医学图像分析：股骨3D重建与脑肿瘤分割的创新方法

# 医学图像分析：股骨3D重建与脑肿瘤分割的创新方法 ## 1. 3D近端股骨估计 ### 1.1 实验验证 在3D近端股骨估计的研究中，采用了低剂量EOS成像系统（BiospaceMedTM），该系统能够在直立位置同时捕捉冠状面和矢状面的双平面X射线图像。 - **训练集准备**：训练集包含20名患者的髋部CT体积数据。通过手动分割这些数据，提取出股骨表面，用于学习模型先验。 - **股骨重建**：利用获得的先验知识，采用提出的方法进行股骨重建。模型参数的搜索采用了从粗到细的方案和稀疏采样策略。 - **验证数据**：该方法使用了干股骨和真实临床数据进行验证。体外测试数据包括14对EOS图像，其真实表面由金标准CT方法提供。体内测试则选取了四个例子，从EOS图像中构建左右股骨。 - **评估指标**：通过比较估计表面与真实表面，使用DICE系数和点到表面误差（即估计股骨的3D顶点到真实表面的距离）进行定量评估。 ### 1.2 实验结果  - **体外验证**：图2(a)展示了四个3D表面重建结果，并标注了股骨头的点到表面误差。图2(b)呈现了整个体外验证集的DICE系数、点到表面误差的均值和标准差的统计信息。 - **体内验证**：图2(c - d)的定性结果显示，尽管场景复杂且图像质量较低，但重建表面的投影与观察图像中的股骨拟合良好。 ### 1.3 结论与展望 该研究提出了一种从双平面X射线视图进行3D股骨估计的新方法。主要创新点包括多分辨率形状表示、对姿态/镜像对称不变先验的建模能力、通过局部交互的图像似然性，以及通过对偶分解优化解决的表面估计的高阶MRF公式。有前景的结果证明了该方法的潜力。未来的工作包括引入将股骨与髋骨窝耦合的联合模型，以增强方法的诊断潜力；结合独特的解剖标志与现有公式，提高精度和整体性能；以及将该方法应用于其他临床场景。 ## 2. 脑肿瘤图像的全自动分割 ### 2.1 研究背景 从磁共振图像（MRI）中分割健康和病理脑组织及其子区域，对于癌症治疗规划和癌症研究至关重要。目前临床实践中，脑肿瘤图像分析大多手动进行，不仅耗时，而且存在显著的内部和外部评估者差异。 ### 2.2 方法概述 为应对这些挑战，提出了一种全自动的脑组织结构分割方法，该方法结合了支持向量机（SVM）分类和基于条件随机场（CRF）的分层正则化。 - **特征提取**：从多光谱成像数据中提取特征，包括不同模态的图像强度和一阶纹理特征（均值、方差、偏度、峰度、能量、熵）。每个体素的特征向量是多模态强度和纹理的串联，形成一个28维的特征向量。 - **分类**：使用软间隔SVM分类器进行分类。SVM通过训练找到特征空间中的分离超平面，解决优化问题。为处理多类问题，采用一对一投票策略。 - **正则化**：正则化分两个阶段进行，使用二阶CRF，包含数据能量和光滑能量两个能量项。第一阶段，在粗分类为肿瘤和健康组织后，采用强3D正则化；第二阶段，在细分类为不同肿瘤和健康子区域后，采用2D正则化。 - **应用流程**：图像首先进行预处理，包括模态配准、脑区域提取、去噪、偏置场校正和直方图匹配。预处理与SVM分类和CRF正则化组件完全集成。 ### 2.3 实验结果 #### 2.3.1 图像数据 使用来自ContraCanc