10.19734/j.issn.1001-3695.2022.06.0339
双态形状重构及其在前列腺超声图像分割中的应用
前列腺超声图像在临床中的准确分割对于后续诊断具有重要的影响,而当前已有研究结论无法精确分割各个部分.提出了一种基于点分布模型和流形学习的双态形状重构的方法,并对前列腺超声图像进行分割:通过随机森林指示隐态表达进行目标初定位;改进边界算子以改善粗分割准确性;使用显态表达与噪声部分相邻的部分灰度显著点来进行插值计算,从而恢复整体形状.该分割方式不仅减少了数据计算量,还增加了分割可靠性.实验表明,该方法的DSC指标为97.38%,mIoU指标为95.24%,精度强于当前热门分割神经网络.
超声图像分割、医学图像分割、流形学习
40
TP391.4(计算技术、计算机技术)
国家自然科学基金;湖北省中央引导地方科技发展专项资助项目
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
954-960