统计学及其接口
第12卷（2019年）
数字2
多模式MRI中多发性硬化病变检测的综合分类模型
页：193 – 202
内政部：https://dx.doi.org/10.4310/SII.2019.v12.n2.a1
作者
张凤清（Zoe）（美国宾夕法尼亚州费城德雷塞尔大学心理学系）
Ji-Ping Wang（美国伊利诺伊州埃文斯顿西北大学统计系）
姜文新（美国伊利诺伊州埃文斯顿西北大学统计系）
摘要
我们研究了三维脑磁共振（MR）图像中多发性硬化（MS）病变的分类问题。MS病变的分割对于MS诊断、疾病进展评估和疗效评估至关重要。由于病变位置、大小和形状的可变性以及受试者之间的解剖变异性，在MR图像中准确识别MS病变具有挑战性。我们提出了一种用于分割MS病灶的监督分类算法，该算法在贝叶斯框架中集成了来自多个MRI模式的强度信息、纹理信息和空间信息。采用多项式logistic回归，结合三种MRI模式，从强度信息中学习后验概率分布。纹理特征由弹性网模型选择。然后使用马尔可夫随机场先验知识合并空间信息。最后，利用图割算法获得最大后验分割。我们使用合成的BrainWeb数据和临床神经成像数据说明了我们提出的病变分割模型的有效性。
关键词
监督分类算法、多发性硬化、分割、多模式MRI
2010年数学学科分类
初级62H30。次要62H35。
收到日期：2018年4月3日
2019年3月11日出版
