,T。;Esedoglu,S.,使用Wasserstein距离进行基于局部直方图的分割,《国际计算机视觉杂志》,84,1,97-111(2009)
[34] Hansegard,J。;乌尔海姆,S。;伦德,K。;马尔姆,S。;Rabben,S.I.,通过实时三维超声心动图对左心室容积和射血分数进行半自动量化,心血管超声,7-18(2009)
[35] Koh,Y.S.,根据高血压、糖尿病和慢性肾衰竭等各种疾病机制比较左心室肥厚、纤维化和功能障碍,心血管超声杂志,17,4,127-132(2009)
[36] Nocedal,J。;Wright,S.J.,数值优化(2006),Springer:Springer New York·Zbl 1104.65059号
[37] T.Plappert,M.Sutton,《超声心动图仪指南》,Informa Healthcare,2006年。;T.Plappert,M.Sutton,《超声心动图仪指南》,Informa Healthcare,2006年。
[38] Udupa,J.K。;勒布朗,V.R。;诸葛,Y。;伊米林斯卡,C。;施密特,H。;柯里·L·M。;赫希,B.E。;Woodburn,J.,《评估图像分割算法的框架》,《计算机化医学成像和图形》,30,75-87(2006)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。