利用SIFT特征和群体统计信息进行CT前列腺图像分割

摘要：

提出了一种采用活动形状模型的图像自动分割方法,用于对放疗中CT前列腺图像的自动分割.活动形状模型的关键问题包括形状模型与表面模型的构建,本文利用尺度不变局部特征在前列腺图像边界上的特异性,建立了精确的前列腺表面模型.为了更好地捕述特定病人前列腺形状变化,本文提出了在线学习训练机制,在当前病人样本数较少的情况下,采用群体统计信息建立形状模型,随当前病人样本数的增加,逐步增加当前病人样本统计信息在对构建形状模型的权重.本文对24个病人的共264套网像进行了实验,结果显示平均Dice相似性系数为90.5%,平均表面距离为1.90mm,表明本文方法有很高精确,264套图像中只有一套网像的Dice相似性系数小于70%,表明本方法有很好的鲁棒性.

关键词：活动形状模型、形状模型、表面模型、前列腺CT图像、尺度不变特征变换

所属期刊栏目：15

分类号：TP751.1(遥感技术)

资助基金：国家自然科学青年基金30900380;广东省自然科学基金9151051501000026;广东省产学研项目cgzhzd0717

在线出版日期：2010-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：873-878