基于稀疏编码与方向-尺度描述子的海马体自动分割

• 作者: 冯前进 刘颖 卢振泰 张明慧 苏榆生 阳维
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 海马体分割 方向-尺度描述子 稀疏编码 标号融合 字典
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 314-320
• 页数: 7页
• 分类号: TP391
• 字数: 6472字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.058

摘要

海马体病变与神经疾病息息相关,海马体解剖结构的不规则性以及其与周围组织结构如杏仁体边界模糊增加了分割海马体的难度.提出一种新的基于稀疏编码和方向-尺度描述子(Sparse Coding and Orientation-Scale De-scriptor,SCOSD)的算法来提高海马体分割精度.不同于主流的基于字典学习的方法,SCOSD算法用同时包含灰度纹理信息和空间结构信息的方向-尺度描述子(Orientation-Scale Descriptor,OSD)代替低维特征来描述像素特征,OSD的优点是它同时包含多种低维特征且能降低图谱间灰度不均匀性的影响.SCOSD算法包括4个步骤:1)图像预处理.2)特征提取,提取待分割图像像素和图谱图像像素的方向-尺度描述子.3)字典构建及稀疏编码,选取图谱像素的方向-尺度描述子作为目标像素来构建特有字典,用特有字典近似表达即重建目标像素并得到稀疏编码系数.4)标号融合及阈值判定,融合图谱像素的标号和编码系数得到目标像素的标号估计值;阈值判定估计值完成分割.为了验证SCOSD算法分割的准确性,分别用SCOSD算法,Simple,Major Voting,Staple,Collate分割MICCAI数据库内的海马体,以Dice值作为分割评判标准,实验结果表明,SCOSD方向-尺度描述子的分割精度高于Simple,Major Voting,Staple,Collate算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘颖	南方医科大学医学图像处理重点实验室	18	63	4.0	7.0
2	冯前进	南方医科大学医学图像处理重点实验室	109	771	14.0	20.0
3	阳维	南方医科大学医学图像处理重点实验室	15	37	4.0	4.0
4	卢振泰	南方医科大学医学图像处理重点实验室	49	397	11.0	18.0
5	张明慧	南方医科大学医学图像处理重点实验室	19	53	4.0	6.0
6	苏榆生	佛山市三水区人民医院医学影像科	1	3	1.0	1.0