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。发表于：。我们提出了一种基于能量最小化的新型分割方法，通过引入高阶项来融入对分割形状的先验知识，通过推动某些像素集完全位于一个分割或另一个分割中来实现。我们通过添加辅助变量将高阶项转换为次模拟的一阶项，然后使用图割对其进行全局最小化。我们还通过从具有真实值的训练数据中进行学习以原则性地确定这些项的权重或上述鼓励的程度。我们在 CT 图像中的全自动肺动脉 - 静脉分割的真实应用中展示了该方法的有效性。
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。
