具有自适应平滑度约束的3D腹部Ct图像中基于图割的自动主动脉分割

主动脉分割在临床上很重要,因为它是准确评估某些主动脉疾病的必要步骤。 在本文中,我们提出了一种基于图割的自动主动脉分割方法。 在我们的方法中,设计了判别式综合特征(DIF)和新颖的自适应平滑度约束。 DIF包含低级特征和其他区分性特征,包括Hessian的特征值和局部自相似性描述符。 DIF和随机森林(RF)用于生成概率图。 包含来自RF的学习信息的概率图比直接基于强度生成的传统概率图更准确。 概率图的负对数用作成本函数中的惩罚项。 另外,施加了新的自适应平滑度约束以确保平滑的解决方案。 自适应平滑度项由DIF和数据驱动的权重构成。 基于以下想法开发了两种数据驱动的权重:具有相同标签的两个相邻体素的不连续性应与具有相同标签的两个相邻体素的不连续性不同。 通过使用图割优化成本函数来获得最终的细分。 我们通过在3D CT图像中进行腹主动脉分割的挑战性任务来评估所提出的方法。 在测试集上,平均骰子度数(DM)> 0.9690时,我们的实验结果表明,与现有方法相比,我们的方法可实现更高的主动脉分割精度。