ارائه یک روش بیزین به منظور ساخت مدلهای هندسی آماری تنک با استفاده از توزیع دیریکله

در آنالیز تصاویر پزشکی مفهوم هندسه به عنوان یک ویژگی مهم برای تشخیص و آنالیز ساختارهای آناتومیکی شناخته شده است. یک مدل هندسی آماری سعی میکند تا به صورت بهینه، یک مجموعه بخشبندی شده از مشاهدات هر ارگان داده شده را به وسیله یک شکل میانگین و یک مدل تغییر پذیر بیان نماید.از جمله مشکلات اساسی در مراحل ساخت مدلهای هندسی آماری مبتنی بر نقاط، تعیین تناظرات بین مشاهدات است. با توجه به عدم قطعیت بیانهای سطوح هندسی و همچنین دشواری تعیین دقیق تناظرات، فرض غالب وجود تناظرات یک به یک بحث بر انگیز است که در روشی جدیدتر بررسی تناظرات به صورت احتمالی با استفاده از الگوریتمEM-ICP صورت میپذیرد. تعیین تعداد نقاط بهینه برای مدل حاصل از این الگوریتم نکتهای است که در این مقاله دنبال شدهاست. ما با ارائه یک چهارچوب بیزین و انتخاب توزیع پیشرو دیریکله برای ضرایب گوسین و بهرهمندی از یک روش برنامهریزی مرتبه دوم به این هدف دست یافتهایم. در این فرآیند با انتخاب مقدار اولیهای از نقاط، برابر با مجموع تمام نقاط نمونههای آموزشی، به حذف نقاط با درجه اهمیت پایینتر پرداخته شده وتعداد نقاط بهینه یافته میشود. نتایج حاصل از اعمال الگوریتم پیشنهادی بر 24 داده هیپوکامپ و آزمایشات اعتبارسنجی مختلف، با ارائه مدلهایی با قابلیت تعمیمپذیری بالا و متوسط خطای فاصله 0.94 میلیمتر همراه بوده که از توانایی بالا در نمایش تغییرات موجود در دادههای آموزشی نیز برخوردار است

کلیدواژه ها:

الگوریتمEM-ICP ، تنکسازی ، توزیع دیریکه ، مدلهای هندسی آماری