多个活动轮廓的指导下微分进化医学图像分割

文摘

本文提出了一种新的基于多个活动轮廓的图像分割方法指导下微分进化,称为MACDE。分割方法使用微分进化在极坐标系统提高勘探开发能力对于经典的活动轮廓模型。评价该方法的性能,一组合成图像和复杂的对象,介绍了高斯噪声,深深的凹陷了。随后,MACDE应用数据集的顺序计算机断层扫描和磁共振图像含有人类心脏和人类的左心室,分别。最后,获得的定量和定性评价医学图像分割与区域的专家,一组采用距离和相似性度量。根据实验结果,MACDE优于经典的活动轮廓模型和交互式曾方法在效率和鲁棒性的角度获得最优控制点,达到高精度细分。

1。介绍

计算机断层扫描(CT)扫描和磁共振成像(MRI)被广泛用于医学测试,因为他们代表的无创性诊断心脏疾病和痛苦的形式。在临床实践中,这一过程由心脏病医学图像可以主观的,劳动密集型和容易错误,因为它是基于视觉检查后跟一个手册描述的人类器官。因此,计算机技术的应用,以获得一个更有效的和可接受的时间内准确的图像分割中扮演着重要的角色。

在医学图像分析中,人体器官的自动分割是一个重要的和具有挑战性的任务。在文献中,一些技术已经为此等报道,区域生长在骨盆损伤(1),改进的分水岭变换对肿瘤在乳房x线照片2模糊c],增强的抑制与脑部磁共振图像(3),小波变换在dermoscopic图像(4为阿特拉斯),模板在放射治疗(5,活动轮廓模型(ACMs系统)在乳腺图像(6,7]。介绍了这种方法,8),它是一个由控制点的拉斯韦加斯花键也叫snaxels。这个样条的发展通过内部和外部力量的评估根据分割对象的形状。ACM已广泛应用于医学应用分割等人类前列腺癌(9),血管内超声图像(10),乳房病变(11),和乳房肿瘤(12]。

在传统活动轮廓模型的实现存在两个主要的缺点。第一个缺点是控制点的初始化,必须接近感兴趣的对象来实现良好的分割否则将会出现收敛失败。第二个缺点是停滞在局部最小值给一个不准确的趋同倾向的边界对象。解决这些缺点已经提出一些改进来适应不同的方法与ACM包括统计方法(13,14),图(15),人口导向定价,如粒子群优化(PSO)与极性部分(16),静态大搜索窗口(17和改进PSO速度方程18)、遗传算法(19,20.微分进化[],21]。人口的性能导向定价与ACM一起工作非常合适的根据测试以来,活动轮廓变得更稳定,健壮和高效的局部最小值的问题。

差分进化(DE)是一种随机和以人群为基础的优化方法类似于[进化算法建议22,23]。德已经成为非常受欢迎的nondifferentiable和非线性函数求解全局优化问题的快速收敛。DE方法的效率和鲁棒性直接取决于控制参数的设置如人口规模、选择方法、分化因子,和交叉概率常数控制生成解决方案的数量为每个单独的通过代。作为德很容易实现,而不是计算昂贵,它是高效的解决优化问题,它已经被用于许多真实世界的应用程序例如文本摘要(24),设计的可重构天线阵列(25),作业车间调度问题(26,风力涡轮机的叶片设计27),在人类免疫缺陷病毒(HIV)的参数估计(28]。

在本文中,我们介绍一种新颖的基于多个活动轮廓的图像分割方法指导下微分进化优化技术,在极地区域分裂感兴趣的对象。每个极性部分人口的个人代表控制点来执行其特定的搜索策略,以找到最优控制点(snaxel)。适当因为该方法可以克服传统ACM的初始化的缺点和不准确收敛凹边界的一个对象,MACDE还解决问题的分段人类心脏左心室和人类从序列CT和磁共振图像数据集,分别。最后,将CT图像的分割结果可视化的三维重建方法提出了人类的心脏。

