最小描述长度优化下的医学图像统计形状建模

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、椎问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.

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

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：教育部博士点基金项目20060359004;教育部留学归国人员科研启动基金项目413117

在线出版日期：2011-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：879-885