研究目的
引入一种以分割误差范围为形式的分割不确定性度量方法,以便对相关感兴趣区域(ROI)的提取边界进行"充分知情"的比较,并开展更有意义的统计分析。
研究成果
利用MCMC进行分割采样以构建分割不确定性边界的方法,是医学影像分析中极具前景的工具,尤其适用于对比纵向与横断面研究及用户引导式分割。
研究不足
分割误差范围的准确性无法直接验证,因此采用ROC曲线作为概念验证。
研究目的
引入一种以分割误差范围为形式的分割不确定性度量方法,以便对相关感兴趣区域(ROI)的提取边界进行"充分知情"的比较,并开展更有意义的统计分析。
研究成果
利用MCMC进行分割采样以构建分割不确定性边界的方法,是医学影像分析中极具前景的工具,尤其适用于对比纵向与横断面研究及用户引导式分割。
研究不足
分割误差范围的准确性无法直接验证,因此采用ROC曲线作为概念验证。
加载中....
您正在对论文“[IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 用于定义分割误差边界的采样技术及其在脑部结构MRI中的应用”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期