We describe an automated 3-D segmen

We describe an automated 3-D segmentation system for in vivo brain magnetic resonance images (MRI). Our segmentation method combines a variety of filtering, segmentation, and registration techniques and makes maximum use of the available a priori biomedical expertise,both in an implicit and an explicit form.
We approach the issue of boundary finding as a process of fitting a group of deformable templates (simplex mesh surfaces) to the contours of the target structures. These templates evolve in parallel, supervised by a series of rules derived from analyzing the template’s dynamics and from medical experience. The templates are also constrained by knowledge on the expected textural and shape properties of the target structures.
We apply our system to segment four brain structures (corpuscallosum, ventricles, hippocampus, and caudate nuclei) and discussits robustness to imaging characteristics and acquisition noise.

ผลลัพธ์ (ไทย) 1:

เราอธิบายระบบการแบ่งเซ็กเมนต์ 3 มิติอัตโนมัติสำหรับภาพสมองในสัตว์ทดลองการสั่นพ้องแม่เหล็ก (MRI) วิธีการแบ่งกลุ่มของเรารวมเทคนิคกรอง แบ่ง และลงทะเบียนต่าง ๆ และทำให้ใช้สูงสุดของการแรกสุดทางชีวการแพทย์ผู้เชี่ยวชาญ ทั้ง ในรูปแบบที่ชัดเจนและมีนัยเราเข้าเรื่องขอบเขตการค้นหาเป็นกระบวนการของกลุ่มเท็มเพล deformable (พื้นผิวตาข่าย simplex) เพื่อรูปทรงของโครงสร้างเป้าหมายเหมาะสม แม่แบบเหล่านี้พัฒนาควบคู่กัน โดยชุดของกฎที่ได้รับจากการวิเคราะห์ของแบบ dynamics และจากแพทย์พบ แบบยังจำกัดด้วยความรู้ในการคาด textural คุณสมบัติรูปร่างของโครงสร้างเป้าหมายเราใช้ระบบของเราเพื่อทำเซ็กเมนต์สี่โครงสร้างสมอง (corpuscallosum, ventricles ฮิพโพแคมปัส และแอลฟา caudate) และเสถียรภาพ discussits ลักษณะที่เกี่ยวกับภาพและเสียงมา

ผลลัพธ์ (ไทย) 2:

เราอธิบายอัตโนมัติระบบการแบ่งส่วนแบบ 3-D สำหรับในร่างกายสมองภาพด้วยคลื่นสนามแม่เหล็ก (MRI) วิธีการแบ่งส่วนของเรารวมความหลากหลายของการกรองการแบ่งส่วนและเทคนิคการลงทะเบียนและการทำให้การใช้งานสูงสุดของที่มีความเชี่ยวชาญทางการแพทย์เบื้องต้นทั้งในนัยและรูปแบบที่ชัดเจน.
เราวิธีการแก้ไขปัญหาของการหาขอบเขตเป็นกระบวนการของการกระชับกลุ่ม แม่ deformable (พื้นผิวตาข่าย Simplex) เพื่อรูปทรงของโครงสร้างเป้าหมาย แม่แบบเหล่านี้มีวิวัฒนาการในแบบคู่ขนานการกำกับดูแลโดยชุดของกฎที่ได้มาจากการวิเคราะห์การเปลี่ยนแปลงของแม่แบบและจากประสบการณ์ทางการแพทย์ แม่แบบที่ถูก จำกัด โดยความรู้เกี่ยวกับที่คาดว่าจะลักษณะเนื้อสัมผัสและรูปร่างของโครงสร้างเป้าหมาย.
เราใช้ระบบของเราส่วนสี่โครงสร้างของสมอง (corpuscallosum, โพรง, ฮิบโปและนิวเคลียส caudate) และ discussits ทนทานลักษณะการถ่ายภาพและเสียงการเข้าซื้อกิจการ

ผลลัพธ์ (ไทย) 3:

เราอธิบายแบบอัตโนมัติระบบ 3 มิติ โดยการแบ่งส่วนสมองภาพแม่เหล็ก ( MRI ) วิธีการแบ่งส่วนของเรารวมความหลากหลายของการกรอง , การแบ่งส่วนตลาด การลงทะเบียนและเทคนิคและทำให้การใช้งานสูงสุดของของ priori ชีวการแพทย์ความเชี่ยวชาญ ทั้งในระบบและรูปแบบ
ชัดเจนเราเข้าหาปัญหาขอบเขตค้นหากระบวนการที่เหมาะสมโดยกลุ่มของแม่แบบ ( ซิมประกบพื้นผิว ) รูปทรงของชิ้นงานโครงสร้าง แม่แบบเหล่านี้มีวิวัฒนาการในขนาน มีชุดของกฎที่ได้จากการวิเคราะห์พลศาสตร์ของแม่แบบและประสบการณ์ทางการแพทย์แม่แบบยังมีอย่างต่อเนื่อง โดยความรู้ที่คาดหวังเนื้อและรูปร่าง คุณสมบัติของชิ้นงานโครงสร้าง .
เราใช้ระบบของเราส่วนสี่สมองโครงสร้าง ( คอร์ปัส คาโลซัม ventricles ฮิปโปแคมปัส , , , และ caudate nuclei ) และ discussits ทนทานลักษณะภาพและเสียงเข้า