10、医学图像分割新方法：拓扑感知与多视图融合技术解析

医学图像分割新方法：拓扑感知与多视图融合技术解析

在医学图像分析领域，准确的图像分割对于疾病的诊断和治疗至关重要。本文将介绍两种创新的医学图像分割方法，一种是拓扑感知的鲁棒分割方法，另一种是用于多视图超声心动图视频分割的全局 - 局部融合网络。

拓扑感知的鲁棒分割方法

拓扑感知的鲁棒分割方法旨在解决医学图像分割中拓扑结构的准确性问题。

数据集与设置

• 数据集 ：使用了两个数据集进行实验，分别是用于神经元边界分割的 CREMI 数据集和用于胎儿皮质分割的 dHCP 数据集。
  • CREMI 数据集 ：由 3 个子集组成，每个子集包含 125 张 1250×1250 的灰度图像和对应的标签图。随机选取每个子集中的 100 个样本（共 300 个样本）作为训练集，其余 25 个样本（共 75 个样本）作为验证和测试集。为了适应 GPU 内存并扩大训练集的规模，将每个 1250×1250 的图像进一步分割成 25 个 256×256 的补丁，重叠 8 个像素。
  • dHCP 数据集 ：包含 242 个胎儿大脑 T2 磁共振成像（MRI）扫描，胎龄范围从 20.6 周到 38.2 周。所有 MR 图像都进行了运动校正，并重建为 0.8 毫米各向同性分辨率的胎儿头部感兴趣区域（ROI）。图像被仿射对齐到 MNI - 152 坐标空间，并裁剪为 144×192×192 的大小。随机将数据分为 145 个样本用于训练，73 个用于测试，24 个用于验证。GT 皮质灰质标签首先通过 DrawEM 方