Lung Field Segmentation in Chest Radiographs From Boundary Maps by a Structured Edge Detector
Lung Field Segmentation in Chest Radiographs From Boundary Maps by a Structured Edge Detector
复制标题
通过结构化边缘检测器根据边界图进行胸部 X 光照片中的肺场分割
DOI：
10.1109/jbhi.2017.2687939
复制
发表时间：
2018-05
影响因子：
7.7
通讯作者：
Wufan Chen
中科院分区：
文献类型：
--
作者：
Wei Yang;Yunbi Liu;Liyan Lin;Zhaoqiang Yun;Qian Feng;Wufan Chen
胸片 (CXR) 中的肺野分割是自动分析此类图像的重要预处理步骤。我们提出了一种肺野分割方法，该方法建立在高效现代边界检测器（即结构化边缘检测器（SED））检测到的高质量边界图的基础上。 SED 预先经过训练，可以通过手动勾勒出的肺野来检测 CXR 中的肺边界。然后，从屏蔽和标记的边界图转换超测轮廓图（UCM）。最后，提取 UCM 中置信度最高的轮廓作为肺部轮廓。我们的方法是使用日本放射线技术协会扫描胶片的公共数据库进行评估的。我们方法的平均 Jaccard 指数为 95.2%，与其他最先进的方法 (95.4%) 相当。当在普通笔记本电脑上执行时，对于 $256\,\times \,256$ CXR，我们的方法的计算时间不到 0.1 秒。我们的方法还在使用不同数字放射成像设备采集的 CXR 上进行了验证。结果证明了经过训练的 SED 模型的泛化性和我们方法的实用性。
Lung field segmentation in chest radiographs (CXRs) is an essential preprocessing step in automatically analyzing such images. We present a method for lung field segmentation that is built on a high-quality boundary map detected by an efficient modern boundary detector, namely a structured edge detector (SED). A SED is trained beforehand to detect lung boundaries in CXRs with manually outlined lung fields. Then, an ultrametric contour map (UCM) is transformed from the masked and marked boundary map. Finally, the contours with the highest confidence level in the UCM are extracted as lung contours. Our method is evaluated using the public Japanese Society of Radiological Technology database of scanned films. The average Jaccard index of our method is 95.2%, which is comparable with those of other state-of-the-art methods (95.4%). The computation time of our method is less than 0.1 s for a $256\,\times \,256$ CXR when executed on an ordinary laptop. Our method is also validated on CXRs acquired with different digital radiography units. The results demonstrate the generalization of the trained SED model and the usefulness of our method.
登录
查看更多内容
影响因子：
19.5
作者：
Xie, Saining;Tu, Zhuowen
通讯作者：
Tu, Zhuowen
DOI：
--
发表时间：
2016
期刊：
--
影响因子：
--
作者：
S. Fruehauf
通讯作者：
S. Fruehauf
DOI：
10.1109/cvprw.2006.48
发表时间：
2006-06
期刊：
2006 Conference on Computer Vision and Pattern Recognition Workshop (CVPRW'06)
影响因子：
--
作者：
Pablo Arbeláez
通讯作者：
Pablo Arbeláez
DOI：
10.1109/tpami.2014.2377715
发表时间：
2015-08-01
影响因子：
23.6
作者：
Dollar, Piotr;Zitnick, C. Lawrence
通讯作者：
Zitnick, C. Lawrence
DOI：
10.1007/978-3-642-15549-9_1
发表时间：
2010-09
影响因子：
23.6
作者：
Kaiming He;Jian Sun-;Xiaoou Tang
通讯作者：
Kaiming He;Jian Sun-;Xiaoou Tang