文献

J-GLOBAL ID：201702258165858247   整理番号：17A0159052

マルチスケールフィルタと統計的混合モデルに基づく一般的血管セグメンテーション法を提案した。【JST・京大機械翻訳】

A Universal Vessel Segmentation Method Based on Multi-Scale Filtering and Statistical Mixture Model

著者 (4件)： Lu Pei (Institute of Biomedical and Health Engineering,Shenzhen Institutes of Advanced Technology,Chinese Academy of Sciences) ,  Wang Lei (Institute of Biomedical and Health Engineering,Shenzhen Institutes of Advanced Technology,Chinese Academy of Sciences) ,  Li Zhicheng (Institute of Biomedical and Health Engineering,Shenzhen Institutes of Advanced Technology,Chinese Academy of Sciences) ,  Zhou Shoujun (Institute of Biomedical and Health Engineering,Shenzhen Institutes of Advanced Technology,Chinese Academy of Sciences)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 35  号： 5  ページ： 519-525  発行年： 2016年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 血管の正確な抽出と定位は心脳血管介入手術を実現する手がかりである。マルチスケールフィルタリングアルゴリズムは血管標的を増強し,同時に背景雑音を抑制するが,血管を画像背景から区別することはない。統計学に基づくセグメンテーションアルゴリズムは,ヒストグラムを適合させることによって血管の分類を実現するが,混合モデルを調整することによって特定の画像ヒストグラムをフィッティングする必要がある。上記の問題を克服するために,固定モデルを有する一般的な血管分割法を提案した。まず,マルチスケールフィルタを用いて画像前処理を行う。次に,フィルタリング後のデータのヒストグラム曲線に対して,3つの確率分布関数(1つのガウスと2つの指数)からなる混合モデルを用いてフィッティングを行った。期待値最大化アルゴリズムは混合モデルパラメータの推定に使用される。最後に,最大事後確率分類アルゴリズムにより血管を分離した。上記の方法の有効性を検証するために,シミュレーション(PHANTOM)データ,磁気共鳴血管造影(MAR)データおよびコンピュータ断層撮影血管造影(CTA)データを用いて,実験を行った。シミュレーション結果は,提案した方法が,シミュレーションデータにおいて0.3%未満の分割誤差を持ち,異なるモードの血管画像に対して良好なセグメンテーション効果とロバスト性を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  統計学 ,  フィルタリング ,  ロバスト性 ,  パラメータ推定 ,  ヒストグラム ,  *血管 ,  MRアンギオグラフィー ,  分割法 ,  画像
準シソーラス用語： CT血管造影 ,  最大事後確率 ,  EMアルゴリズム ,  背景雑音 ,  *混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： vessel segmentation ,  multi-scale filtering ,  mixture model ,  multi-modality images

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 統計 ,  混合モデル ,  血管セグメンテーション ,  提案