10、基于选择性采样的腹部 MRI 自动分割方法解析

基于选择性采样的腹部 MRI 自动分割方法解析

在医学影像处理领域，腹部 MRI 多器官分割是一项具有挑战性的任务。现有的分割方法在准确性和适用性上存在一定局限，下面将详细介绍一种新的自动多器官分割方法。

1. 方法概述

该方法主要由基于随机森林（RF）的体素分类和基于随机游走（RW）的空间正则化两部分组成，核心在于对分类器训练的选择性采样策略进行整体分析，并结合后续的空间正则化。

2. 特征提取

在训练和应用分类器时，需要提取多种图像特征，具体如下：
- 位置特征 ：每个分割体素在三个轴上的空间位置，在给定体积内进行归一化，得到 3 个位置特征。
- 强度特征 ：从以每个体素为中心、边长为 τint 的立方块中提取统计强度特征。计算两个不同 τint 尺度下的强度均值，以及单个 τint 尺度下的方差、偏度和峰度，共得到 5 个强度特征。
- 纹理和曲率图 ：
- 纹理图 Mtex ：通过将 MRI 体积与 Gabor 滤波器卷积生成，Gabor 滤波器由高斯滤波器和复正弦波组合而成，其参数包括滤波器频率 ftex、滤波器方向 ψtex、水平方差 σtex,h 和垂直方差 σtex,v。将 Mtex 作为特征空间的一个维度。
- 曲率图 Mcurv ：对于灰度 3D MRI 体积，曲率计算为归一化强度梯度的散度。由于散度操作对噪声敏感，先使用方差为 σcurv 的高斯核平滑强度图，然后去除幅度小于阈值 τcurv 的梯