基于多圖譜上下文隨機森林的膝關(guān)節(jié)MR圖像分割.pdf

1、骨關(guān)節(jié)炎（Osteoarthritis，OA）是一種常見的關(guān)節(jié)炎癥，已成為影響老年人生活質(zhì)量的主要疾病之一。該病的發(fā)展通常伴隨著軟骨的損傷、病變等導(dǎo)致的形態(tài)變化。隨著醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，核磁共振（Magnetic resonance，MR）因其對軟組織的成像具有較高的清晰度和分辨率，被認(rèn)為是觀察軟骨組織的最佳成像模態(tài)。對膝關(guān)節(jié)軟骨MR圖像分割是實現(xiàn)軟骨進行量化分析以及三維成像的前提，對于骨關(guān)節(jié)炎的研究以及臨床診療有著極其重要的意義，

2、受到研究者廣泛的關(guān)注。
　　膝關(guān)節(jié)軟骨MR圖像的分割是一項充滿挑戰(zhàn)的課題，主要難點在于膝關(guān)節(jié)的結(jié)構(gòu)較薄，形態(tài)變化大且圖像對比度較低，導(dǎo)致其輪廓十分模糊。近幾年來，隨著機器學(xué)習(xí)理論的不斷發(fā)展和完善，新的方法不斷涌現(xiàn)并廣泛應(yīng)用在人工智能的各個領(lǐng)域。在醫(yī)學(xué)圖像分割領(lǐng)域，機器學(xué)習(xí)方法因其良好的性能而受到研究者的廣泛關(guān)注。
　　本文中，我們對機器學(xué)習(xí)在膝關(guān)節(jié)MR圖像分割課題中的應(yīng)用展開研究。主要完成了以下工作：
　　（1）提出了

3、基于自動上下文模型的隨機森林的膝關(guān)節(jié)軟骨自動方法，該方法的基本思想是基于訓(xùn)練圖譜迭代地訓(xùn)練多層隨機森林分類器對圖像像素點進行分類。隨機森林使用的特征包括：（a）圖像表觀特征：該特征直接采自訓(xùn)練圖像；（b）上下文特征：該特征采自我們提出的訓(xùn)練框架中前一層分類器對圖像的分割結(jié)果。
　?。?）為了更好地提取出軟骨像素的上下文特征，我們對以上方法提出了改進。在訓(xùn)練每一層分類器的過程中，將訓(xùn)練圖譜同分割結(jié)果進行配準(zhǔn)，在此基礎(chǔ)之上提取的上下文