Votenet++: Registration Refinement For Multi-Atlas Segmentation
Votenet++: Registration Refinement For Multi-Atlas Segmentation
复制标题
Votenet：多图集分割的注册细化
DOI：
10.1109/isbi48211.2021.9434031
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Niethammer, Marc
中科院分区：
文献类型：
--
作者：
Ding, Zhipeng;Niethammer, Marc
多图谱分割（MAS）是一种流行的医学图像分割技术。在这项工作中，我们提高了MAS的性能，纠正注册错误之前的标签融合。具体来说，我们使用体积位移场来改进基于图像解剖外观和预测标签的配准。我们显示的初始空间对齐的影响，以及使用标签信息的MAS性能的有益效果。实验表明，所提出的改进方法提高了MAS性能的三维磁共振数据集的膝盖。
Multi-atlas segmentation (MAS) is a popular image segmentation technique for medical images. In this work, we improve the performance of MAS by correcting registration errors before label fusion. Specifically, we use a volumetric displacement field to refine registrations based on image anatomical appearance and predicted labels. We show the influence of the initial spatial alignment as well as the beneficial effect of using label information for MAS performance. Experiments demonstrate that the proposed refinement approach improves MAS performance on a 3D magnetic resonance dataset of the knee.
使用 3D U-Net 高精度提取气管和支气管
DOI：
--
发表时间：
2023
期刊：
影响因子：
--
作者：
小笠 竜哉;黒田 陸斗;河田 佳樹;鈴木 秀宣;松元 祐司;土田 敬明;楠本 昌彦;仁木 登
通讯作者：
仁木 登
DOI：
10.1007/978-3-030-32248-9_23
发表时间：
2019-10
期刊：
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
影响因子：
--
作者：
通讯作者：
--
通过基于卷积神经网络的补丁误差估计改进多图集分割
DOI：
--
发表时间：
2019
期刊：
International Conference on Medical Image Computing and Computer-Assisted Intervention
影响因子：
--
作者：
L. Xie;Jiancong Wang;M. Dong;D. Wolk;Paul Yushkevich
通讯作者：
Paul Yushkevich