BriefGPT - AI 论文速递
·
基于数据依赖的高阶团选择进行能量最小化的动脉和静脉分割
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种基于能量最小化的新型分割方法，通过引入高阶项来融入对分割形状的先验知识，实现将像素集完全位于一个分割或另一个分割中。该方法在肺动脉-静脉分割中展示了有效性。
🎯
关键要点
-
提出了一种基于能量最小化的新型分割方法。
-
通过引入高阶项融入对分割形状的先验知识。
-
实现了像素集完全位于一个分割或另一个分割中。
-
将高阶项转换为次模拟的一阶项，使用图割进行全局最小化。
-
通过真实值的训练数据学习确定项的权重。
-
在CT图像中的全自动肺动脉-静脉分割中展示了该方法的有效性。
➡️
