机器学习技术量化的膝盖从MRI分割

文摘

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。

1。介绍

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(1]近年来,是一个严重的问题。近60 -百分之七十的人年龄超过60岁患有关节炎(2,3]。骨关节炎是关节软骨的损伤并导致损害的功能在膝盖和臀部,和早期迹象可以观察软骨含着泪水。但类风湿性关节炎是一种自身免疫性疾病,主要影响关节周围的软组织,骨头和软骨。因此,膝关节的厚度和体积评价风湿性关节炎的重要参数。

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1为各种疾病的诊断和治疗,是广泛利用。磁共振图像提供的信息损害和炎症的灵敏度比其他模式。磁共振图像可能包含数百片根据采样率。磁共振图像是一个有价值的工具不同疾病的治疗和研究。重要的劳动力成本,小时分析一个扫描到放射科医生,和不敏感检测关节炎的进展使治疗更加困难,昂贵,效率低下。

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X,Y,Z是一个有限的网格p,问像素与Y的强度和Z对象,分别。

让 和 分别表示图像和一个区域。图像分割将图像成Z -连接子图象。

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(4,5]。尽管许多研究自动和半自动的方法进行,这从磁共振图像分割是一个未来的研究的问题(6)发展的完全自动化的准确和精确的技术。因此,这个科学审查提供了一个全面的知识不同的计算方法用于磁共振图像的分割。审查也侧重于探索在分割的挑战。

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2讨论了在磁共振图像的分割所面临的挑战。部分3描述了各种方法之后,自动和半自动的分割方法与指标4。部分5本文包括讨论现有的工作了。部分6实现评论文章的结论。

2。挑战磁共振图像的分割

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。

2.1。组织结构

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(7,8每年在类风湿性关节炎。这些结构变得瘦和不规则的形状和在所有片是一个具有挑战性的任务。然而,胫骨和股骨软骨展览并发症之间的边在图表示2 (b),提供可靠的措施。

2.2。磁场强度

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(9]。此外,信噪比和扫描时间之间的比例。增加扫描时间增加信噪比的值,通常会导致工件的形象。高场,即。,3 T or 7 T strength, the visual quality and segmentation process of cartilage are improved. However, in 3 T magnetic strength, the T1-weighted images appear to be different than normal, and in 7 T strength, the T2-weighted images interrupt the scanning process and deploy more artifacts in the image leading to difficulty in finding a region of interest and other features [10]。

2.3。图像构件和属性

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3说明了变化和减少边缘膝关节磁共振图像的质量。

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。

3所示。膝盖组织分割方法

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(12]。这个骨分割是一个非常关键的评估作为连接软骨变性是可能的ACL重建后(13]。在类的方法中,膝盖软骨是身体或半自动地分段,感兴趣的领域(AOI)估计。有许多方法分割的骨头和软骨回顾在这一节中,如图4。

3.1。手册和传统的计算方法

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14]。这些手工技术几乎不用于临床试验,例如,图5代表股骨骨手动分割。

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(15]提出了解决相关问题的膝盖图像分割。这种方法使用60图像识别的膝盖软骨的厚度与一个极端和最小密度。该方法使用公共数据集150膝盖图像(16),主要的数据由t1加权图像索引和∼∼73%和74%的股骨和胫骨段,分别。

3.1.1。提出技术

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(17]。的初始化和过程分割从一些种子点开始。这个过程将基于像素的强度的区域。这个过程只需要一个种子点和同质邻近像素的属性。图6代表该地区的种植方法,选择两个种子点段的组织。

3.1.2。阈值或灰度技术

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: 在哪里f(x,y)的像素强度(x,y)位置和P是阈值。如果阈值是不合适的,那么它会导致不准确的分割结果(18]。这个阈值参数是一个问题发生在磁共振图像,使图像分割复杂。

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19]。在当地的阈值,图像划分为垂直和水平线。当地的全球阈值阈值相比,需要更多的时间。

3.1.3。Edge-Based技术

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20.]。边界的自动分类是通过一些高过滤器,避免低强度数据(统一的数据)和保留高强度数据(边缘数据)。这些边缘提取利用复杂的方法(21]。组织似乎薄弱或打破不区分与edge-based地区的一些方法和距离信息。

