您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览230 | 下载0

由于低的摘图像对比度、不可预测的前列腺位置和不确定的肠道气体,CT图像中自动和准确的前列腺分割是一个具有挑战性的问题.本文提出了一个基于随机森林的前列腺分割方法.利用自动上下文模型训练一系列的随机森林分类器,然后迭代地把这些训练好的分类器应用在测试图像上以改进前列腺的分类结果.实验结果表明,相比于其他最新方法,我们的方法性能更好.

作者:邵叶秦;杨新

来源:CT理论与应用研究 2015 年 24卷 5期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:230 | 下载:0
作者:
邵叶秦;杨新
来源:
CT理论与应用研究 2015 年 24卷 5期
标签:
CT图像 前列腺 随机森林 自动上下文模型 CT image prostate random forest auto-context model
由于低的摘图像对比度、不可预测的前列腺位置和不确定的肠道气体,CT图像中自动和准确的前列腺分割是一个具有挑战性的问题.本文提出了一个基于随机森林的前列腺分割方法.利用自动上下文模型训练一系列的随机森林分类器,然后迭代地把这些训练好的分类器应用在测试图像上以改进前列腺的分类结果.实验结果表明,相比于其他最新方法,我们的方法性能更好.