ให้คำแนะนำในการตรวจสอบสถานที่สำคัญทางกายวิภาคในปริมาณที่สร้างขึ้นใหม่ CT


10

ฉันพยายามตรวจสอบสถานที่สำคัญทางกายวิภาคที่กำหนดโดยแพทย์ในปริมาณที่สร้างขึ้นใหม่โดยอัตโนมัติ CT แพทย์ใช้สถานที่สำคัญเหล่านี้เพื่อวัดพารามิเตอร์เฉพาะของผู้ป่วย ฉันพยายามใช้ตัวบอกคุณสมบัติ SIFT เนื่องจากสถานที่สำคัญทางกายวิภาคเหล่านี้เป็น "จุดสำคัญ" สิ่งนี้ทำงานได้ไม่ดีนักเนื่องจากจุดสังเกตคือจุด (หรือพื้นที่เล็ก ๆ ) ซึ่งโดยทั่วไปไม่ใช่ "จุดสนใจ" ตามที่กำหนดโดย SIFT ฉันกำลังมองหาอัลกอริธึมการจับคู่รูปแบบ / เทมเพลตมากมาย แต่เมื่อฉันไม่มีปัญหาการหมุน / การแปล / สเกลฉันพบว่าคุณสมบัติที่แยกออกมานั้นไม่แยกความแตกต่างของจุดสังเกตแต่ละจุดให้เพียงพอ (จากสถานที่สำคัญอื่น ๆ จุดสังเกตที่สำคัญ) เพื่อฝึกอบรมตัวจําแนกที่มีประสิทธิภาพเพียงพอ (อย่างน้อย 80% ของความถูกต้องในการตรวจจับ)

โปรดแจ้งให้เราทราบหากฉันไม่ได้ระบุปัญหาให้ชัดเจนเพียงพอ

ฉันขอขอบคุณคำแนะนำใด ๆ

ขอบคุณ!

ภาพตัวอย่าง:

เครื่องหมายกากบาทเล็ก ๆ เป็นสถานที่สำคัญที่ฉันต้องการตรวจจับ  เส้นแสดงถึงมาตรการที่ใช้  เหล่านี้เป็นบางกรณีที่แตกต่างกัน (แน่นอนว่าฉันไม่สามารถโพสต์ปริมาณ 3D เต็มรูปแบบ)

กากบาท x ตัวเล็กและสี่เหลี่ยมจัตุรัสเล็ก ๆ อยู่เหนือจุดสังเกตที่ฉันต้องการตรวจจับ (ฉันลืมที่จะพูดถึงว่าฉันมีชุดฝึกอบรมพร้อมกับจุดสังเกตที่มีป้ายกำกับ) เส้นสีขาวแสดงถึงมาตรการที่ใช้ เหล่านี้เป็นบางกรณีที่แตกต่างกัน (แน่นอนฉันไม่สามารถโพสต์เสียงสามมิติเต็มรูปแบบ)


คุณสามารถโพสต์ภาพตัวแทนบางส่วนและชี้ให้เห็นคุณสมบัติที่คุณพยายามตรวจจับได้หรือไม่?
Jim Clay

ฉันเห็นเครื่องหมาย X และกล่องในภาพ แต่ฉันไม่เข้าใจว่าอะไรทำให้พวกเขาเป็นจุดสังเกต มีคนในภาพที่เลือกด้วยมือหรือไม่? หากคุณสามารถอธิบายได้ว่าพวกเขาได้รับเลือกอย่างไรจะช่วยได้มาก
endolith

ใช่สถานที่สำคัญเหล่านี้ถูกเลือกด้วย MD โดยมือ ที่จริงแล้วส่วนใหญ่ตำแหน่งของพวกเขาในกระดูกและความโค้งของพวกเขาคือสิ่งที่ทำให้พวกเขาตรวจพบโดยแพทย์ นอกจากนี้ความกว้างของกระดูกเยื่อหุ้มสมองอาจถูกนำมาพิจารณาด้วย (นี่เป็นเรื่องธรรมดาสำหรับพวกเขามันเป็นเรื่องยากมากที่จะย้อนกลับไปหาจุดเหล่านี้) เพราะมันบางกว่าส่วนอื่น ๆ ของกระดูก ความยากของฉันคือการสร้างแบบจำลองทั้งหมดนี้ในตัวแยกคุณลักษณะ
Federico

คำตอบ:


5

ฉันลังเลที่จะเขียนสิ่งนี้เป็นคำตอบ แต่เมื่อคุณขอคำแนะนำเท่านั้นฉันจะทำเช่นนั้น

ฉันขอแนะนำให้ตรวจสอบเทคนิคที่ใช้การแปลงเวฟเล็ตที่ซับซ้อนแบบ Dual-Tree (DTCWT) สิ่งเหล่านี้แสดงให้เห็นว่ามีประโยชน์สำหรับการสร้างตัวอธิบายที่มีความทนทานต่อการเลื่อนขนาดและการหมุนของภาพต้นฉบับได้ดี ไม่ใช่ปัญหาคลาสสิกที่คุณไม่อนุญาตให้มีการกำหนดคะแนนให้กับคุณ แต่ฉันสงสัยว่าคุณคิดว่าคุณสามารถปรับใช้เทคนิคต่าง ๆ กับสถานที่สำคัญที่กำหนดไว้ล่วงหน้าได้

เห็นได้ชัดว่าสถานที่สำคัญมีความสนใจจากมุมมองของแพทย์ดังนั้นจึงมีบางสิ่งที่น่าสนใจเกี่ยวกับพวกเขา - มันเป็นเพียงกรณีของการสร้างแบบจำลองที่อยู่ในตัวบ่งชี้ เทคนิคเวฟเล็ต (โดยเฉพาะ DTCWT) มีแนวโน้มที่จะดีในการสร้างแบบจำลองคุณสมบัติที่ตาหยิบขึ้นมา

จุดเริ่มต้นอาจเป็นกระดาษที่ค่อนข้างใหม่

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.