Консультирование по обнаружению анатомических ориентиров в реконструированном томографическом томе


10

Я пытаюсь автоматически обнаружить некоторые медицинские анатомические ориентиры в томографическом восстановленном объеме. Врачи используют эти ориентиры для измерения некоторых специфических параметров пациента. Я попытался использовать дескриптор функции SIFT, так как эти анатомические ориентиры являются своего рода «ключевыми точками». Это не сработало очень хорошо, поскольку ориентиры - это точки (или крошечные регионы), которые, как правило, не являются «точками интереса», как определено SIFT. Я искал много алгоритмов сопоставления шаблонов / шаблонов, но, когда у меня нет проблем с вращением / переводом / масштабированием, я обнаружил, что извлеченные объекты недостаточно дифференцируют каждый ориентир (от остальных ориентиров и от остальных ориентиры), чтобы обучить классификатор, который работает достаточно хорошо (по крайней мере, 80% точности обнаружения).

Пожалуйста, дайте мне знать, если я недостаточно четко изложил проблему.

Буду очень признателен за любые советы.

Спасибо!

Пример изображения:

Маленькие крестики - это ориентиры, которые я хочу обнаружить.  Линии представляют принятые меры.  Это несколько кусочков разных случаев (конечно, я не могу опубликовать полный объем 3D)

Маленькие крестики и маленькие квадраты находятся над ориентирами, которые я хочу обнаружить (я забыл упомянуть, что у меня есть тренировочный набор с помеченными ориентирами). Белые линии представляют принятые меры. Это несколько кусочков разных случаев (конечно, я не могу опубликовать полный объем 3D).


Не могли бы вы опубликовать некоторые репрезентативные фотографии и указать функции, которые вы пытаетесь обнаружить?
Джим Клэй

Я вижу X и прямоугольники на изображении, но я не понимаю, что делает их ориентирами. Были ли те, что на изображении, выбраны вручную? Если вы можете описать, как они выбраны, это очень поможет.
эндолит

Да, эти ориентиры выбираются вручную врачами. На самом деле, в основном их положение в кости и их кривизна делают их обнаруживаемыми врачом. Также может быть принята во внимание ширина кортикальной кости (для них это естественно, очень трудно реконструировать, как они находят эти точки), потому что она тоньше, чем в других частях кости. Моя проблема на самом деле в моделировании всего этого в экстракторе функций.
Федерико

Ответы:


5

Я не решаюсь написать это как ответ, но, учитывая, что вы просите только совета, я сделаю это.

Я предлагаю исследовать методы, основанные на двойном комплексном вейвлет-преобразовании (DTCWT). Они оказались полезными для генерации дескрипторов, которые хорошо переносят смещение, масштабирование и поворот исходных изображений. Это не классическая проблема в том, что вы не разрешаете присваивать вам очки, но я подозреваю, что с некоторой мыслью вы можете адаптировать методы к предопределенным ориентирам.

Понятно, что ориентиры имеют некоторый интерес с точки зрения клинициста, поэтому в них есть что-то интересное - это просто случай моделирования в дескрипторе. Вейвлет-техники (в частности, DTCWT), как правило, хороши при моделировании функций, которые замечает глаз.

Отправной точкой, вероятно, будет эта довольно недавняя статья .

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.