Learning likelihoods for labeling (L3): a general multi-classifier segmentation algorithm.
Learning likelihoods for labeling (L3): a general multi-classifier segmentation algorithm.
复制标题
DOI：
10.1007/978-3-642-23626-6_40
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Warfield, Simon K.
中科院分区：
文献类型：
--
作者：
Weisenfeld, Neil I.;Warfield, Simon K.
开发一种用于脑组织、区域和亚结构的MRI分割方法，以提高分类精度。目前的脑分割策略主要有两种互补策略：多光谱分类和多模板标签融合。本文提出了一种新的多分类器融合算法，该算法具有两种分割策略的优点。我们使用一组14个熟练手工标记的图像来说明和验证该算法。我们的方法生成的皮层和皮层下结构的分割更类似于手绘分割，而不是多数投票标签融合或最近发表的强度/标签融合方法。我们提出了一种具有统计分类器和标签融合技术优点的通用分割算法。
To develop an MRI segmentation method for brain tissues, regions, and substructures that yields improved classification accuracy. Current brain segmentation strategies include two complementary strategies: multi-spectral classification and multi-template label fusion with individual strengths and weaknesses. We propose here a novel multi-classifier fusion algorithm with the advantages of both types of segmentation strategy. We illustrate and validate this algorithm using a group of 14 expertly hand-labeled images. Our method generated segmentations of cortical and subcortical structures that were more similar to hand-drawn segmentations than majority vote label fusion or a recently published intensity/label fusion method. We have presented a novel, general segmentation algorithm with the advantages of both statistical classifiers and label fusion techniques.
登录
查看更多内容
影响因子：
10.6
作者：
Warfield, SK;Zou, KH;Wells, WM
通讯作者：
Wells, WM
影响因子：
5.7
作者：
Weisenfeld, Neil I.;Warfield, Simon K.
通讯作者：
Warfield, Simon K.
影响因子：
10.6
作者：
Van Leemput, K;Maes, F;Suetens, P
通讯作者：
Suetens, P
影响因子：
4.8
作者：
DICE, LR
通讯作者：
DICE, LR
影响因子：
19.7
作者：
VANNIER, MW;BUTTERFIELD, RL;GADO, M
通讯作者：
GADO, M