Statistical Volume Models of Human Anatomy and Their Applications to Computer Aided Diagnostics

人体解剖学统计体积模型及其在计算机辅助诊断中的应用

• 批准号: 21300070
• 负责人: CHEN Yen-wei
• 金额: $ 10.57万
• 依托单位: Ritsumeikan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21300070/
• 关键词: 一般化N次元主成分分析; 多次元データ; 統計モデリング; CTボリューム; 医用画像データベース; 統計ボリュームモデル; 統計テキスチャモデル; 成分選択; CT; 肝臓; 機械学習; 計算機支援診断; 肝硬変; 統計形状モデル; 主成分分析; CTデータ; 時系列データ; データベース; 診断支援; 右葉,左葉; 医用画像; テンソル; 肝臓分割; 少数サンプル; 位置あわせ

We proposed a novel tensor based learning method called generalized N-dimensional principal component analysis(GND-PCA) for multi-dimensional data analysis. We also proposed a framework based on GND-PCA and a 3D shape normalization technique for statistical volume(texture) modeling of the liver. The 3D shape normalization technique is used for normalizing liver shapes in order to remove the liver shape variability and capture pure texture variations. The GND-PCA is used to overcome overfitting problems when the training samples are too much fewer than the dimension of the data. The preliminary results of leave-one-out experiments show that the statistical texture model of the liver built by our method can represent an untrained liver volume well, even though the mode is trained by fewer samples. We also demonstrate its potential application to classification of normal and abnormal(with tumors) livers.

我们提出了一种新颖的基于张量的学习方法，称为广义 N 维主成分分析（GND-PCA），用于多维数据分析。我们还提出了基于 GND-PCA 的框架和用于肝脏统计体积（纹理）建模的 3D 形状标准化技术。 3D 形状标准化技术用于标准化肝脏形状，以消除肝脏形状变异性并捕获纯粹的纹理变化。 GND-PCA 用于克服训练样本比数据维度少太多时的过拟合问题。留一法实验的初步结果表明，通过我们的方法建立的肝脏统计纹理模型可以很好地表示未经训练的肝脏体积，即使该模型是用较少的样本进行训练的。我们还证明了其在正常和异常（有肿瘤）肝脏分类方面的潜在应用。

项目成果

Preliminary study on statistical shape model applied to diagnosis of liver cirrhosis

• DOI: 10.1109/icip.2011.6116271
• 发表时间: 2011-01-01
• 期刊: 2011 18th IEEE International Conference on Image Processing (ICIP 2011)
• 作者: Kohara, S.;Tateyama, T.;Chen, Y.
• 通讯作者: Chen, Y.

Object Class Recognition with Supervised Nonlinear Neighborhood Embedding of Visual Words

使用视觉词的有监督非线性邻域嵌入进行对象类识别

• 发表时间: 2009
• 作者: Xianhua Han;Yen-Wei Chen;Xiang Ruan
• 通讯作者: Xiang Ruan

GND-PCA based Statistical Volume Modeling of the Lung

基于 GND-PCA 的肺统计体积建模

• 发表时间: 2010
• 作者: Yen-Wei Chen;Rui Xu
• 通讯作者: Rui Xu

Grid-Independent Metropolis Sampling for Volume Visualization

用于体积可视化的独立于网格的大都市采样

• 发表时间: 2010
• 期刊: Int. J.of Modeling, Simulation, and Sci. Computing
• 作者: S. Tanaka;K.Hasegawa;S. Nakata ;H. Nakajima;T. Hatta;F. Rambu Ngana;T. Kawamura;N. Sakamoto;K. Koyamada
• 通讯作者: K. Koyamada

I.Trifluoromethoxy-benzylated ligands improve amyloid detection in the brain using ^<19>F magnetic resonance imaging.

I.三氟甲氧基苄基化配体使用^ 19 F磁共振成像改善大脑中淀粉样蛋白的检测。

• 发表时间: 2009
• 期刊: Neurosci Res Vol.63
• 作者: Amatubo T;Morikawa S;Matsuda K;Inubushi T;Urushitani M;Taguchi H;Shirai N;Hirao K;Kato M;Morino K;Kimura H;Nakano I;Yoshida C;Okada T;Sano M;Tooyama
• 通讯作者: Tooyama