.png){kind=icon}
返回
Enhanced medical image segmentation using novel level set evolution and efficient optimization
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-97789-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于强度不均匀、对比度差、噪声和模糊等问题，精确高效的医学图像分割是一项关键但具有挑战性的任务。本文介绍了一种新颖的框架，通过利用自适应水平集演化并结合独特的边缘指示函数来解决这些挑战。与以往的基于边缘的算法不同，后者在处理噪声图像时常失败且计算成本高，我们的方法将改进的边缘指示项纳入水平集架构，显著提升了在退化图像上的性能。所提出模型的效率依赖于乘子近端交替方向技术（PADMM）的优化与实现。本研究通过Dice系数评估、敏感性、准确率和平均绝对距离（MAD）等定性与定量方法验证了发现结果。实验结果表明，该模型成功检测了噪声和模糊视觉数据中的物体边界。该算法通过其平均Dice系数0.96展现了卓越的精度，符合 ground truth 数据测量标准。系统平均运行时间为0.90秒，表现出高效的性能。该框架实现了突出的性能指标，包括0.9552的准确率、0.8854的敏感性和0.0796的MAD。该框架在医学图像评估中展现了强大的能力，使其成为推动该领域发展的有前景的工具。
Keyword:
Level-set evaluation
Medical image segmentation
PADMM optimization
Edge indication function
Intensity inhomogeneity
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
暂无机构信息
引用论文
Parametric structural shape & topology optimization with a variational distance-regularized level set method变分距离正则化水平集方法的参数化结构形状和拓扑优化
OAAI
OAAI分享收藏分享收藏DA-Tran: Multiphase liver tumor segmentation with a domain-adaptive transformer network.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Fronts propagating with curvature-dependent speed: Algorithms based on Hamilton-Jacobi formulations前沿以曲率相关的速度传播: 基于hamilton-jacobi公式的算法OAAI
OAAI分享收藏
查看更多内容