这个工作的结构如下。节2活动轮廓模型和微分进化的基础。节3,提出MACDE方法介绍和一组验证指标来评价其性能。实验结果讨论了部分4从相似性度量,提出了结论5。

2。背景

在本节中,活动轮廓模型的基本原理和微分进化优化方法详细解释。

2.1。活动轮廓模型

活动轮廓模型(ACM),也被称为蛇,参数曲线,可以移动一个图像的空间域内分配。蛇被定义为,,在那里代表了时间参数,曲线演化为了总能量函数的最小化 上述能量函数包含两个组件:内部能量和代表外部的能量。的内部能量(2)是由的一阶导数指导下张力参数的曲线和第二衍生物由刚度控制参数。这种能量使执行的搜索空间内的控制点图像域和也控制参数曲线的形状修改如下: 外部能量由(3)是由特定的搜索空间的特点,参数和重量吗表面梯度计算吗实现最优解的求解欧拉方程(4),当外部和内部的能量变得稳定

在离散的计算实现ACM,蛇是由一个数字的离散点。内部和外部能量的离散公式是近似的(5)和(6),分别为,代表当前蛇控制点和在其搜索索引点静态窗口。因此,局部能量函数是由(7),最小化过程是迭代执行的使用(8),控制点是预定义的搜索窗口吗和通过最小化局部能量函数(17]: 存在两个主要弱点在传统的ACM的实现。首先,敏感的初始定位控制点(snaxels)其次,倾向停滞不前的局部最小值偏转的最佳边缘的蛇感兴趣的对象。为了克服上述缺点的ACM,以人群为基础的技术,如微分进化优化(DE)已经被采用,这是下一节中描述2.2。

2.2。微分进化

微分进化(DE)是一种随机提出的实参的启发式(22,23)数值全局优化问题类似于标准的进化算法。德从一组随机初始化可能的解决方案,称为个体,在那里人口规模。这些人正逐渐提高了运营商和应用不同的变体选择的解决方案是最好的个人健身根据目标函数。

DE算法背后的基本思想包括三个进化原则:变异、交叉,选择在浮点编码。突变步骤创建一个变异向量在每一代基于现有人口的分布通过执行提出了经典的突变策略 在哪里,,代表三人相互不同的索引和一致的选择集和代表了分化因子也称为缩放或突变因子参数。后突变过程,应用基于交叉算子(10),创建试验向量 在哪里是一个统一的随机值区间,这是相比(交叉率)参数。如果比,当前的个人信息是守恒的,否则值变异向量复制到试验向量。随后,选择应用程序通过使用(11)最小化的过程。这个过程选择,根据适应度函数,试验向量之间的更好的和个人。所选矢量用于替换当前的下一代的个体:

根据前面的描述,描述的经典DE算法使用以下过程。(1)初始化的代,人口规模的分化、价值因素,交叉率的价值。(2)初始化每个通过生成随机的候选解决方案。(3)为每个单独的,在那里:(一)计算通过使用突变步骤(9);(b)分配根据交叉算子(10);(c)更新,如果比通过应用选择步骤(11)。(4)如果停止准则是满意(如稳定或代),然后停止。

3所示。提出了图像分割方法

提出的基于微分进化MACDE方法和多个活跃的轮廓描述部分3所示。1。此外,获得定量评价该方法的分割结果,相似性度量的集合在部分说明3所示。2。

3.1。多个活动轮廓的指导下微分进化(MACDE)

因为古典ACM的弱点上面所讨论的,采用微分进化来解决局部最小值的缺点通过指导多个活跃的收敛轮廓在极坐标系统类似于(16]。由于德是直接应用于由MACDE细分任务,鲁棒性的优点,较低的计算时间,和效率。该方法提出了三个主要优势在初始化过程中,必须考虑适应它的形状感兴趣的对象。首先,初始轮廓可以自动定义在一个圆形或椭圆形。其次,snaxels(个人)可以修改根据极性部分的数量感兴趣的对象划分。第三个优势是用户交互式地创建的起源或种子点自动生成所有的snaxels受限空间域的感兴趣的对象。后者优势允许使用该方法分割中栈的顺序CT和MR图像以获得人体器官的三维重建方法只是复制原点点通过图片以及预定义的参数集。