3.1.4。阿特拉斯或基于技术

灰色的图像的像素是用来创建一个图,灰色指数(22]。atlas和图表是由专家设计手动分配标签的组织结构。分割过程申请从标签数据对象传输图像信息。因此,图像分割的效率依赖于图像注册和主题之间的相似之处和阿特拉斯。multiatlas方法(23,24多个序列图)是用于收集信息的颜色,结构,材质的组织与灰色的价值观。此外,图像分割成几个多个小区域,与前景和背景区域分割。

三个标签的方法,利用阿特拉斯的方法(25]因为骨头和软骨细分应用和评估在膝盖图像。本研究广泛描述不同分类器的性能,和平均Jaccard价值是股骨和胫骨骨的75.3%和75.6%。图形方法(26)提供一个主题提取与维度的权重边边界相关的属性。从的OAI数据库评估方法获得的图像与一个更好的性能参数。

3.2。Fuzzy-Based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27]。膝关节炎是归类为正常,最小的,怀疑,温和按KL评分的标准做法。被任命为骨关节炎的膝盖的形态学指标的调查与图像处理方法。结果强化和加强传统方法的严酷的应用程序。灰度和白平衡等组织加强与bias-filed分段修正模糊c均值(28]。水平集和模糊方法的结合集群灰质和白质的磁共振图像。

图形处理单元提供快速计算的模糊方法,实现在29日]。一个大型数据集可以处理模糊c均值与GPU加速解决计算时间约2.24倍。感兴趣的特定区域(ROI)提取,和软骨的活动轮廓noninterpolated地区估计(30.]。相同的像素分配一些类用隶属函数来检测病理变化的组织结构膝关节磁共振图像。

3.3。机器学习方法

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[31日]。无监督学习方法不需要培训或标签数据。图像的标签是通过利用形状的立体像素强度特性。的监督学习方法需要训练算法和学习的体素的例子。支持向量机的多组图像(32)用于评价膝关节软骨有更好的灵敏度。36个不同维度特征选择和尝试与76%的AUC 4种不同的分类器。隐藏的生物医学信息分析显然对关节炎的进展。

皮层下分割方法用于构造图(33]。可靠的结构和自动分割的磁共振图像形状分析和体积的研究更重要。随机森林分类器是用于分配图中每个节点的成本和评估骰子指数和核措施。基于事例的方法策略34]显示成功分割为软骨。软骨是导致假阳性值从背景中分割出来。此外,这项研究是修改和提出了支持向量机(35]。支持向量机的主要困难是数据的分布和独立实例。将上下文数据,如强度和结构信息,毫升的方法构建特征向量(36同时使用多个图像。方法利用软骨的t1影像分割问题multicontrast和沉积脂肪和水分梯度。基于模式识别的方法(32梯度数据的膝盖软骨段报告平均骰子值为0.76。

3.4。深度学习的方法

形状的先验知识分析使用卷积神经网络(37提出了有关SSM。验证方法使用40和50名受试者评估的膝盖图像。立体像素精度估计89%的手工调整,开发方法之间的相关性和地面真理了。自动分割是基于CNN的方法38]。这种方法适用于体积结构图像和手动段磁共振图像。图像的自动分割取得更好成果骰子相似性得分是0.95和0.95股骨组织的精度。

上下文约束神经网络结合水平集演化[39)是用于膝关节磁共振图像的分割。膝盖髌骨t2加权图像的运动应该是正常的,所以跟踪和分段股骨髌骨是必需的。膝盖t1加权磁共振图像的性能在ASD和RMSD估计与卷积网络提出了(40]。深度学习的方法有一些有前途的问题,如高依赖训练数据的质量和数量,往往overfit数据(41]。

三维可变形的方法介绍(42)使用CNN与3 d单纯形变形建模。方法执行pixelwise多级分类,一直在测试公众膝盖图像数据集。这种方法提供了最先进的性能优越的精度和分割错误的小海湾。一个扩展版的方法提出了(43对软骨病变检测的分割。t2加权快速旋转回声的磁共振图像与CNN使用175例。中华民国,k统计数据被用于分析的性能和intraobserver检测软骨病变。介绍了膝盖软骨的容量评估(44]。骰子分数和小海湾估计使用CNN的方法对不同的体系结构。

4所示。分割方法的性能

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[6,45,46]。基于地面真理和发展方法,敏感性,特异性,DSC,精度测量使用方程(3)- (6),分别为: TP是真阳性,即。,area correctly labelled as cartilage area, TN is true negative, i.e., area correctly labelled as noncartilage area, FP is false positive, i.e., area incorrectly labelled as cartilage area, and FN is false negative, i.e., area incorrectly labelled as noncartilage area. These parameters are estimated with base values over the segmented areas.

