磁共振成像(MRI)是准确和有效的解释了软、硬组织。此外,对于不同的详细诊断疾病,如膝关节类风湿性关节炎(RA)、膝关节磁共振图像的分割是一个具有挑战性和复杂的任务,广泛探索过。然而,分割的准确性和再现性方法可能需要预先提取组织先生的图片。分割的计算方法的进步依赖于组织的复杂性等几个参数,质量,采购过程。综述论文集中并简要描述了所面临的挑战从磁共振图像分割技术紧随其后的概述不同类别的细分方法。评审论文还着重于自动方法和半自动方法广泛应用与性能指标和临床试验的足够成就援助。此外,不同方法的结果与序列用于图像膝盖先生的组织和未来方面细分进行了讨论。
关节炎是一种严重的、普遍的关节疾病,导致大量人口残疾和健康问题。这种关节炎分类逐步退化的联合组织各种各样的异常( 可以部署到不同的成像方式估计膝关节炎的量化措施。但磁共振成像的能力提供骨与软组织的成像质量,软骨,肌腱如图 无论疾病正在研究中,处理体系结构包括一个步骤被称为分割提取定量措施。选择区域的分割是一个过程(AOI)感兴趣的某些特征。让 让 这个细分的过程是很重要的在提供关于膝盖的信息结构和放射科医生诊断疾病的进展。然而,这是一个危险的和复杂的任务等众多原因,不规则的形状,大小和连接组织。因此,许多研究把重点放在了不同的方法来分割的进步膝关节磁共振图像( 因此,文章选择基于标题和摘要筛查。只有原始论文发表在期刊和会议选择。书,书的章节、报告和论文被排除在选择标准。文章是用英文写的和关注风湿性关节炎疾病选择进行研究。文章除了英语和与其他疾病被排除在外。文章使用机器学习的方法。文章完全使用图像处理方法被排除在研究之外。 这篇科学论文的组织结构如下:部分
在最近的过去,一些努力了磁共振图像的分割与关节炎的进展。一般来说,每一个算法不同参数对图像进行计算。这些算法适合几组数据但是不提供高效的性能的措施。这是因为不同的特性与膝盖结构导致困难与磁共振图像的分割。 组织结构测量的厚度。在正常人类,膝盖软骨密度约2毫米到4毫米的弯曲表面没有血管,这密度减少∼2.5%到50%的速度( 信号质量的裂变的模式数量取决于磁共振图像。磁场的频率、强度1.5 T,线性增加,信噪比(信噪比)是放大在磁共振成像( 先生成像图像总是容易不同类型的工件。这些文物在脉冲信号的形式表示,受影响的体积,和化学变化之前错误的诊断。这些工件煽动的磁场,导致不均匀组织表示。化学变化导致阴暗和亮点的边缘组织。这些工件导致误解和错误可能包括感兴趣的区域组成的工件。降低质量的边缘由于体积效应和信号强度的变化很难开发计算方法。 当地组织的变化属性,展品在映像中几个问题被确定为低能见度的地区。图 工件在膝关节磁共振图片:敏感性(a)和(b)工件化学(虚线箭头)和变异产生的工件(箭头)(从文献[复制 如前所述,几个问题和挑战在分割过程中需要考虑计算效率。上述挑战不仅是讨论自动方法也为半自动和手工方法。各种分割技术进行了综述并分析了在随后的部分。
膝盖的骨头是主要的和最大的骨头在人体是由风湿性关节炎疾病影响最大。软骨和骨段和特性研究是重要的这类风湿性关节炎的疾病。最近,骨头形状,提出了预测类风湿性关节炎进展( 本文中使用的分类法。 经常看到的是传统的和手动方法用于分割导致可靠的结果。在这些传统的和手动方法,组织被手动分割一片一片从磁共振图像。虽然精度、灵敏度和特异性的手动方法被认为是黄金标准和高自动和半自动技术相比,它需要由专家和耗时的努力提供了不同专业(国际米兰——或者intraobserver不一致 手动分割股骨骨。 手动分割区域的识别策略实现医学图像的精度高。一个统计模型( 一个地区或区域的像素将邻居,和边界估计两个地区之间的差异。在本文中,我们讨论最普遍提出技术区域生长和阈值和edge-based方法( (一)初始图像和两个种子点。地区(b)的结果为一个种子点增长。(c)两个种子点区域增长的结果。 最简单和最快的方法分割阈值。该方法假定不同灰度区域。不同的部分图像与直方图强度确定。