医学图像分割中面向目标的形状统计与边界特征学习

项目名称： 医学图像分割中面向目标的形状统计与边界特征学习

项目编号： No.61172142

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 无线电电子学、电信技术

项目作者： 闫平昆

作者单位： 中国科学院西安光学精密机械研究所

项目金额： 53万元

中文摘要： 基于模型的分割是医学图像分割的一种重要方法，先验形状约束和目标边界检测是其中的两个核心关键技术。现有方法在估计先验形状约束时未能考虑目标个体的特殊性，所使用的边界特征也缺乏可分度，因此在准确性和可靠性方面尚不能满足实际需求。不同于以往的方法，本项目将利用流形学习方法，重建小样本形状训练集的内在几何结构，以确定新测试形状在数据流形上的位置，从而得到针对目标个体的基于流行结构的先验形状约束。其次，为了精确检测目标在图像中的边界，将研究高可分度特征的设计问题。其中包括，区域描述特征与局部底层特征的联合构造问题，及基于稀疏学习的特征选择与组合问题。在此基础上，得到具有高可分度、低复杂度的目标边界特征构造方法。本项目的研究不仅可为医学图像分割领域带来新思路和新方法，所获成果还可为临床诊断与治疗的自动化贡献新的算法。

中文关键词： 医学图像分割；形状统计；特征学习；显著度；先验信息

英文摘要：

英文关键词： Medical image segmentation；shape statistics；feature learning；saliency；a priori information