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。

4.1。自动分割方法

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1。表中所讨论的所有方法都利用强度或像素计算。一般来说,图像分割等参数可以通过使用大量的边缘,地区,集群和图像强度。基于阈值的分割方法是有限的(a)等组织属性不同强度的软骨,(b)低信号强度,(c)低能见度的组织。这些技术仍处于研究的发展,很多已经被发现。当前发展领域的细分已经针对多个脉冲序列磁共振图像。

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(62年]。

4.2。半自动分割方法

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2方法,用于半自动分割导致了巨大的成功在提取软、硬组织的特性。重复的平均滤波器用于复制的高斯函数由模糊变清晰的过程。dehaze图像通过使用超像素分割技术(72年),强度是总结和传输地图估计。该方法保留了实时图像的纹理和边缘等特性。

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7代表了股骨和胫骨组织分割使用atlas-based矢状和轴向图像的方法。(讨论的方法14)提供了一个具有一组功能丰富的multicontrast图像的特性给出了使用支持向量机分类器技术。此外,除了地方特色,全球功能也包含在股骨和胫骨骨的解剖方向。SVM是扩展,新的SVM-DRF包括独立像素估计将相邻的像素之间的空间相关性。

5。讨论

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73年]。讨论了技术包括如地区增长,活动轮廓,graph-cut。所有这些技术都需要人工干预少,提供更好的敏感性,特异性,骰子相似性分数。战胜国米的缺点——或者intraobserver,许多研究者提出了自动分割方法进行了讨论和综述部分4。

表3提供了一个比较分析的其他文章和这篇文章。本文给出了一个详细了解选择的所有特性与类风湿性关节炎有关。在表3本文选择滑液和半月板,是类风湿性关节炎的主要来源。使用磁共振图像和机器学习方法是关键参数选择评论文章。本文概述不同的技术用于组织的分割与解决磁共振图像的主要挑战。可用的技术需要更多时间计算整个膝关节磁共振图像的分割。上面讨论的一些自动和半自动的方法的主要优点和缺点突出显示。然而,数据的增长速度和增加率的计算能力使机器学习和深度学习方法最有前途的未来应用程序涉及物联网应用程序(79年- - - - - -83年]。

