45、医学图像分割：全脑与手部骨骼的创新方法

医学图像分割：全脑与手部骨骼的创新方法

1. 全脑分割新方法

在全脑分割领域，提出了一种基于本体学习脑层次结构的新方法。通过将基于图的动态违反边界引入三元组损失，把多层次的本体知识编码到逐体素嵌入空间中，模仿专家对大脑解剖结构的层次感知。

1.1 定性结果

从轴向视图来看，该方法能很好地分割外部囊，而其他方法很难区分其边界。从冠状面和矢状面视图观察，此方法能更好地捕捉和保留外侧额眶回的整体形状。

1.2 总结

该方法在定量和定性方面都优于当前最先进的方法。未来考虑将层次信息引入输出空间，以进一步提升性能。

2. 细粒度手部骨骼分割

2.1 研究背景

超声成像因无辐射且成本低，是临床手部检查的有前景工具。但当前超声成像技术存在信噪比低和固有成像伪影的问题，使得手部复杂精细解剖结构的检查高度依赖专业知识和经验。现有的超声图像分割方法在进行细粒度手部骨骼分割时面临困难，因为手部结构众多，不同类别成像特征相似，且现有方法缺乏对复杂解剖关系的监督，容易出现解剖错误。

2.2 研究贡献

• 首次尝试解决3D超声体积中自动细粒度手部骨骼分割的挑战，提出了一种新的多维网络来处理多类别和特征差异不明显的问题。
• 提出自适应多维特征融合机制，根据不同目标动态调整2D和3D卷积特征层的权重，提高模型的细粒度特征表示能力。
• 设计解剖约束损失，最小化解剖误差并挖掘难样本，进一步提升模型性能。

2.3 方法介绍

2.3.1 网络设计 <