最小描述长度优化下的医学图像统计形状建模

被引：3

作者：

蒋建国 ^{[1
]}

宣浩 ^{[1
]}

郝世杰 ^{[1
]}

詹曙 ^{[1
]}

李鸿 ^{[2
]}

机构：

[1] 合肥工业大学计算机与信息学院

[2] 安徽医科大学第一附属医院骨科

来源：

中国图象图形学报 | 2011年 / 05期

关键词：

统计形状模型; 最小描述长度; 点对应问题; 自动标定特征点;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

统计形状模型(SSM)是有效的图像处理与分析方法。为了建立模型,需要从形状样本集中提取出具有对应关系的轮廓采样点集合,这是决定模型性能的关键。传统的手动标定这些点集来确保对应关系枯燥耗时且带有主观性,更难以向高维拓展。对形状建立逐层的多尺度参数表示,基于最小描述长度(MDL),在粗尺度上建立反映点对应程度的目标函数并最小化,提出首先确保粗尺度上具有最优意义的点对应,同时在精尺度上使用最便捷的弧长参数函数来确定特征点,完成感兴趣目标的快速统计形状建模,进而统计分析以验证模型性能,为后续图像分割或定量分析打下基础。实验对肌肉骨骼核磁共振成像(MRI)中椎骨、椎间盘以及半月板等具有临床意义的结构建立了统计形状模型,验证了本文方法与手动取点相比具有客观可重复性且更加简洁,与单一尺度下的MDL方法相比时间效率更高。基于此模型的图像分割与基于手动建模的分割相比,误差相当或有所降低。

引用

页码：879 / 885

页数：7

共 4 条

[1]

一种鲁棒的全自动人脸特征点定位方法[J]. 王丽婷,丁晓青,方驰.自动化学报. 2009(01)

[2] 基于MDL Shape Model及EFD的行人轮廓2D+time表示 [J].

王绍宇 ;

戚飞虎 ;

夏小玲 .

中国图象图形学报 , 2008, (10) :1898-1901

[3] 医学图像分析的现状与展望 [J].

陈武凡 ;

秦安 ;

江少峰 ;

冯前进 ;

郝立巍 .

中国生物医学工程学报, 2008, (02) :175-181

[4]

Automatic construction of eigenshape models by direct optimization[J] . Aaron C.W. Kotcheff,Chris J. Taylor.Medical Image Analysis . 1998 (4)

← 1 →