Using shapes correlation for active.contour segmentation of uterine fibroid ultrasound images in computer-aided therapy

Abstract

从超声(美国) 分割损害区域想象是在一些电脑辅助的治疗的 intra 起作用的计划的重要的步。作为流行电脑辅助的治疗，高紧张的集中的超声(HIFU ) 广泛地在子宫的纤维瘤的处理被使用了。然而，在 HIFU 的如此的分割为二个原因仍然是挑战：(1 ) 在 HIFU 图象的损害区域的模糊或失踪的边界并且(2 ) 子宫的纤维瘤的变丑在 US 成像进程期间由呼吸的病人或外部力量引起了，它能导致损害区域的复杂形状。这些因素阻止了古典活跃基于轮廓的分割方法在美国图象为子宫的纤维瘤产出需要的结果。在这份报纸，一个新奇活跃基于轮廓的分割方法被建议，它作为优先的知识在图象的一个序列之中利用目标形状的关联信息帮助存在活跃轮廓方法。这优先的知识能作为形状的一个无指导的聚类被解释优先的建模。同时，形状关联在一个线性空格有低等级的性质，这也被证明，并且矩阵恢复的理论被用作一个有效工具强加求婚在存在上优先活跃轮廓模型。最后，一个精确方法被开发由更多样地使用扩充 Lagrange 解决建议模型(ALM ) 。从合成、临床的子宫的纤维瘤美国图象序列的试验性的结果证明建议方法罐头一致地改进活跃轮廓模型的表演并且对失踪或似是而非的边界增加坚韧性，并且能极大地改进 HIFU 治疗的效率。