MACDE分割方法包括三个步骤的过程,见图1。预处理阶段降低噪声的图像通过使用一个二维中值滤波(3×3窗口大小),其次是精明的边缘检测器(,,)检测感兴趣的背景和区域的边界。这些参数与实验调整保护真正的边缘图像,因为这些会影响分割结果。这一阶段的最后一步是计算欧氏距离映射(EDM)根据[29日]。EDM用于执行最小化过程,因为它代表了一种潜在的表面,在高潜力值分配给图像像素远离目标对象,和低电位值(理想情况下零)像素靠近的对象。初始化过程产生的距离地图上代表MACDE的第二阶段,生成一个极坐标系统通过一个交互式地确定种子点组成的和坐标的像素分配。这个坐标系统通过将目标对象,在那里代表每个约束的度极部分,一个边缘截面解决方案必须存在。此外,目标对象必须是密闭的空间域预定义的初始轮廓和分配等距控制点作为个体遵循一个人口为每个极性部分。MACDE是分割过程的第三阶段,每个部分的地方,德策略应用于减少相应的边缘截面的解决方案,评估个人根据外部能源(适应度函数)来自(6)。当完成每个人口的优化过程,分割对象获得连接的最佳个人每个极性部分。

拟议中的MACDE图像分割方法的过程描述如下。(1)计算预处理步骤(中值滤波、精明的边缘检测器和欧几里得距离地图)。(2)初始化坐标交互式的种子点,度,蛇的数量。(3)DE算法的初始化参数:一代又一代的数量、分化因子,交叉率。(4)为每个极性部分生成一个种群指定当前snaxels作为个体。(5)为每一个人,我们有以下。(一)为每个单独的,在那里:(我)计算通过使用突变步骤(9);(2)分配根据交叉算子(10);(3)应用限制搜索空间忽略不当的解决方案;(iv)评估在适应度函数(6);(v)更新,如果比通过应用选择步骤(11)。(b)如果停止准则满足(例如,稳定或代),然后停止,否则转到步骤(a)。(6)停止MACDE方法。

3.2。验证指标

评估执行的医学图像分割方法对于古典ACM和列出的地区由两个专家,Jaccard指数,骰子指数,Haussdorf距离被采纳。

Jaccard指数和骰子指数是位于范围的相似性评估用于比较二进制变量(2]。这些索引计算通过使用(12)和(13),分别。在这部作品中,通过计算区域分割方法(MACDE和古典ACM)表示,用于表示由专家列出的区域。在这些相似措施如果地区和完全叠加得到的结果是1和0的时候这两个区域是完全不同的呢

豪斯多夫距离是一种广泛使用的度量形状匹配的医学图像分割。这两个叠加集之间的相似度量措施使用(14),和代表中定义的点集和分别为,是一些潜在的距离(在我们的测试欧几里得距离)

节4的分割结果提出MACDE方法提出了不同的合成和医学图像分析的验证指标。

4所示。实验结果

在本节中,提出MACDE方法首先,与几个凹陷和合成图像噪声,其次,部分人类心脏左心室和人类从计算机断层扫描和磁共振图像。计算实现执行使用gcc编译器版本4.4.5运行Debian GNU / Linux 6.0,和2.13 Ghz Intel Core i3 4 Gb的内存。

4.1。应用合成图像

在图2160×160像素大小的图像,其中包含一个人工恒星。分割结果通过古典ACM实现使用如图42个控制点2(一个)。ACM参数设置为,,给一个执行时间0.090秒。在这个数字ACM的实现不能克服凹度适合明星边界问题,这是解决MACDE实现如图2 (b)。在这个模拟MACDE参数设置为,,,,蛇的数量= 15,优化过程的执行时间0.140秒。MACDE分割结果的欧几里得距离地图呈现在图2 (c)。这个距离地图也表示为3 d距离潜在的表面,在优化控制的收敛点如图2 (d)。

图3介绍了图像大小为300×300像素组成的圆高斯噪声(,)。欧几里得距离映射图所示3(一个)计算原始图像和说明了局部最小值的问题出现在测试图像。结果通过古典ACM使用如图42个控制点3 (b),由于噪声不能准确调整圆边界。ACM参数设置为,,需要一个执行时间0.104秒。另一方面,MACDE方法可以解决局部最小值的问题,准确定位圈边界如图3 (c)。距离上的控制点优化潜在的表面呈现在图3 (d)哪些是后天MACDE参数,,,蛇的数量= 15日,执行和优化过程的执行时间0.138秒。

在图4150×150像素的图像包含合成对象。欧氏距离映射源自于原始图像呈现在图4(一)凹性的问题是显而易见的。分割结果通过古典ACM使用42控制点无法找到对象的凹陷了,如图4 (b)。这个模拟的ACM参数设置,,需要一个执行时间0.101秒。此外,MACDE方法可以调整对象边界如图克服凹度问题4 (c)在远处和潜在的表面图4 (d)。MACDE参数用于设置为这个测试,,,蛇的数量= 15,实现优化过程的执行时间0.142秒。

