抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像セグメンテーションは,多くのアプリケーションを持つ重要だが挑戦的なタスクである。例えば,医用イメージングにおいて,強度不均一性と雑音は一般的である。大腿筋画像では,異なる筋肉が一緒に閉じられ,それらの間に明確な境界が全くない。強度ベースのセグメンテーションモデルは,もう1つの筋肉を別のものに分離できない。このような問題を解決するために,本研究では,関節登録からの適応空間事前のセグメンテーションモデルを提案した。このモデルは,それらの正の相互影響を利用するために,統一フレームワークにおけるセグメンテーションと登録を組み合わせる。セグメンテーションは,強度不均一性と空間的平滑度を統合する修正Gauss混合モデル(GMM)に基づいている。レジストレーションは,以前に形状を提供する役割を果たす。レジストレーションに対する二乗差(SSD)忠実度項とTikhonov規則性項の修正和を採用し,Gaussピラミッドとロバスト性に対するパラメトリック法も利用した。セグメンテーションとレジストレーションの間の接続は,セグメンテーションマップ(セグメンテーションから)と変形アトラス(登録から)をできるだけ同様にするクロスエントロピーメトリックによって保証される。この結合フレームワークを制約最適化フレームワーク内で実装し,効率的なアルゴリズムを導いた。合成および大腿筋MR画像について提案モデルを評価した。数値結果により,セグメンテーションおよびレジストレーションと比較して,別々に,そして,他の関節モデルと比較して,改善を示した。【JST・京大機械翻訳】