重みとトポロジ：3D画像セグメンテーションに対するグラフ構造の効果の研究

グラフベースのアルゴリズムは、医療画像のセグメンテーションでますます一般的になっています。これらの各アルゴリズムの基本的なプロセスは、画像コンテンツを使用してグラフの重みのセットを生成し、これらの重みに関してグラフの最適なパーティションの条件を設定することです。これまで、画像強度から加重グラフを生成するために使用されるヒューリスティックは、ほとんど無視されてきましたが、注意の主な焦点は、分割条件を提供する詳細にあります。この論文では、セグメンテーションの結果の品質に対するグラフの接続と重み付け関数の効果を経験的に研究します。アルゴリズム固有の効果を制御するために、実験でグラフカットとランダムウォーカーアルゴリズムの両方を使用します。

Graph-based algorithms have become increasingly popular for medical image segmentation. The fundamental process for each of these algorithms is to use the image content to generate a set of weights for the graph and then set conditions for an optimal partition of the graph with respect to these weights. To date, the heuristics used for generating the weighted graphs from image intensities have largely been ignored, while the primary focus of attention has been on the details of providing the partitioning conditions. In this paper we empirically study the effects of graph connectivity and weighting function on the quality of the segmentation results. To control for algorithm-specific effects, we employ both the Graph Cuts and Random Walker algorithms in our experiments.