Resumen

El método Random Walk (RW) ha sido ampliamente utilizado para segmentar el órgano en la imagen médica volumétrica. Sin embargo, da lugar a un grafo muy grande debido a un número de nodos igual al número de vóxeles y a una segmentación imprecisa por la falta de disponibilidad de una configuración adecuada del punto semilla inicial. Además, el algoritmo RW clásico se diseñó para que un usuario marcara unos pocos píxeles con un número arbitrario de etiquetas, sin tener en cuenta la información sobre la intensidad y la forma del órgano. Por lo tanto, proponemos un marco de paseo aleatorio Bayes basado en el conocimiento previo para segmentar la imagen médica volumétrica corte a corte. Nuestra estrategia consiste en emplear el corte segmentado anterior para obtener la forma y la intensidad del órgano objetivo en el corte adyacente. De acuerdo con el conocimiento previo, los puntos semilla objeto/fondo pueden actualizarse dinámicamente para el corte adyacente combinando el método de umbral de banda estrecha (NBT) y el modelo de órgano con un proceso gaussiano. Por último, se puede obtener automáticamente un resultado de segmentación de imágenes de alta calidad mediante el algoritmo Bayes RW. Comparando nuestro método con el RW convencional y los métodos de segmentación interactiva más avanzados, nuestros resultados muestran una mejora en la precisión de la segmentación hepática (p<0,001).

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:imagen médica volumétrica, método, corte adyacente, conocimiento previo, configuración inicial adecuada de los puntos semilla, calidad del resultado de segmentación de la imagen, algoritmo Bayes RW, puntos semilla de fondo, algoritmo clásico RW, métodos interactivos de segmentación
• Keywords:volumetric medical image, method, adjacent slice, prior knowledge, appropriate initial seed point setting, quality image segmentation result, Bayes RW algorithm, background seed points, classical RW algorithm, interactive segmentation methods