26、医学图像分析：股骨自动分割与血管运动补偿评估

医学图像分析：股骨自动分割与血管运动补偿评估

在医学图像分析领域，股骨自动分割和血管内超声（IVUS）的动脉运动补偿评估是两个重要的研究方向。下面将详细介绍这两个方面的相关技术和实验结果。

股骨自动分割

在X射线图像中进行股骨自动分割是一项具有挑战性的任务，不过有一种基于图谱的方法可以有效地完成这一任务。

一致集的确定

在前面的阶段，会为每个模型轮廓找到许多可能对应的边缘段，但其中有些对应是正确的，有些则不是。由于骨骼是刚性的，因此在相同的刚性变换下，应该能够将模型轮廓注册到一组一致的边缘段上。
设 $e’ k$ 对应于 $c$ 的子序列 $c’_k$，使用特定算法计算从 $c’_k$ 到 $e’_k$ 的刚性变换 $T_k$，然后将计算得到的变换 $T_k$ 应用于整个模型轮廓 $c$。如果两个变换 $T_i$ 和 $T_k$ 对 $c$ 产生相似的变换，则它们是一致的，通过以下公式衡量：
[d(c, T_i, T_k) = \frac{1}{|c|} \sum {q_j \in c} |T_i(q_j) - T_k(q_j)|^2]
$d$ 值越小，变换越一致。对于模型轮廓 $c$ 的一组边缘段 $e’ k$ 及其相关变换 $T_k$，该集合的整体一致性由最大差异 $D(S)$ 定义：
[D(S(c)) = \max {e’_i, e’_k \in S(c)} d(c, T_i, T_k)]
$D$ 值越小，集合越一致。对于一个一致集 $S(c)$，使用特定算法计算 $c$ 与每个 $e’_k \in S(c)$ 之间的整体变换 $T$。对于每个模型轮廓，使用