30、LOGISMOS - JEI：基于最优图搜索和适度交互的医学图像分割技术

LOGISMOS - JEI：基于最优图搜索和适度交互的医学图像分割技术

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。本文将介绍一种名为 LOGISMOS - JEI 的分割方法，它结合了最优图搜索和适度交互，在视网膜 OCT 分割、冠状动脉 OCT 分割以及膝关节 MR 分割等方面展现出了卓越的性能。

1. JEI 基础原理

JEI（Just - Enough Interaction）即适度交互，其核心在于通过对节点成本的修改来引导图像分割。当已知所需表面的大致位置时，可使用成本偏移或成本乘数来降低或提高受影响节点的成本，成本乘数会根据节点到表面节点的距离改变节点成本值。这种修改会使受影响节点更具吸引力或排斥力，同时还可用于撤销 JEI 操作，将受影响节点的成本恢复到之前的值。

对于开发者而言，在任何应用中都需考虑用户对 JEI 操作的偏好，通过全面测试来确定合适的成本修改策略并微调其参数。

2. 视网膜 OCT 分割

视网膜是眼睛后部对光敏感的部分，由多个细胞层组成，各层的厚度对于诊断和管理多种眼部疾病（如青光眼、年龄相关性黄斑变性（AMD）、糖尿病性黄斑水肿（DME）、视网膜静脉阻塞（RVO）等）具有重要的临床意义。光谱域光学相干断层扫描（OCT）能够生成视网膜层的高分辨率 3D 图像。

2.1 传统分割方法及其局限性

常用的 LOGISMOS 方法通过在 XZ 平面初始化一个平面网格，并在 Y 轴上形成列，将图节点放置在原始 OCT 图像体素位置来同时检测多个视网膜层。然而，优化每列包含 500 - 1500 个节点的图非常耗时，因为运行时间是每列节点数的二次函数。