Non-local STAPLE: an intensity-driven multi-atlas rater model.
Non-local STAPLE: an intensity-driven multi-atlas rater model.
复制标题
DOI：
10.1007/978-3-642-33454-2_53
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Landman, Bennett A.
中科院分区：
文献类型：
--
作者：
Asman, Andrew J.;Landman, Bennett A.
关键词：
多地图集分割提供了一类通用的、全自动的技术，用于通过图像配准将空间信息从现有数据集(地图集)传输到先前不可见的上下文(目标)。配准后用于信息组合的方法(标记融合)对整体的准确性和稳健性有很大的影响。在实践中，加权投票技术的性能大大优于基于统计融合的算法(即，将评分者的表现纳入评估过程的算法-史泰博)。我们认为，统计技术(如通常所建议的)的一个关键限制是它们未能将强度无缝地纳入观测误差的估计过程和模型中。在此，我们提出了一种新的统计融合算法--非局部钉，它将钉钉框架与非局部均值视角相结合。Non-Local Staple(1)将强度无缝地集成到估计过程中，(2)提供了多图谱观测误差的理论上一致的模型，以及(3)在很大程度上绕过了分组无偏配准的需要。我们在两个经验性的多图谱实验中证明了显著的改进。
Multi-atlas segmentation provides a general purpose, fully automated class of techniques for transferring spatial information from an existing dataset (“atlases”) to a previously unseen context (“target”) through image registration. The method used to combine information after registration (“label fusion”) has a substantial impact on the overall accuracy and robustness. In practice, weighted voting techniques have dramatically outperformed algorithms based on statistical fusion (i.e., algorithms that incorporate rater performance into the estimation process — STAPLE). We posit that a critical limitation of statistical techniques (as generally proposed) is that they fail to incorporate intensity seamlessly into the estimation process and models of observation error. Herein, we propose a novel statistical fusion algorithm, Non-Local STAPLE, which merges the STAPLE framework with a non-local means perspective. Non-Local STAPLE (1) seamlessly integrates intensity into the estimation process, (2) provides a theoretically consistent model of multi-atlas observation error, and (3) largely bypasses the need for group-wise unbiased registrations. We demonstrate significant improvements in two empirical multi-atlas experiments.
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：
10.6
作者：
Asman AJ;Landman BA
通讯作者：
Landman BA
影响因子：
10.6
作者：
Rohde, GK;Aldroubi, A;Dawant, BM
通讯作者：
Dawant, BM
DOI：
10.1007/978-3-642-22092-0_8
发表时间：
2011
期刊：
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE
影响因子：
--
作者：
Asman, Andrew J.;Landman, Bennett A.
通讯作者：
Landman, Bennett A.
DOI：
10.1007/978-3-642-23626-6_40
发表时间：
2011
期刊：
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE
影响因子：
--
作者：
Weisenfeld, Neil I.;Warfield, Simon K.
通讯作者：
Warfield, Simon K.