文献

J-GLOBAL ID：201702270895431945   整理番号：17A1388651

ShapeCut形状駆動グラフを用いたベイズ表面推定【Powered by NICT】

ShapeCut: Bayesian surface estimation using shape-driven graph

著者 (4件)： Veni Gopalkrishna (Scientific Computing and Imaging (SCI) Institute, University of Utah, Salt Lake City, UT, USA) ,  Elhabian Shireen Y. (Scientific Computing and Imaging (SCI) Institute, University of Utah, Salt Lake City, UT, USA) ,  Elhabian Shireen Y. (Faculty of Computers and Information, Cairo University, Egypt) ,  Whitaker Ross T. (Scientific Computing and Imaging (SCI) Institute, University of Utah, Salt Lake City, UT, USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 40  ページ： 11-29  発行年： 2017年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 様々な医用画像セグメンテーション問題は高い変動性を持つ重要な技術的挑戦,不均一ピクセル強度,noisy/ill定義境界と不規則な形状を示した。画像データを組み合わせた解剖学的構造に及ぼす事前確率を持つことを統計的フレームワーク内で最適なセグメンテーションを推定する戦略は,これらの技術的挑戦のいくつかに取り組むことを約束する。しかし,局所最適化手法および/または局所形状ペナルティ(例えば,滑らかさ)に依存する手法は多くの困難なセグメンテーション問題には不十分であることが証明されている。これら挑戦的なセグメンテーション問題は最大事後推定フレームワークの中で大域形状前処理を含めること,関心のあるオブジェクトクラスに向けて解を偏らせるから利益を得ることができる。本論文では,局所的および大域的形状プライアを組み込むことにより,生成的画像モデルに依存する最大事後定式化を提案した。提案した方法は,グラフカットと同様に大域的更新ベース最適化戦略を提供する新しい形状パラメータ推定に依存している。合成データセットと同様に後期ガドリニウム増強MRIからの左心房壁セグメンテーション,心房細動の診断における心筋線維症を同定するのに有効であることが示されている上で提案アプローチを実証した。実験結果は,抽出された表面と対応するグランドトルース間の平均表面距離だけでなく,心房壁の線維症と瘢痕の同定の方法の臨床的有効性の観点から提案手法の有効性を証明した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 心房 ,  最適化 ,  心房細動 ,  画像 ,  解剖学 ,  線維症 ,  定式化 ,  事前確率 ,  画素 ,  *セグメンテーション
準シソーラス用語： グランドトゥルース ,  心筋線維化 ,  左心房 ,  グラフカット ,  医用画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (6件)： Bayesセグメンテーション ,  パラメトリック形状事前確率 ,  心房細動 ,  グラフカット ,  メッシュ発生 ,  幾何学的グラフ

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (2件)： グラフ ,  推定