%0 Journal Article
%T SIFT and Population Statistics Based Segmentation of CT Prostate Image<br>利用SIFT特征和群体统计信息进行CT前列腺图像分割
%A FENG Qianjin
%A QIN An
%A CHEN Wufan
%A <br>冯前进
%A 秦安
%A 陈武凡
%J 中国图象图形学报
%D 2010
%I 
%X 提出了一种采用活动形状模型的图像自动分割方法，用于对放疗中CT前列腺图像的自动分割。活动形状模型的关键问题包括形状模型与表面模型的构建，本文利用尺度不变局部特征在前列腺图像边界上的特异性，建立了精确的前列腺表面模型。为了更好地描述特定病人前列腺形状变化，本文提出了在线学习训练机制，在当前病人样本数较少的情况下，采用群体统计信息建立形状模型，随当前病人样本数的增加，逐步增加当前病人样本统计信息在对构建形状模型的权重。本文对24个病人的共264套图像进行了实验，结果显示平均Dice相似性系数为90.5%，平均表面距离为1.90mm，表明本文方法有很高精确，264套图像中只有一套图像的Dice相似性系数小于70%，表明本方法有很好的鲁棒性。
%K 活动形状模型
%K 形状模型
%K 表面模型
%K 前列腺CT图像
%K 尺度不变特征变换
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D06194629680C940ACE75262F54B9D85&aid=467221802A0872E11573E010F4578BD7&yid=140ECF96957D60B2&vid=23CCDDCD68FFCC2F&iid=B31275AF3241DB2D&sid=BF1420E7E18952EE&eid=2D207DE75533FA7E&journal_id=1006-8961&journal_name=中国图象图形学报&referenced_num=0&reference_num=10