强度分为两个方面:第一部分称为前景的像素强度高于或等于阈值,第二部分称为背景像素的强度低于阈值方程所示: 全局阈值不为某些类型的图像提供更好的结果,就像没有低对比度的图像和低像素强度的图像。对于这些类型的图像,阈值提供了一个更好的结果在某些地区的形象和失败在图像的其他部分 图像中的边缘或边界相关的信息。图像的发病率是已知的像素强度变化的数量,用于识别这些变化的不同地区 灰色的图像的像素是用来创建一个图,灰色指数( 三个标签的方法,利用阿特拉斯的方法( 模糊c均值方法提供了一个更好的医学图像分类。这种疾病正在根据严重程度分为四个级别(从国外引进的 图形处理单元提供快速计算的模糊方法,实现在 在最近的过去,一个伟大的努力一直在采用机器学习实践解决分割问题[ 皮层下分割方法用于构造图( 形状的先验知识分析使用卷积神经网络( 上下文约束神经网络结合水平集演化[ 三维可变形的方法介绍(
大部分的研究涉及分割的软骨被估计的性能评价参数对地面真理。这地面真理是被专家准备使用手动提取方法。估计的效率进步的方法来评估软骨边界,不同的指标如敏感性,特异性,可靠性、骰子相似系数(DSC),精度和效率被认为从[
灵敏度的参数是真阳性的比率和措施近似100%准确的分类软骨地区地面真理和发展的方法。在这个参数,小假阴性的总量代表高灵敏度。特异性参数提供了真正的底片的比例,适当地通过比较分析确定。敏感性和特异性的综合效应反映了发达的最佳效率的方法。正确度是衡量代表地面真理同意开发的方法。它显示有多少正确分类软骨地区包括和noncartilage地区被排除在外。其他性能参数也被许多研究人员。 从磁共振图像自动分割被广泛研究取得了风湿性关节炎,这使得过程,需要完成快速、一致的。研究提供了更复杂的方法来分割图像和走向一个完全自动的过程。一旦组织被分割,量化或可测量的分析进行估算体积,密度和结构的组织。大多数的自动化技术,是基于体素的安排需要大量的训练数据集。最常用的机器学习方法是再邻居应用多元分类器。 几项研究已经讨论了利用体素分类组织。尽管这些体素的方法可以部分的磁共振图像,所需的数据是主要的问题。这种方法的主要限制是一个新的数据集的生成。不同的研究人员所使用的自动方法中演示了不同指标表 自动分割方法。 自动段组织的磁共振图像,连续的方法进行自动分割,提取使用事例的概率分类器。统计形状和模型更精确的分割方法。然而,利用这些方法的灵敏度有一些局限性,由于初始化( 这种方法需要在分割过程中最小的用户干预。这些方法被认为是减少所需的努力手动分割。这些方法需要人工交互完成一些任务的模式识别和图像处理。半自动的方法使用的一些方法如蛇轮廓,梯度向量,分水岭,图搜索,和区域增长分割。如表中所描绘的一样 半自动的分割方法。 半自动的方法需要较少的计算时间和提供了一个准确的研究结果与手工技术相比,但是包括人际互动,观众不需要执行。图 第一行:细分膝盖的骨头(左:原始图像,中间:自动分割,和正确的:分段骨)。第二行(左:原始图像,中间:自动分割,和正确的:软骨分段)(从文献[复制
研究 先生的样品 数量的科目 方法 节能措施
( 3 d密不可分 33个科目 区域生长和种子的选择 DSC 82.8%、83.1%、72.6%,股骨、胫骨和髌骨
( t1加权3 d密不可分 20个项目 选择和耦合的软骨分割 DSC 0.80
( 3 d密不可分 20个项目 空间模糊C-mean DSC的股骨、胫骨和髌骨是87.1,81.1,和84.8,分别
( 一部分 50个主题 统计形状模型 精度74±5
( 二维扫描 100例 沃克随机算法 DSC 0.8758
( 一部分 8个科目 DRLSE算法 DSC 90.28
( 3 d密不可分 10个科目 再 灵敏度84.2
( 三维图像 139例 立体像素分类 DSC 0.80±0.04
( 一部分 13个主题 分层分类器和随机森林 表面定位错误股骨胫骨0.03±0.19 0.10±0.17
( 3 d SPGR t1和t2加权GRE 9个科目 Three-label分割 骰子中值系数股骨胫骨0.935和0.938
