文献

J-GLOBAL ID：201802257655516982   整理番号：18A0644991

マルチパラメータレジストレーションモデルに基づく脳MRI画像セグメンテーションのための新しいアルゴリズムを提案した。【JST・京大機械翻訳】

Multi-parameter Registration Model for Brain MR Image Segmentation Based on Label Fusion

著者 (4件)： Zhang Wan (上海電力学院自動化工程学院,上海,200090) ,  Liu Gang (上海電力学院自動化工程学院,上海,200090) ,  Zhu Kai (上海電力学院自動化工程学院,上海200090;国网浙江省電力公司金華供電公司,浙江金華321000) ,  Liao Hengxu (上海電力学院自動化工程学院,上海,200090)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 45  号： 9  ページ： 2202-2209  発行年： 2017年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  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： 多重スペクトルに基づくセグメンテーション法は,医用画像の事前知識を効果的にセグメント化することができ,効率的な標識融合アルゴリズムを用いて,最終的に正確な自動セグメンテーションを実現することができる。画像レジストレーションの大きな誤差とその融合の重要な影響を考慮して,本論文は,新しい確率的グラフモデルフレームワークを確立して,マルチパラメータ登録モデルに基づくセグメンテーションアルゴリズムを提案して,それは,ターゲット画像における特定の組織領域のセグメンテーション精度を改良した。さらに,それは,少量の画像セグメンテーションにおいて,重要な応用を持たせることができた。まず第一に,すべてのターゲットの画像を登録するために,種々の登録パラメータを使用する。次に,異なるアルゴリズムを用いて,登録画像をグレースケール融合と標識融合により再構築し,訓練画像の再構成を実現した。最後に,効率的な標識融合アルゴリズムを用いて,再構成された画像を融合して,最終的に正確なセグメンテーション結果を得ることができた。実験結果は,提案した方法が他のセグメンテーションアルゴリズムより優れており,脳組織のセグメンテーション精度を効果的に向上させることができることを示した。Data from Wanfang. 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 ,  医用画像 ,  *アルゴリズム ,  *画像 ,  *モデル ,  再構成 ,  グレースケール
準シソーラス用語： 脳組織 ,  セグメンテーション精度 ,  自動セグメンテーション ,  事前知識 ,  多重スペクトル ,  *画像セグメンテーション ,  *頭部MRI , 【Automatic Indexing@JST】

著者キーワード (5件)： image segmentation ,  image registration ,  label fusion ,  multi-parameter registration model ,  brain magnetic resonance images

分類 (3件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 脳MRI ,  画像セグメンテーション ,  アルゴリズム ,  提案