Segmentation of blood vessels using rule-based and machine-learning-based methods:A review
前言
血管分割是血管相关疾病的前提。在这篇论文,我们回顾SOTA的血管分割方法,将他们分成两个类别:rule-based, machine-learning-based methods. 前者rule-based方法基于直观和惊喜设计的规则集来区分血管结构和背景,而后者machine-learning-based方法根据以往的经验通过自我学习的规则进行分割。
Rule-based method
将rule-based方法分成Hessian matrix, marching filtering, mathematical morphology, minimal path, active contour, 和graph-based.
2.1 Hessian matrix method
与周围的背景相比血管通常很薄、细长、明亮。每个像素代表其有血管区域的关系,Hessian matrix的特征值可以用来作为区分函数,对血管结构有最大的反应。
缺点,首先Guassian函数通常作为消除招生的影响,但是对血管结构和背景都会有影响。第二,Hessian matrix对梯度很敏感,所以尖锐的边界会影响分割结果。
2.2 Marching filtering method
Marching filtering method假设血管横截面的强度具有Guassian-like剖面。line detector从不同的方向评估沿固定长度线通过目标像素的平均强度。
2.3 Mathematical morphology method
Mathematical morphology operation通常被用作管状结构提取的预处理。
2.4 Minimal path method
Minimal path method通常用于交互框架里面。该方法捕获了用户提供的起点和端点之间的轮廓相关的能量公式的全局最优曲线。这个方法通过最小化代价函数来寻找给定的种子之间的最优路径,把血管看成一个4D曲线,包括了空间三维和血管直径。
Minimal path method在受用户提供的种子点限制的血管上表现良好,已经广泛应用于血管分割,特别是用于大血管,如主动脉和颈动脉。但是提取复杂的冠状动脉和脑血管,很难,因为用户提供的宗旨很难覆盖整个网络。
2.5 Active contour method
基于不同的能量公式(隐式或显式),active contour方法可以大致分为两个子类:level set和snake-based.
active contour可以自动或交互实现,但是这个方法在分割血管时比分割区域器官表现得要差。因为这个方法对于初始化很敏感,对于细长结构的效果差。
2.6 Graph-based method
Graph-based method,特别是graph cut,将全局最优分割问题转化为能量最小化。可以应用于多器官的分割,但是用来提取血管失败,因为对于曲线型结构,能量最优化可能会收缩。这样往往需要前提只是或其他的预训练来协助。
Machine-learning-based method
Machine-learning-based method将血管分割看做层一个像素分类问题,识别每个像素是血管或不是血管。
Conventinal mechine learning
Deep neural networks
图像分析最成功的是CNN。【86】最先真正将深度卷积神经网络应用于视网膜血管分割。【91】将血管分割看成从视网膜图片到血管map的一个交叉模态的数据转换。【92】研究了单个CNN在不同分割任务上的转移学习能力。他们表明,专门为每个任务训练的CNN的分割性能与三厢任务训练的性能相当(brain MRI,breast MRI, cardiac CTA),这意味着一个经过组织分割训练的CNN可以在没有血管特异性训练的情况下用于冠状动脉分割。
总结
vessel segmentation is closely related to centerline extraction, 很多时候,centerline extraction实在vessel segmentation分割后的二进制图片上进行。在一些应用上,两者是同步进行的。在不同的方法中,最小路径血管分割方法最优可能伴随着中心线提取,这表现为血管中戈丁种子点之间的路径跟踪。
现在CNN在retinal vessel segmentation问题上取得成功,两个公开数据集DRIVE、STARE。但是这些深度学习方法还很少涉及到脑血管和冠状动脉的分割,由于缺少标准的标注数据集。
Segmentation of blood vessels using rule-based and machine-learning-based methods:A review相关推荐
- 基于机器学习技术的用户行为分析:当前模型和应用研究综述(A survey for user behavior analysis based on machine learning technique)
A survey for user behavior analysis based on machine learning techniques: current models and applica ...
- 【论文 CCF C】An Adaptive Box-Normalization Stock Index Trading Strategy Based on Reinforcement Learning
论文题目:An Adaptive Box-Normalization Stock Index Trading Strategy Based on Reinforcement Learning 论文链接 ...
- 深度学习文本分类文献综述(翻译自Deep Learning Based Text Classification: A Comprehensive Review)
深度学习文本分类文献综述 摘要 介绍 1. 文本分类任务 2.文本分类中的深度模型 2.1 Feed-Forward Neural Networks 2.2 RNN-Based Models 2.3 ...
- Deep learning based multi-scale channel compression feature surface defect detection system
基于深度学习的多尺度通道压缩特征表面缺陷检测系统 Deep learning based multi-scale channel compression feature surface defect ...
- Deep Learning Based Registration文章阅读(五)《Anatomy-guided Multimodal Registration by Learning Segment 》
Deep Learning Based Registration文章阅读(五) 这篇文章是MIA2021新出的一篇文章<Anatomy-guided Multimodal Registratio ...
- 论文翻译:2021_语音增强模型压缩_Towards model compression for deep learning based speech enhancement...
论文地址:面向基于深度学习的语音增强模型压缩 论文代码:没开源,鼓励大家去向作者要呀,作者是中国人,在语音增强领域 深耕多年 引用格式:Tan K, Wang D L. Towards model c ...
- 语义分割-Unsupervised Domain Adaptation in Semantic Segmentation:a Review语义分割中的无监督领域自适应:综述
Unsupervised Domain Adaptation in Semantic Segmentation:a Review语义分割中的无监督领域自适应:综述 0.摘要 1.介绍 1.1.语义分割 ...
- 【论文笔记】Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and
声明 不定期更新自己精度论文,通俗易懂,初级小白也可以理解 涉及范围:深度学习方向,包括 CV.NLP.Data Fusion.Digital Twin 论文标题:Multi-task deep le ...
- 小样本论文笔记5:Model Based - [6] One-shot learning with memory-augmented neural networks.
小样本论文笔记5:Model Based - [6] One-shot learning with memory-augmented neural networks 文章目录 小样本论文笔记5:Mod ...
最新文章
- 视频插帧--Video Frame Interpolation via Adaptive Convolution
- golang 时间日期 时区 格式 简介
- 35+非常棒的视差滚动(Parallax Scrolling)效果WordPress主题
- 巨蟒django之CRM5 学习记录课程记录班级管理私户的数量上限
- 此windows副本不是正版解决方法
- Android 实现ListView圆角效果
- python - 函数
- 开启NLP新时代的BERT模型,真的好上手吗?
- Install Google Chrome using Apt-Get in Ubuntu
- Discuz 7.2 /faq.php SQL注入漏洞
- 如何从文件名字符串中获取文件扩展名_Linux操作系统:文件系统的功能和命名...
- Android mvparms 踩坑
- WAP1.x协议栈浅析
- t检验临界值表中的n是什么_t检验临界值表
- Android 10.0 强制app横屏显示
- 服务器带外管理默认账号
- 快速查询每个快递单号物流详情,支持国内常用的快递公司
- 安卓recovery菜单中英文对照
- Golang的reflect
- 微信商业闭环谈论之微信开放平台实现微信卡券投放实践(附部分JAVA源码)