文献

J-GLOBAL ID：201802235492788673   整理番号：18A0536174

脳MR画像の修正されたMRF(Markov確率場)セグメンテーション【Powered by NICT】

A modified MRF segmentation of brain MR images

著者 (4件)： Zhang Yuhao (Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, China) ,  Lu Pei (Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, China) ,  Liu Xiaoyun (University of Electronic Science and Technology of China, Chengdu, China) ,  Zhou Shoujun (Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像雑音は,脳磁気共鳴(MR)画像分類の精度に大きく影響する。従来のGauss混合モデル(GMM)は,画像セグメンテーション,画像強度情報は,画像ノイズの影響を受けやすいだけで用いたにおいて広く応用されている。Markov確率場(MRF)モデルは,局所平滑化と雑音除去のための事前確率,Gibbs分布をもつ画素クラス標識に依存することを用いて問題を克服した。しかし,MRFモデルは脳組織の正確な分類を欠いていた。脳MR画像のセグメンテーションを改善するために,本論文では三つの部分:白質(WM),灰白質(GM)および脳脊髄液(CSF)への脳組織を分類するためのGMM(Gauss混合モデル)とMRF(Markov確率場)モデルの組合せに基づいた結合セグメンテーション方式を提案する。実装中には画像強度と局所近傍ボクセルの両方を考慮した。主要ステップは次の通りである:1)K-平均推定を用いて三脳組織の初期分布パラメータを獲得する,期待値最大化(EM)推定を用いてGMMパラメータを得た。2)空間ボクセルに対して,結合確率のエネルギー関数は,それらの対応するGMMクラス情報の観点からの変化である強度に関連するエネルギー関数の成分を制御した。,継手モデルのパラメータは,局所強度と空間情報に応じて適応的に推定した。提案した方法は実験において良好な性能,例えば,画像ノイズに敏感でない,良好なロバスト性とセグメンテーション精度と高い計算効率を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 白質 ,  *画像 ,  ロバスト性 ,  雑音除去 ,  *NMRイメージング ,  *セグメンテーション ,  平滑化 ,  画素 ,  ボクセル ,  事前確率
準シソーラス用語： エネルギー関数 ,  脳組織 ,  画像セグメンテーション ,  Gauss混合モデル ,  *Markov確率場 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 脳 ,  MR画像 ,  MRF ,  Markov確率場 ,  セグメンテーション