基于随机森林算法的小鼠micro-CT影像中骨骼关节特征点定位
发表时间：2019-03-10
点击次数：
- 论文类型：
- 期刊论文
- 第一作者：
- 屠睿博
- 通讯作者：
- Wang, H.; Department of Biomedical Engineering, Dalian University of TechnologyChina; email: wang.hongkai@dlul.edu.cn
- 合写作者：
- 陈中华,王洪凯
- 发表时间：
- 2017-06-20
- 发表刊物：
- 中国生物医学工程学报
- 收录刊物：
- Scopus、CSCD
- 文献类型：
- J
- 卷号：
- 36
- 期号：
- 3
- 页面范围：
- 257-266
- ISSN号：
- 0258-8021
- 关键字：
- 小动物影像分析 骨关节点定位 随机森林 模式识别 显微CT small animal image analysis bone joint localization random forest pattern recognition micro-CT
- 摘要：
- 随着小动物成像技术的发展,技术人员每天需要处理的小动物影像数量急剧增长,这使得自动化的小动物图像分析方法成为迫切的需求.在小鼠图像分析方面,小鼠灵活多变的身体姿态给自动化的图像分析带来困难.基于随机森林算法实现小鼠micro-CT图像中骨骼关节点的自动定位,为解决小鼠影像中身体姿态的自动识别打下基础.该算法主要分3步:先通过分类随机森林算法得到小鼠骨骼关节点的粗定位,再通过回归随机森林算法进一步减小定位误差,最后通过图匹配的方法在备选点中挑选正确位置上的关节点.对49例不同身体姿态的小鼠全身三维micro-CT图像进行测试,全身关节点定位的成功率为98.27％,定位误差的中值为0.68 mm.同时验证联合使用分类与回归随机森林的必要性,并探究训练数据的数量对不同骨关节的识别效果的影响.研究为小鼠micro-CT影像中身体姿态的识别提供一种新方法,为后续的自动化图像配准、图像分割以及自动化图像测量提供重要的定位信息.
- 是否译文：
- 否