( 3 d SPGR 155例 纵向分割三个标签 股骨DSC 75%
( 矢状密不可分 88例 卷积神经网络 DSC 83.8%
( 一部分 40个科目 活动外观模型(统计模型) RMSE 1.49股骨,胫骨1.21
( 血栓谢霆锋 14个科目 Distance-weighted方向梯度 强度水平,2∼4
( t1加权 30名学生 Multiatlas分割约束图 股骨表面平均0.36毫米的距离
( 2 d ASM 140例 刚性multiatlas登记 骰子体积股骨胫骨0.8和0.87
( t1加权SPGR 20个项目 统计方法 0.852 DSC 0.871股骨,胫骨和髌骨0.645。0.949灵敏度0.947股骨,胫骨和髌骨0.909。0.993 0.988特异性的股骨,胫骨和髌骨0.996。
( t1加权FS 14个科目 统计方法的验证 半月板DSC 0.75、0.72灵敏度和特异性1.00
( t1加权 100例 与min-cut粗到细的方法 0.968 0.947 DSC的股骨,胫骨
研究 先生的样品 数量的科目 方法 节能措施
( 血栓SPAIR 12个主题 随机森林 股骨DSC 94.9%
( t1加权轴向 103例 支持向量机 准确率72%
( CCBR 159例 逻辑器件的方法 骰子体积0.82
( 3 d SGPR 4个科目 区域增长 误差−6.53%
( t1加权图像 5个科目 主动形状模型 平均误差−0.57
( Flash 3 d 15个主题 b样条手工调整 Interobserver 3.3到13.6
( 3 dmr 20个项目 活动轮廓 厚度0.996和0.998股骨和胫骨
( SPGR 7个主题 分水岭变换 DSC 89.5%
( 3 d密不可分 320片 Graph-cut算法 DSC 94.3%
( Flash GRE考试 50个主题 k - means手工调整 DSC 0.77和0.80
( 一部分 17个学科 支持向量机 股骨胫骨DSC髌骨0.82,0.83,0.86
( 3 t先生的图片 10个科目 Graph-cut方法 DSC 0.943
( 3 d密不可分 12个主题 活动轮廓模型 均方根0.8%到1.3%
( 3 d密不可分 10个科目 网格变形方法 意味着年代。0.40 0.87 D的股骨,胫骨和髌骨0.53
( t1加权 15个主题 分水岭方法 胫骨软骨体积3.3毫米
评估组织的关键阶段是评估类风湿性关节炎的进展。分割过程不仅需要治疗,也用于定量参数估计。这已经成为一个需要由于复杂的变化与不同组织在膝关节磁共振图像。上面讨论的分割技术是大致分为传统或手动,机器学习方法,深度学习的方法,自动的方法,和半自动的方法。手动分割是一项乏味的工作,结果可变性在相同的图像数据集内的专业人士。半自动分割是一个更复杂的任务相比,手动分割,但同样的变化的手动分割。密度测量的intraobserver再现性在几个方面的软骨 表 比较分析与其他发表评论文章。
文章 数据类型是 疾病被认为是 分类和总结现有的工作
磁共振成像 机器学习 软骨 弯月面 韧带和病变 髌骨、胫骨和股骨骨 滑液
(
X X
X X
(
X X X X
(
X
X X X
( X
X X X X
(
X X X
X
这篇文章
这系统回顾接近磁共振成像的关键参数的类风湿性关节炎。我们研究的自然选择敏感性,特异性,骰子相似性指数近似的成像结果。然而,从我们的研究的结果,更频繁的参数类风湿性关节炎等疾病滑液的体积,半月板体积,不同结构的胫骨,股骨,韧带的眼泪。不同的分割技术被认为是为审查自己的优点和缺点,可能会增加一种新的混合方法的生产力。 我们未来的工作包括选择更多的参数直接关系到风湿性关节炎。滑液和胆囊病变越被认为比软骨和其他骨骼组织特性。这些考虑特性可能在未来用于有针对性的治疗,在那些最需要类风湿性关节炎的诊断。
作者宣称没有利益冲突。
这项工作的部分支持由扎耶德大学办公室批准号下的研究R18088。