6。结论

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。

的利益冲突

作者宣称没有利益冲突。

确认

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。

引用

1. 卡斯塔涅达,j . a . Roman-Blas r .宽广的和g . Herrero-Beaumont“软骨下骨骨关节炎治疗的主要目标,”生化药理学,卷83,不。3、315 - 323年,2012页。视图:出版商的网站|谷歌学术搜索
2. d . Lubar p h .白色,l·f·卡拉汉et al .,“国家公共卫生议程骨关节炎2010。”研讨会在关节炎和风湿病,39卷,不。5,323 - 326年,2010页。视图:出版商的网站|谷歌学术搜索
3. a . o . Akinpelu t . o . Alonge b . a . Adekanla和a·c·Odole”在尼日利亚有症状的膝关节骨关节炎的患病率和模式:以社区为基础的研究中,“互联网盟军的健康科学和实践杂志》上,7卷,不。3、1 - 7,2009页。视图:谷歌学术搜索
4. 诉格劳,a . j .新m . Alcaniz r . Kikinis和s . k . Warfield“改进的分水岭变换用于医学图像分割使用先验信息,“IEEE医学成像,23卷,不。4、447 - 458年,2004页。视图:出版商的网站|谷歌学术搜索
5. 张,“计算机辅助膝关节磁共振图像segmentation-a调查显示,“2018年,https://arxiv.org/abs/1802.04894。视图:谷歌学术搜索
6. d·库马尔a . Gandhamal s Talbar, a·f·m·哈尼“膝盖关节软骨分割图像先生:复习一下,”ACM计算调查,51卷,不。5 p。2019。视图:出版商的网站|谷歌学术搜索
7. b . s .宾利和r .诉希尔,”评估的宏观和微观指标远端指间关节骨关节炎:尸体的一项研究中,“临床解剖学,20卷,不。7,799 - 807年,2007页。视图:出版商的网站|谷歌学术搜索
8. t·g·威廉姆斯,a . p .福尔摩斯m . Bowes et al .,”焦软骨厚度变化的测量和可视化通过磁共振成像在膝关节骨关节炎的研究使用一种新颖的图像分析工具,”英国放射学杂志》上,卷83,不。995年,第948 - 940页,2010年。视图:出版商的网站|谷歌学术搜索
9. p . r . Kornaat s b·里德s古永锵et al .,”MR成像关节软骨的1.5和3.0 T: SPGR和SSFP序列的比较,“骨关节炎和软骨,13卷,不。4、338 - 344年,2005页。视图:出版商的网站|谷歌学术搜索
10. r·斯塔尔r·克鲁格d·a·c·凯利et al .,“评估cartilage-dedicated ultra-high-field MRI序列:比较3.0和7.0之间的成像性能和诊断信心T对膝关节osteoarthritis-induced变化,“骨骼放射学,38卷,不。8,771 - 783年,2009页。视图:出版商的网站|谷歌学术搜索
11. p . Lang f . Noorbakhsh h .吉冈,“先生的关节软骨成像:当前状态和最近的进展,”北美放射诊所,43卷,不。4、629 - 639年,2005页。视图:出版商的网站|谷歌学术搜索
12. a . Aprovitola l·盖洛,“膝盖骨头从MRI分割:一个分类和文献综述,”生物控制论和生物医学工程,36卷,不。2、437 - 449年,2016页。视图:出版商的网站|谷歌学术搜索
13. m·h·Brem p . k . Lang g·诺伊曼et al .,“磁共振图像分割使用半自动化软件的膝盖关节cartilage-initial评价量化技术配对扫描,”骨骼放射学,38卷,不。5,505 - 511年,2009页。视图:出版商的网站|谷歌学术搜索
14. k·张,w . Lu和p . Marziliano”自动膝盖软骨从multi-contrast MR图像分割空间依赖性,用支持向量机分类”磁共振成像没有,卷。31日。10日,1731 - 1743年,2013页。视图:出版商的网站|谷歌学术搜索
15. h . Seim d . Kainmueller h . lameck m . Bindernagel j .马林诺斯基,s . Zachow“基于模型auto-segmentation膝盖的骨头和软骨的核磁共振数据,”学报》第13届国际会议在医学影像计算和计算机辅助干预2010年,北京,中国。视图:谷歌学术搜索
16. t这个和b·莫里森”分割的膝盖图片:一个巨大的挑战,”学报2010年MICCAI研讨会为临床医学图像分析2010年,北京,中国。视图:谷歌学术搜索
