29、医学图像分割的多模态评估与肺部自动分割方法

医学图像分割的多模态评估与肺部自动分割方法

1. 医学图像分割的多模态评估

在医学图像分割中，经典的相似性度量方法往往会产生相近的值，这可能导致错误的决策。为了解决这个问题，提出了一组新的相似性度量方法，并将它们组合起来，形成了一种新的全局多模态相似性度量方法，以及一种多模态度量可视化方法，这大大提高了分割评估的可靠性。

1.1 修改边界的JC度量

在分割图像中，通常会包含许多孤立体素的小群体，这些在全局度量中有显著意义，但在某些特定度量中并非如此。因此，对于分割图像中的每个类别，使用修改后的边界∂X′(c)，它定义为边界体素，但排除那些与∂Y(c)没有任何共同体素的连接组件。修改后的边界JC度量表示为：
[BJC’_c = \frac{|\partial X’_c \cap \partial Y_c|}{|\partial X’_c \cup \partial Y_c|}]

1.2 全局多模态相似性度量

为了更客观、可靠地评估分割结果，将不同的度量方法结合起来，形成了多模态相似性度量。具体步骤如下：
- 定义一个类别c的相似性度量向量$v_c$：
[v_c = [JC_c, JC_{dc}, JC_{ic}, CC_c, BJC’_c]]
- 定义一个类别c的全局相似性度量$G_c$：
[G_c := \left(\frac{1}{5}v_c v_c^T\right)^{\frac{1}{2}}]
这个度量值介于0和1之间，0表示最差情况，1表示最佳情况。
- 为了获得全局值G，将每个类别的值结合起来，用金标准中每个类别的体素数量|Yc|进行加权：
[