论文阅读：ROBUST AND FULLY AUTOMATED SEGMENTATION OF MANDIBLE FROM CT SCANS

论文信息

IEEE International Symposium on Biomedical Imaging (ISBI) 2017
ISBI跟MICCAI差不多 领域里面顶级会议

分为互补的两步，recognition 和 delineation。

• recognition: 用random forest regression 来在三维中 localize 下颌骨；
• delineation: 用基于三维梯度的模糊连接图像分割算法 3D gradient-based fuzzy connectedness (FC) image segmentation algorithm, operating on the recognized mandible sub-volume.

背景

各种重要性就不用提了，反正是手术/治疗的前提。

previous work中，LS，SSM，appearance models（这个不懂），用来分割下颌骨。最近，MRF，CRF replace了这些方法（这么直接说代替了不好吧？？？），同时，给予配准的方法（atlas-based）结合了shape和appearance，具有较高的accuracy。

总结现有问题的方法：

• 存在CT伪影的情况下，缺乏鲁棒性。
• 缺少那种model-free的方法，用model的方法会有假阳性。

为了克服这两个问题，文章提出了一个data-driven的，基于RF和FC的分割，并用状态机来优化结果。

方法

还是两步，先识别定位，然后再描绘分割。（recognition = localization; delineation = segmentation.）
The recognition step can help constraing the search region of segmentation thus preventing potential leakages.

2.1 Our contributions

1. completely da