17. a . Norouzi m . s . m . Rahim a Altameem et al .,“医学图像分割方法、算法和应用程序,”IETE技术评审没有,卷。31日。3、199 - 213年,2014页。视图:出版商的网站|谷歌学术搜索
18. p . k . Sahoo s Soltani, A . k . c . Wong“阈值技术的一项调查,”计算机视觉、图形和图像处理第41卷。。2、233 - 260年,1988页。视图:出版商的网站|谷歌学术搜索
19. a . Rad m . s .穆罕默德Rahim Rehman, a . Altameem t·萨巴,“评估当前的牙片分割方法在计算机辅助应用程序中,“IETE技术评审,30卷,不。3、210 - 222年,2013页。视图:出版商的网站|谷歌学术搜索
20. 张x, y阴r·威廉姆斯,吴x·d·d·安德森和m . Sonka”LOGISMOS-layered最佳图形图像分割的多个对象和表面:膝关节软骨分割,“IEEE医学成像卷,29号12日,37岁的2023 - 2010页。视图:出版商的网站|谷歌学术搜索
21. m . s . Swanson, j·w·普雷斯科特,t . m .最好et al .,“半自动分割评估外侧半月板在正常和骨关节炎的膝盖,“骨关节炎和软骨,18卷,不。3、344 - 353年,2010页。视图:出版商的网站|谷歌学术搜索
22. J.-G。李,s . Gumus c . h .月亮,c . k . Kwoh和k . t . Bae“全自动分割的软骨先生使用multi-atlas膝盖和当地的图像结构分析方法,”医学物理学第41卷。。9篇文章ID 092303 2014。视图:出版商的网站|谷歌学术搜索
23. h .垫片,s . Chang c .道黄永发。王、c . k . Kwoh和k . t . Bae“膝盖软骨:高效和可再生的分割high-spatial-resolution先生与半自动的图像graph-cut算法方法,”放射学,卷251,不。2、548 - 556年,2009页。视图:出版商的网站|谷歌学术搜索
24. l, c·查尔斯·m·Niethammer,“自动从膝盖软骨multi-atlas-based分割图像,先生”学报》2012年第九届IEEE国际研讨会上生物医学成像(位ISBI)西班牙,巴塞罗那,2012年。视图:出版商的网站|谷歌学术搜索
25. l, c·扎克,查尔斯c和m . Niethammer”自动atlas-based three-label软骨分割从膝盖图像,先生”医学图像分析,18卷,不。7,1233 - 1246年,2014页。视图:出版商的网站|谷歌学术搜索
26. o . Veksler y Boykov, r . Zabih“快速通过削减图近似能量最小化,”IEEE模式分析与机器智能,23卷,不。11日,第1239 - 1222页,2001年。视图:出版商的网站|谷歌学术搜索
27. a . Alkan”分析膝关节骨关节炎的基础上,采用模糊c均值聚类和SVM分类,“科学研究和论文》第六卷,没有。20日,第4219 - 4213页,2011年。视图:出版商的网站|谷歌学术搜索
28. p•阿加瓦尔库马尔,r·辛格·阿加瓦尔和m·巴塔查里亚”结合模糊c bias-field纠正和脑核磁共振图像分割,水平集方法”学报2015年的第二次国际会议上软计算和机器智能(ISCMI),香港,中国,2016。视图:出版商的网站|谷歌学术搜索
29. m . Al-Ayyoub A . m . Abu-Dalo y Jararweh, m .红柳桉树和m . A . Sa,“基于gpu实现模糊c均值算法的医学图像分割,“《华尔街日报》的超级计算,卷71,不。8,3149 - 3162年,2015页。视图:出版商的网站|谷歌学术搜索
30. j . Kubicek和m . Penhaker”模糊算法提取的对象从核磁共振图像的分割,,”学报2014年国际会议上的进步计算、通信和信息(ICACCI),新德里,印度,2014。视图:出版商的网站|谷歌学术搜索
31. 古,哈格里夫斯,t . Andriacchi, g .黄金,“自动分割的关节软骨MRI: multi-contrast和多维的方法,”16科学学报》国际磁共振医学学会会议,多伦多,加拿大,2008。视图:谷歌学术搜索
32. y Du, r . Almajalid j .山和m . Zhang,”一个新颖的方法来预测膝关节骨性关节炎的进展在磁共振成像使用机器学习方法,“IEEE生物科学,17卷,不。3、228 - 236年,2018页。视图:出版商的网站|谷歌学术搜索
