最小描述长度优化下的医学图像统计形状建模

统计形状模型(SSM)是有效的图像处理与分析方法。为了建立模型，需要从形状样本集中提取出具有对应关系的轮廓采样点集合，这是决定模型性能的关键。传统的手动标定这些点集来确保对应关系枯燥耗时且带有主观性，更难以向高维拓展。对形状建立逐层的多尺度参数表示，基于最小描述长度(MDL)，在粗尺度上建立反映点对应程度的目标函数并最小化，提出首先确保粗尺度上具有最优意义的点对应，同时在精尺度上使用最便捷的弧长参数函数来确定特征点，完成感兴趣目标的快速统计形状建模，进而统计分析以验证模型性能，为后续图像分割或定量分析打下基础。实验对肌肉骨骼核磁共振成像(MRI)中椎骨、椎间盘以及半月板等具有临床意义的结构建立了统计形状模型，验证了本文方法与手动取点相比具有客观可重复性且更加简洁，与单一尺度下的MDL方法相比时间效率更高。基于此模型的图像分割与基于手动建模的分割相比，误差相当或有所降低。