Modèle d'expansion de maillage adaptatif (AMEM) pour la segmentation du foie à partir d'images CT

Cette étude propose un nouveau modèle d'expansion de maillage adaptatif (AMEM) pour la segmentation du foie à partir d'images de tomodensitométrie. Le modèle simplex déformable virtuel (DSM) est introduit pour représenter le maillage, dans lequel le mouvement de chaque sommet peut être facilement manipulé. Les forces de ballon, de bord et de gradient sont combinées avec l'image binaire pour construire la force externe du modèle déformable, qui peut rapidement amener le DSM à approcher les limites cibles du foie. De plus, les forces tangentielle et normale sont combinées avec l'image de gradient pour contrôler la force interne, de sorte que le degré de douceur du DSM puisse être contrôlé avec précision. La facette triangulaire du DSM est décomposée de manière adaptative en composants triangulaires plus petits, ce qui peut améliorer significativement la précision de la segmentation des coins irrégulièrement aigus du foie. La méthode proposée est évaluée sur la base de différents critères appliqués à 10 ensembles de données cliniques. Les expériences démontrent que l'algorithme AMEM proposé est efficace et robuste, dépassant ainsi six autres algorithmes à jour. De plus, AMEM peut atteindre une erreur de chevauchement moyenne de 6,8 % et une différence de volume moyenne de 2,7 %, tandis que la distance de surface symétrique moyenne et la distance de surface symétrique racine carrée peuvent atteindre 1,3 mm et 2,7 mm, respectivement.