66、医学图像中自动地标定位策略解析

医学图像中自动地标定位策略解析

在医学图像分析里，要分析新图像中物体的形状，首先得确定代表该形状的地标位置。下面将详细介绍几种常见的自动地标定位策略。

1. 自动地标定位策略概述

为确保得到的地标点满足模型约束，很多策略会使用形状模型。将形状模型与图像匹配，即找出能使点与图像结构最佳匹配的参数，这是一项具有挑战性的优化任务，通常采用迭代方法完成。常见的方法主要分为以下三大类：
- 穷举搜索 ：在图像区域内独立搜索每个点。
- 交替方法 ：先通过独立的局部搜索找到每个点的候选位置，再用形状模型将这些点约束成有效形状，如主动形状模型。
- 迭代方法 ：使用梯度下降或回归技术估计最优更新向量，进而修改模型参数，像主动外观模型或监督下降法。

实际应用中，很多方法会结合使用上述几种方式，例如先用回归估计每个点或部分，再用形状模型对结果进行正则化。多数实际应用会先进行全局搜索，估计目标物体的大致姿态（位置、方向、尺度），再细化点的位置。全局搜索一般借助目标检测器实现，可通过查找关键点，或使用如特定检测器在不同尺度和方向上进行穷举搜索。此外，采用多阶段技术通常更快且更稳健，先在低分辨率图像上训练并运行初始模型，得到点位置的初始近似值，再利用高分辨率图像的模型和信息进行改进。

2. 穷举方法：搜索单个点

给定输入图像 $I$，有多种计算得分图 $S(x|I)$ 的方法，该得分图表示地标点在任意像素处的可能性。在没有其他信息时，$S(x,I)$ 值最高的像素就是该点位置的最佳估计。主要有两种广泛使用的方法：