33. z郭,美国卡、m . Sonka和它,“机器学习为皮层下分割图框架,“医学成像2017:图像处理,10133卷,2017年。视图:出版商的网站|谷歌学术搜索
34. j . Folkesson e . b .大坝,o·f·奥尔森,p·c·佩特森工作室内由手工制作完成,和c·克里斯琴森,“分段关节软骨自动使用立体像素分类的方法,”IEEE医学成像,26卷,不。1,第115 - 106页,2007。视图:出版商的网站|谷歌学术搜索
35. j . Folkesson o·f·奥尔森,p·佩特森工作室内由手工制作完成,大肠大坝,和c·克里斯琴森”相结合的二元分类器自动软骨在膝关节MRI分割,“在计算机科学的课堂讲稿施普林格,卷。3765年,柏林,德国,2005年。视图:出版商的网站|谷歌学术搜索
36. j . k . Zhang邓,w . Lu”分段人类膝盖软骨自动从multi-contrast先生图像,采用支持向量机和歧视的随机领域”学报2011年18 IEEE国际会议上图像处理布鲁塞尔,比利时,2011年。视图:出版商的网站|谷歌学术搜索
37. f . Ambellan a策略、m . Ehlke和s . Zachow”自动分割的膝盖骨头和软骨结合统计形状知识和卷积神经网络:骨关节炎的数据倡议,“医学图像分析52卷,第118 - 109页,2019年。视图:出版商的网站|谷歌学术搜索
38. c . m . Deniz s, r . s . Hallyburton et al .,“先生近端股骨的分割图像使用深卷积神经网络,”科学报告,8卷,不。1、1 - 14,2018页。视图:出版商的网站|谷歌学术搜索
39. H.-C。局域网,T.-R。常,观测。廖,Y.-N。钟,P.-C。钟”,膝关节MR图像分割结合上下文约束神经网络和水平集演化,”学报2009年IEEE研讨会上计算智能在生物信息学和计算生物学美国纳什维尔,TN, 2009。视图:出版商的网站|谷歌学术搜索
40. h·李,h .香港,j .金正日“BCD-NET:小说的软骨切分方法膝关节MRI与bone-cartilage-complex通过深度细分网络建模、”学报2018年IEEE 15日生物医学成像(2018位ISBI)国际研讨会美国,华盛顿特区,2018年4月。视图:出版商的网站|谷歌学术搜索
41. J.-G。李,美国6月,Y.-W。曹et al .,“深度学习在医学成像:概述”,韩国放射学杂志》,18卷,不。4、570 - 584年,2017页。视图:出版商的网站|谷歌学术搜索
42. z . f . Liu, h .张成泽,a . Samsonov g .赵和r . Kijowski“卷积神经网络和3 d变形方法肌肉骨骼组织分割的磁共振成像,”磁共振医学,卷79,不。4、2379 - 2391年,2018页。视图:出版商的网站|谷歌学术搜索
43. f·刘,z, a Samsonov et al .,“深度学习方法评估膝盖图像先生:实现高诊断软骨病变检测的性能,”放射学,卷289,不。1,第169 - 160页,2018。视图:出版商的网站|谷歌学术搜索
44. a . Raj s Vishwanathan b . Ajani k .克里希和h·阿加瓦尔,”自动膝盖软骨分割使用完全体积卷积神经网络评估骨关节炎,”学报2018年IEEE 15日生物医学成像(2018位ISBI)国际研讨会美国,华盛顿特区,2018年。视图:谷歌学术搜索
45. c·考夫曼,p .砾石,b . Godbout et al .,“计算机辅助方法,量化的软骨厚度和体积变化使用MRI:使用合成模型验证研究,“IEEE生物医学工程,50卷,不。8,978 - 988年,2003页。视图:出版商的网站|谷歌学术搜索
46. j . Tang米林顿,s·t·阿克顿j•克兰德尔和s .赫维茨”表面提取和关节软骨的厚度测量图像使用方向梯度向量流蛇,先生”IEEE生物医学工程,53卷,不。5,896 - 907年,2006页。视图:出版商的网站|谷歌学术搜索
47. c . n . Ozturk和美国Albayrak软骨在轨迹磁共振图像的自动分割与改善膝关节的voxel-classification-driven区域增长算法使用vicinity-correlated二次抽样,”计算机在生物学和医学卷,72年,第107 - 90页,2016年。视图:出版商的网站|谷歌学术搜索
48. Bui, c·安·t·d·Y.-w。李,j . Shin和h .公园”,完全自动化,水平基于集合分割使用一种自适应膝关节磁共振力函数和模板:骨关节炎的数据倡议,“生物医学工程在线,15卷,不。1、1 - 14,2016页。视图:出版商的网站|谷歌学术搜索
49. p·r·德赛和i Hacihaliloglu增强超声和自动分割的膝盖软骨膝骨关节炎的早期诊断,”学报2018年IEEE 15日生物医学成像(2018位ISBI)国际研讨会美国,华盛顿特区,2018年4月。视图:出版商的网站|谷歌学术搜索
