我正在尝试在CT重建体积中自动检测一些医学定义的解剖标志。医生使用这些界标来测量某些患者的特定参数。
由于这些解剖界标是“关键点”,因此我尝试使用SIFT特征描述符。这并不是很好,因为地标是通常不是SIFT定义的“兴趣点”的点(或微小区域)。
我一直在寻找许多模式/模板匹配算法,但是当我不这样做时遇到旋转/平移/缩放问题,我发现提取的特征不能将每个界标(与其余界标和与非界标补丁的其余部分)区分开来,不足以训练性能良好的分类器(至少80检测精度的百分比)。

如果我没有足够清楚地说明问题,请告诉我。

我真的很感谢任何建议。

示例图片:



小x叉和小方块在我要检测的地标上(我忘记了提到我有一套训练课程,上面标有地标)。白线表示已采取的措施。这些是不同情况的一些片段(当然,我无法发布完整的3D卷)。

评论

您能张贴一些有代表性的图片并指出您要检测的功能吗?

我在图像中看到了X和框,但我不明白是什么使它们成为地标。是手动选择图像中的图像吗?如果您能描述一下如何选择它们,将会大有帮助。

是的,这些地标是由MD手动选择的。实际上,主要是它们在骨骼中的位置和弯曲度使临床医生可以检测到它们。另外,可能还要考虑皮质骨的宽度(这对他们来说是自然的,对他们发现这些点的方式进行反向工程确实很困难),因为它比骨骼的其他部分薄。我的困难实际上是在特征提取器中为所有这些建模。

#1 楼

我很犹豫地将此作为答案,但是鉴于您只是在寻求建议,我会这样做。

我建议研究基于双树复数小波变换(DTCWT)的技术。这些已显示对于生成对源图像的移位,缩放和旋转具有良好容忍度的描述符很有用。这不是经典的问题,因为您不允许为您分配点,但是我怀疑您可能认为您可以将技术应用于预定义的地标。

很显然,地标引起了人们的兴趣从临床医生的角度来看,因此对他们有一些兴趣-这只是在描述符中建模的一种情况。小波技术(尤其是DTCWT)往往擅长于对人眼所捕捉的特征进行建模。

这个新的论文可能是一个起点。