建议在 CT 重建体积中检测解剖标志

信息处理 图像处理 3d 模板匹配
2022-01-07 13:14:47

我正在尝试在 CT 重建体积中自动检测一些医学定义的解剖标志。医生使用这些地标来测量一些患者特定的参数。我尝试使用 SIFT 特征描述符,因为这些解剖标志是一种“关键点”。这并没有很好地工作,因为地标是通常不是 SIFT 定义的“兴趣点”的点(或微小区域)。我一直在寻找许多模式/模板匹配算法,但是,当我没有旋转/平移/缩放问题时,我发现提取的特征并不能充分区分每个地标(与其余地标和非地标补丁)来训练一个表现足够好的分类器(至少有 80% 的检测准确率)。

如果我没有足够清楚地说明问题,请告诉我。

我真的很感激任何建议。

谢谢!

示例图片:

小 x 十字是我想要检测的地标。 线条代表所采取的措施。 这些是不同案例的一些片段(当然,我不能发布完整的 3D 卷)

小 x 十字和小方块在我想要检测的地标上方(我忘了提到我有一个训练集,带有标记的地标)。白线代表所采取的措施。这些是不同案例的一些片段(当然,我不能发布完整的 3D 卷)。

1个回答

我犹豫要不要写这个作为答案,但鉴于您只是寻求建议,我会这样做。

我建议研究基于双树复小波变换 (DTCWT) 的技术。这些已被证明对于生成对源图像的移位、缩放和旋转具有良好容忍度的描述符很有用。这不是典型的问题,因为您不允许为您分配分数,但我怀疑您可以将这些技术应用于预定义的地标。

显然,从临床医生的角度来看,地标有一些兴趣,所以对它们有一些兴趣——这只是在描述符中建模的一个案例。小波技术(尤其是 DTCWT)往往擅长于对眼睛注意到的特征进行建模。

一个起点可能是这篇相当近期的论文