利用微分进化MACDE方法提供了鲁棒性和准确性的三个关于古典ACM合成测试图像。尽管MACDE执行的优化过程的计算时间是竞争与分割过程由传统的ACM,该方法提高了分割结果避免局部最小值和凹性问题。节4.2MACDE是应用于心脏医学图像,分割结果通过不同的距离和相似性评估措施。

4.2。应用在医学图像

在本节中,MACDE方法分割的人类心脏左心室和人类从数据序列CT和MR图像,分别。CT图像是墨西哥社会安全研究所提供的,提供的图片先生一直奥克兰MRI研究小组,奥克兰大学。

在图5(一个)512×512像素的CT影像提出了为了比较人类心脏分割获得的心脏病专家在图5 (b),通过应用经典的ACM图5 (c)在图,利用MACDE方法5 (d)。ACM参数设置为,,,控制点的数量= 49,需要0.157秒的执行时间。此外,MACDE分割适合心脏边界适当与ACM相比,由专家根据手册描述,使用参数,,,蛇的数量= 12,实现优化过程的执行时间0.212秒。

图6显示MACDE方法的收敛过程在人类心脏CT图像分割。这收敛计算通过一代又一代的距离上使用的平均健康个体潜在的表面。

为了介绍人体左心室细分任务,在图7(一)低对比度,512×512像素,图像显示。图7 (b)地图显示了欧氏距离计算的测试图像来得到更好的近似计算技术执行的搜索空间的优化过程。此外,在图7 (c)和7 (d)手册描述由专家1和专家2,分别。图7 (e)说明了分割结果应用古典ACM与参数设置,,,控制点的数量= 45,包括执行时间0.235秒。最后,图7 (f)介绍了MACDE分割结果,左心室准确符合参数设置为,,,,蛇的数量= 12。优化过程由MACDE在这个测试图像所涉及的执行时间0.295秒,并呈现在图8收敛,计算通过一代又一代使用的平均健康个体。

MACDE允许使用连续图像的初始化方法,从种子点坐标和所需的初始参数分段整个图像。古典ACM这是一个优势,因为在MACDE只有一个用户交互是必要的,而在ACM每个控制点通常是用户提供的结果在一个艰难的任务。

在图9人类心脏CT图像的一个子集分割结果。整个数据集包含144 CT图像大小为512×512像素从不同的病人。图9(一个)说明了分割结果通过古典ACM,凹度问题显露无疑。ACM参数设置为,,控制点= 45,要求每图像平均执行时间为0.163秒。图9 (b)显示了人类心脏分割与互动曾获得方法。这个模拟的参数调整根据(17]45控制点,9为每个粒子群,和窗口大小30×30像素,平均执行时间为0.176秒/形象。图9 (c)MACDE了分割结果,适合心脏边界以合适的方式。MACDE参数设置为,,,,蛇的数量= 12,包括平均执行时间为0.194 s /形象。另一方面,平均相似性措施表中列出1用于评估区域分段计算方法和手工品专家,这表明人类心脏分割MACDE分割方法是有前途的。

在图10人体左心室先生的一个子集的图像分割结果。整个数据集是由23个,大小512×512像素的图像。图10 ()显示了分割结果与经典ACM,局部最小值的问题导致左心室边界的准确收敛。在这些测试设置为ACM参数,,,和控制点= 42,要求每个图像平均执行时间0.221秒。图10 (b)通过应用曾方法显示了分割的结果。这个模拟实验的参数选为42控制点,窗口大小30×30日和15粒子群,平均执行时间为0.253秒/形象。在图10 (c)MACDE的区域分割。这些分割结果符合正确与参数设置为左心室边界,,,蛇的数量= 12,要求每个图像平均执行时间0.275秒。此外,量化分割结果,表2介绍了通过骰子指数比较分析,Jaccard索引和Haussdorf距离计算方法和手工品专家。这种相似性分析表明,MACDE竞争有关地区的专家,这是比经典的ACM更准确,和交互式曾方法。

最后,为了从序列CT图像获得的分割结果可视化,3 d重建方法从专家,获得古典ACM和拟议中的MACDE方法呈现在图11。三维重建的质量取决于序列图像的数量,和下面的方法包括18 CT图像,通过叠加的结果显示轮廓图像采集。这些重建说明一个重要的有效性和稳定性的MACDE人类心脏分割。

