결합된 표면 전파를 이용한 체적 층 분할

유한 두께의 체적 층을 분할하는 문제는 의료 이미지 분석의 여러 중요한 영역에서 발생합니다. 주요 예로는 뇌의 피질 회색질 추출과 심장의 좌심실 심근이 있습니다. 이러한 층의 두 경계 표면 간의 결합은 분할 문제를 해결하는 데 도움이 되는 중요한 정보를 제공합니다. 여기에서는 결합을 중요한 제약 조건으로 고려하는 레벨 집합 방법을 통한 결합된 표면 전파의 새로운 접근 방식을 제안합니다. 각 표면이 자신의 이미지 유래 정보에 의해 구동되면서 결합을 유지하며 두 개의 내재된 표면을 동시에 진화시키면, 두 경계 표면의 표현을 캡처하고 층에서 자동 분할을 달성합니다. 표면 전파를 구동하는 유용한 이미지 정보를 유도하는 데 이미지 기울기 정보뿐만 아니라 특성 회색 값이 통합되어 있어, 우리의 접근 방식이 층 내부의 균질성을 캡처할 수 있게 합니다. 레벨 집합 구현은 손쉬운 초기화, 계산 효율성 및 뇌구의 깊은 주름을 포착할 수 있는 장점을 제공합니다. 테스트 예제로는 편집되지 않은 3D 자기 공명(MR) 뇌 이미지를 적용합니다. 우리의 알고리즘은 뇌를 비뇌 구조에서 자동으로 분리하고 피질 회색질을 복원합니다.