50. a . Gandhamal s Talbar s Gajre r·拉扎克a·f·m·哈尼·d·库马尔,“完全自动化从膝盖软骨下骨分割图像先生:骨关节炎的数据倡议,“计算机在生物学和医学卷,88年,第125 - 110页,2017年。视图:出版商的网站|谷歌学术搜索
51. 张卡,h . k . Rao, m . Sonka”上优于成本函数3 d和4 d多界面多目标分割的膝关节MRI:骨关节炎的数据倡议,“IEEE医学成像,37卷,不。5,1103 - 1113年,2018页。视图:出版商的网站|谷歌学术搜索
52. l, c·扎克和m . Niethammer”自动从膝盖three-label骨分割图像,先生”《2010年IEEE国际研讨会上生物医学成像:从纳米到宏鹿特丹,荷兰,2010年。视图:谷歌学术搜索
53. l, c·查尔斯·m·Niethammer,“膝盖软骨,纵向three-label分割的”学报2013年IEEE 10日生物医学成像国际研讨会美国,旧金山,CA, 2013。视图:谷歌学术搜索
54. 答:策略、a . Mukhopadhyay和s Zachow“膝盖半月板分割使用卷积神经网络:骨关节炎的数据倡议,“骨关节炎和软骨,26卷,不。5,680 - 688年,2018页。视图:出版商的网站|谷歌学术搜索
55. g .文森特·c .五星行。斯科特,m . Bowes”全自动分割膝关节的使用主动外观模型,”医学图像分析诊所:一个大的挑战CreateSpace, Scotts山谷、钙、美国,2010年。视图:谷歌学术搜索
56. 陈黄f . x、d .你们和赫特尔,“距离加权方向梯度法膝关节MRI的全自动骨分割”学报》第16届科学会议的国际社会医学磁共振,多伦多,加拿大,2008。视图:谷歌学术搜索
57. 楚,j .呗,吴x和g .郑”MASCG: multi-atlas分割约束图准确的髋关节CT图像分割的方法,”医学图像分析,26卷,不。1,第184 - 173页,2015。视图:出版商的网站|谷歌学术搜索
58. e . b .大坝,“简单方法扫描仪漂移正常化验证自动分割的膝骨关节炎的磁共振成像数据倡议,“2017年,https://arxiv.org/abs/1712.08425。视图:谷歌学术搜索
59. 抚顺石油化工研究院,上j . s . Ourselin s . k . Warfield和牧杖,“自动分割的骨头先生的膝盖,图像”学报》2007年第四届IEEE国际研讨会上生物医学成像:从纳米到宏,页336 - 339,阿灵顿,弗吉尼亚州,美国,2007年。视图:谷歌学术搜索
60. 抚顺石油化工研究院,上j . p . Bourgeat c . Engstrom s Ourselin牧杖,o . Salvado,“半月板的自动分割图像,先生”《2009年IEEE国际研讨会上生物医学成像:从纳米到宏美国,波士顿,MA, 2009。视图:谷歌学术搜索
61. Hyun, s .李董,英国和美国,“自动骨分割在膝盖,图像使用而且策略,”卷,8314年,页1 - 6,2012。视图:出版商的网站|谷歌学术搜索
62. e . b .大坝,j . Folkesson p·c·佩特森工作室内由手工制作完成,和c·克里斯琴森,“半自动膝盖软骨分割,”2006年美国医学成像:图像处理2006年美国圣地亚哥CA。视图:出版商的网站|谷歌学术搜索
63. m . Marčan i Voiculescu,“无监督分割MRI的膝盖使用图像分区森林,”2016年美国医学成像:在分子生物医学应用,结构和功能成像圣地亚哥,卷9788,美国2016年。视图:出版商的网站|谷歌学术搜索
64. a . Piplani d·g·尤·t·j·福尔摩斯,t·r·麦考利和j.p.表亲,“膝盖关节软骨卷:半自动的决心从三维图像,先生的改革”放射学,卷198,不。3、855 - 859年,1996页。视图:出版商的网站|谷歌学术搜索
65. s Solloway c·e·哈钦森j·c·沃特顿和c·j·泰勒,“主动形状模型的使用进行厚度测量关节软骨的图像,先生”磁共振医学,37卷,不。6,943 - 952年,1997页。视图:出版商的网站|谷歌学术搜索
66. d·t·桑德维尔,“热地壳均衡说:响应分布式热源移动的岩石圈,”地球物理学研究杂志:固体地球,卷87,不。B2, 1001 - 1014年,1982页。视图:出版商的网站|谷歌学术搜索
67. p .朵j . Pelletier j . Martel-Pelletier f·亚伯兰,“自动人体膝盖软骨从三维磁共振图像分割,“IEEE生物医学工程卷,57号11日,第2711 - 2699页,2010年。视图:出版商的网站|谷歌学术搜索