5。结论

在本文中,一种新颖的基于多个活动轮廓的图像分割方法指导下微分进化(MACDE)已经被提出。分割方法引入了一些重要的优势对传统活动轮廓模型和交互式曾方法,特别是,该地区的分区的兴趣极部分克服局部最小值的问题,对初始轮廓的位置。为了评估该方法的性能,一些实验合成图像与心脏医学图像通过实验后获得的计算机断层扫描和磁共振程序。实验结果表明MACDE的效率和稳定的噪音和深深的凹陷了。这些优势能获得高精度的人类心脏和人类相比左心室分割区域由专家根据证据显示列出的相似性度量。此外,实验结果还显示,MACDE非常适合医学图像的应用程序,包括序列医学图像的分割在一个竞争激烈的计算时间。

确认

这项工作已经由国家科学技术委员会的墨西哥(CONACYT)批准号241224 - 218157。作者要感谢奥克兰MRI研究小组(心脏阿特拉斯的网站),奥克兰大学磁共振成像的来源。作者感谢r . Mendoza-Gomez博士和F.J. Solorzano-Zepeda心脏病学部门的墨西哥社会安全研究所UMAE T1莱昂在数据收集的临床建议和帮助。

引用

1. p . Davuluri j .吴y唐et al .,“在骨盆外伤出血检测和分割,”计算和数学方法在医学文章ID 898430卷,2012年,12页,2012。视图:出版商的网站|谷歌学术搜索
2. W.-Y。许,“改进的分水岭变换对肿瘤分割:乳房x光图像压缩应用程序,”专家系统与应用程序,39卷,不。4、3950 - 3955年,2012页。视图:出版商的网站|谷歌学术搜索
3. A .就m·康y Kwon c . Kim和j·金,“混合技术用于医学图像分割,”生物医学和生物技术杂志》上ID 830252条,卷。2012年,7页,2012。视图:出版商的网站|谷歌学术搜索
4. h . Castillejos诉Ponomaryov l . n . de里维拉和诉Golikov,“小波变换dermoscopic模糊算法的图像分割,“计算和数学方法在医学ID 578721条,卷。2012年,11页,2012年。视图:出版商的网站|谷歌学术搜索
5. a . Parraga b Macq, m . d . Craene“解剖图谱中头部和颈部放射治疗及其使用自动分割,“生物医学信号处理和控制,7卷,不。5,447 - 455年,2012页。视图:出版商的网站|谷歌学术搜索
6. a . Jumaat w·拉赫曼,a·易卜拉欣和r·马哈茂德”分割的群众使用参数活动轮廓算法,从乳腺超声图像”Procedia-Social和行为科学,8卷,第647 - 640页,2010年。视图:出版商的网站|谷歌学术搜索
7. 问:阿巴斯,m . Celebi Garciia,“乳房质量分割使用提出和edge-based方法在四多尺度系统中,“生物医学信号处理和控制,8卷,不。2、204 - 214年,2012页。视图:出版商的网站|谷歌学术搜索
8. m·卡斯a,却和d . Terzopoulos“蛇:活动轮廓模型,”国际计算机视觉杂志》上,1卷,不。4、321 - 331年,1988页。视图:出版商的网站|谷歌学术搜索
9. x刘、m·a·海德尔和i . s . Yetik”无人监督的3 d前列腺分割基于diffusion-weighted成像MRI与形状之前,利用活动轮廓模型”电气和计算机工程杂志》上ID 410912条,卷。2011年,11页,2011年。视图:出版商的网站|谷歌学术搜索
10. 朱x,张平,j .邵y, y,和j·巴姨,“snake-based方法及其体内血管内超声图像分割验证,”超声学,51卷,不。2、181 - 189年,2011页。视图:出版商的网站|谷歌学术搜索
11. y y彭日成,w . Hu l . Li Peng, l . Liu和y . Shao,“电脑分割和特征乳房病变的动态对比度增强图像算法,利用模糊c均值聚类和蛇先生”计算和数学方法在医学文章ID 634907卷,2012年,10页,2012。视图:出版商的网站|谷歌学术搜索
12. l .高、刘x和w·陈”阶段,gvf-based水平集分割的超声乳腺肿瘤,”应用数学学报810805卷,2012篇文章ID, 22页,2012年。视图:出版商的网站|谷歌学术搜索
13. l . l . Wang, a . Mishra和c·李,“主动轮廓由当地高斯分布拟合能量,”信号处理,卷89,不。12日,第2447 - 2435页,2009年。视图:出版商的网站|谷歌学术搜索
