前列腺超声图像在临床中的准确分割对于后续诊断具有重要的影响，而当前已有研究结论无法精确分割各个部分。提出了一种基于点分布模型和流形学习的双态形状重构的方法，并对前列腺超声图像进行分割：通过随机森林指示隐态表达进行目标初定位；改进边界算子以改善粗分割准确性；使用显态表达与噪声部分相邻的部分灰度显著点来进行插值计算，从而恢复整体形状。该分割方式不仅减少了数据计算量，还增加了分割可靠性。实验表明，该方法的DSC指标为97.38%,mIoU指标为95.24%,精度强于当前热门分割神经网络。
科研之友
微信
新浪微博
Facebook
分享链接