68. 抚顺石油化工研究院,上j . s .牧杖,s . k . Warfield s Ourselin和s . Ourselin”自动分割和定量分析关节软骨的磁共振图像的膝盖,“IEEE医学成像卷,29号1,55 - 64、2010页。视图:出版商的网站|谷歌学术搜索
69. m·a·鲍德温j . e . Langenderfer p . j . Rullkoetter和p . j .有没有”发展主题和膝盖的统计形状模型使用一个有效的分割和mesh-morphing方法,”计算机在生物医学方法和项目,卷97,不。3、232 - 240年,2010页。视图:出版商的网站|谷歌学术搜索
70. f·k·帕特尔和m·辛格“分割膝盖软骨的MRI图像使用分水岭算法,”国际发展研究期刊》的研究,理念和创新技术,4卷,不。2、1727 - 1730年,2018页。视图:谷歌学术搜索
71. h·哈桑·a·k·巴希尔r . Abbasi w·艾哈迈德和b .罗,“单一图像散焦估计通过修改后的高斯函数,”交易新兴电信技术,30卷,不。6、1 - 14,2019页。视图:出版商的网站|谷歌学术搜索
72. h·哈桑·a·k·巴希尔·m·艾哈迈德et al .,“实时图像dehazing superpixels分割和指导滤波器,”实时图像处理》杂志上,21,2020页。视图:出版商的网站|谷歌学术搜索
73. A Saygılı和s Albayrak”一个新的计算机方法完全自动化分割的膝盖半月板磁共振图像,”生物控制论和生物医学工程,37卷,不。3、432 - 442年,2017页。视图:出版商的网站|谷歌学术搜索
74. n .好,p . Rajpurkar r . l .球et al .,“Deep-learning-assisted膝关节磁共振成像诊断:开发和MRNet回顾性验证,”《公共科学图书馆·医学》杂志上,15卷,不。11日文章ID e1002699, 2018。视图:出版商的网站|谷歌学术搜索
75. b . g . Ashinsky m . Bouhrara c . e . colletta et al .,“预测早期人类膝骨关节炎症状使用机器学习分类的磁共振图像骨关节炎倡议,“骨科研究期刊》的研究,35卷,不。10日,2243 - 2250年,2017页。视图:出版商的网站|谷歌学术搜索
76. a Saygılı和美国Albayrak”,一个有效的和快速的计算机辅助方法完全自动化诊断半月板撕裂的磁共振图像,”人工智能在医学上,卷97,不。13日,118 - 130年,2019页。视图:出版商的网站|谷歌学术搜索
77. r . Hemalatha诉Vijaybaskar, t . Thamizhvani“解剖区域的自动定位在医学超声图像的类风湿性关节炎使用深度学习,”美国机械工程师学会学报》上,H部分:工程在医学杂志》上,卷233,不。6,657 - 667年,2019页。视图:出版商的网站|谷歌学术搜索
78. z, g .赵r . Kijowski f·刘,“深卷积神经网络分割的膝关节解剖,”磁共振医学,卷80,不。6,2759 - 2770年,2018页。视图:出版商的网站|谷歌学术搜索
79. n . Tsafack s Sankar b Abd-El-Atty et al .,“一个新的混沌映射与动态分析和加密应用程序在互联网健康的事情,”IEEE访问ID 137731条,卷。8日,2020年。视图:出版商的网站|谷歌学术搜索
80. m . Al-Maitah a . a . AlZubi和a . Alarifi”最优存储利用物联网技术设备使用机器学习顺序,“计算机网络卷,152年,第105 - 98页,2019年。视图:出版商的网站|谷歌学术搜索
81. 答:a . AlZubi a Alarifi, w . Alnumay“基于机器学习通道分析用户同心光学交换网络,”电路、系统和信号处理,39卷,不。2、1178 - 1194年,2020页。视图:出版商的网站|谷歌学术搜索
82. 美国深,x郑,A . Jolfaei p . Ostovari d . Yu和A·巴希尔Kashif“安全和隐私问题的调查在分层的物联网背景下,“交易新兴电信技术2020年,文章ID e3935。视图:出版商的网站|谷歌学术搜索
83. j . z郑,t . Wang,泰姬,a·k·巴希尔和s . h . Chauhdary”不同私人高维数据发表在物联网中,“IEEE物联网,7卷,不。4、2640 - 2650年,2020页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020 Sujeet等。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。