14. j·h·d . b . Liu Cheng黄,j .田x Tang和j·刘,“概率密度的焦点活动轮廓的超声图像分割,“模式识别,43卷,不。6,2028 - 2042年,2010页。视图:出版商的网站|谷歌学术搜索
15. j . y, z . Wang, w·赵和吴问:“基于领域知识的graph-cut肝脏ct模型分割,“生物医学信号处理和控制7卷,第598 - 591页,2012年。视图:谷歌学术搜索
16. Cruz-Aceves, j . Avina-Cervantes j . Lopez-Hernandez, s . Gonzalez-Reyna”多个活动轮廓由粒子群优化的心脏医学图像分割,“计算和数学方法在医学文章ID 132953卷,2013年,13页,2013。视图:出版商的网站|谷歌学术搜索
17. c c。曾,J.-G。谢长廷,黄永发。刘正,“通过multi-population粒子群优化活动轮廓模型”,专家系统与应用程序,36卷,不。3、5348 - 5352年,2009页。视图:出版商的网站|谷歌学术搜索
18. 大肠Shahamatnia和m . m . Ebadzadeh”,应用粒子群优化和蛇模型混合在医学成像,”诉讼中的第三届国际研讨会上计算智能医学成像(CIMI ' 11),页23-30,巴黎,法国,2011年4月。视图:出版商的网站|谷歌学术搜索
19. l . Ballerini“遗传蛇医学图像分割,”学报第一欧洲研讨会进化图像分析,信号处理和通信(EuroEcTel ' 99)卷,1596年,页59 - 73,施普林格,Goteborg,瑞典。视图:出版商的网站|谷歌学术搜索
20. m . Talebi a Ayatollahi, a . Kermani”医学超声图像分割使用遗传活动轮廓。”生物医学科学与工程》杂志上4卷,第109 - 105页,2011年。视图:谷歌学术搜索
21. j .新生,j·桑托斯和m . Penedo“模型与差分进化优化拓扑活跃,”专家系统与应用程序,卷。00,28,2012页。视图:谷歌学术搜索
22. r . Storn和k .价格“微分进化简单和高效的自适应全局优化方案在连续空间,“技术。众议员tr - 95 - 012,国际计算机科学研究所,1995年伯克利,加州,美国。视图:谷歌学术搜索
23. r . Storn和k .价格“微分进化简单和高效的启发式全局优化的连续空间,”杂志的全局优化,11卷,不。4、341 - 359年,1997页。视图:谷歌学术搜索
24. r . Alguliev r . Aliguliyev和c . Mehdiyev pSum-Sade:修改p中值问题和自适应差分进化算法用于文本摘要,“应用计算智能和软计算文章ID 351498卷,2011年,13页,2011。视图:出版商的网站|谷歌学术搜索
25. 李x和m .阴”混合微分进化biogeography-based优化设计可重构天线阵的离散相移,“国际期刊的天线和传播文章ID 685629卷,2011年,12页,2011。视图:出版商的网站|谷歌学术搜索
26. 吴张r和c”混合微分进化和树搜索算法的作业车间调度问题,“数学问题在工程文章ID 390593卷,2011年,20页,2011年。视图:出版商的网站|谷歌学术搜索
27. 卡里根t, b·丹尼斯,z汉,b . Wang“气动外形优化种的风力涡轮机的使用微分进化,”ISRN可再生能源文章ID 528418卷,2012年,16页,2012年。视图:出版商的网站|谷歌学术搜索
28. W.-H。何鸿燊和a . L.-F。Chan“混合Taguchi-differential进化算法参数估计与应用程序艾滋病毒动力学的微分方程模型,”数学问题在工程ID 514756条,卷。2011年,14页,2011。视图:出版商的网站|谷歌学术搜索
29. l·d·科恩和科恩,“有限元方法为活动轮廓模型和气球2 d和3 d图像,”IEEE模式分析与机器智能,15卷,不。11日,第1147 - 1131页,1993年。视图:出版商的网站|谷歌学术搜索

版权

版权©2013 i Cruz-Aceves et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。