Dec, 2023

基于数据依赖的高阶团选择进行能量最小化的动脉和静脉分割

PDF
TL;DR我们提出了一种基于能量最小化的新型分割方法，通过引入高阶项来融入对分割形状的先验知识，通过推动某些像素集完全位于一个分割或另一个分割中来实现。我们通过添加辅助变量将高阶项转换为次模拟的一阶项，然后使用图割对其进行全局最小化。我们还通过从具有真实值的训练数据中进行学习以原则性地确定这些项的权重或上述鼓励的程度。我们在 CT 图像中的全自动肺动脉 - 静脉分割的真实应用中展示了该方法的有效性。
segmentation methodenergy minimizationhigher-order potentialspulmonary vesselspulmonary artery-vein segmentation
发现论文，激发创造
  • 多切割技术支持的高阶分割

    Multicuts 和 higher-order models 在图像分割和计算机视觉中被广泛应用，在考虑 higher-order terms 的计算插值中，我们提出了一种系统的方法，并对各种算法进行了全面和竞争性的评估，此方法允许计算出一组重要的模型的全局最优解，同时不会影响运行时间，同时还研究了可解的松弛问题和后处理技术。

    May, 2013

  • 结构化学习总和子模高阶能量函数

    本文介绍了一种基于判别学习的方法来寻找高阶先验，该方法采用了结构化 SVM 和用于求解子模流问题的延伸割算法，说明了如何更好地利用子模函数的表达能力，实现更好的交互式分割技术。

    Sep, 2013

  • 基于能量驱动采样的超像素生成算法 SEEDS

    本研究提出基于简单上山式优化的新方法，以追求色彩相似性为基础，使得超像素算法可用于实时应用中。在一系列实验中，得出实时单 CPU 性能与领先技术相当的结论。

    Sep, 2013

  • 使用部分枚举简化能源优化

    该文提出了一种基于小块标记枚举的大图通用最小化方法，可用于复杂高阶能量的优化。该方法在曲率正则化等难解问题上表现优越，并通过一种新颖的积分几何方法直接评估小块的曲率。

    Mar, 2013

  • 运动分割的高阶最小成本提升多切割

    该论文针对运动分割中的局限性提出了一种基于超图的最小成本量切割方法和相应的启发式算法，准确构建出点轨迹的高阶图形模型，以更好地区分运动模型的不同变换，结果在 FBMS-59 数据集上表现优于现有技术。

    Apr, 2017

  • 深度学习在相位对比计算机断层成像中的血管分割及应用

    自动血管分割在生物医学成像中至关重要，但由于血管结构的复杂性、患者间解剖变异、公开数据集的稀缺性和图像质量等原因，精确分割仍然具有困难。本研究通过深入文献研究，探讨机器学习技术在不同器官中的应用，旨在为新型成像模态下的血管分割提供坚实的基础并确定一个稳健的基准模型。研究使用由 Hierarchical Phase Contrast Tomography (HiP CT) 在人体器官图谱项目中成像获得的三个肾脏的双注释器验证的训练数据集，并采用 nnU Net 模型进行实验评估。结果显示，尽管分割性能表现较好（clDice 值在 0.82 到 0.88 之间），但存在一些错误，如由于缺乏静水压力（HiP CT 是一种离体技术）而导致的大血管分割效果较差，以及细小血管连接性减弱和血管边界处更高的分割误差。通过本研究和输出，我们旨在为后续基于不同成像模态的模型评估建立一个基准，特别是使用 HiP CT 成像数据库。

    Nov, 2023

  • 一种高效的迭代阈值方法用于图像分割

    本文提出了一种基于迭代阈值方法的高效多相图像分割算法，该算法通过最小化具有分段常数 Mumford-Shah 功能的轮廓长度（或周长）来近似非局部多相能量，并且具有总能量衰减特性。

    Aug, 2016

  • 简约性标记

    本论文提出了一种新的离散能量最低化问题家族，称为简明标记。我们的能量函数包括一元潜势和高阶团势。其中，一元潜势是任意的，而团势则与分配给团的唯一标签的多样性成比例。我们的能量函数鼓励标记是简明的，即尽可能少地使用标签。此外，我们提出了一种高效的基于图割方法的算法，可以提供强有力的理论保证，用于简明标记问题。

    Jul, 2015

  • 组合能量学习在图像分割中的应用

    本文提出了一种基于神经网络的图像分割方法（CELIS），其能够处理密集图像分割问题并有效地进行 3D 数据的体积重建，该方法在公共可获得的 3D 显微镜数据上的测试结果表明，相较于基于图形分割的方法和随机森林聚合方法提高了高达 20% 的体积重建准确度。

    Jun, 2015

  • 基于深度学习的肺动脉和肺静脉分割揭示与人口统计学相关的肺血管解剖学

    通过超分辨率模块进行空间归一化和迭代式实现分割结果，基于高水平血管分割为先验信息，在非对比度 CT 和 CTPA 上实现了精确的动脉 - 静脉分割，其量化实验证明 HiPaS 具有卓越的性能，达到 91.8% 的 DICE 分数和 98.0% 的敏感性。研究还发现，肺血管丰度与性别和年龄显著关联，女性较男性血管丰度明显更高且随年龄稍有下降，这一发现对临床诊断和了解肺生理学具有重要意义。

    Apr, 2024