大脑图像上的特征 matching/detection

feature matching/detection on brain images

这个问题是为那些已经在大脑图像上尝试过特征 detection/matching 方法的人准备的 - 这是一个广泛的问题,也许是一个不好的问题:

你怎么知道你用的是不是"good enough?"

对您的数据而言,成功的 matching/detection 测试是什么样的?

编辑: 截至目前,我并没有尝试特别检测任何明显的特征。 我正在使用 OpenCV 的 ORB、SIFT、SURF 等检测方法,并查看它们识别的特征。 然而,有时大脑的方向完全改变 下一组图像很少,所以如果我比较这些组中的两个图像,检测方法将不会产生任何有效 结果(即匹配将明显、完全关闭)。但是如果我比较看起来相似但不完全相同的图像, 检测似乎工作正常。重点是,检测似乎适用于在同一时间拍摄的帧 时间,但不是很长的间隔。我想知道其他人是否遇到过这个,他们是否发现了检测方法 尽管事实仍然有用。

首先,你应该指定什么样的特征或目的,将要进行实验。 特征提取本质上是高度主观的,这完全取决于您要处理的问题类型。没有适用于所有情况的通用特征提取方案。 例如,如果特征指向某种肿瘤分类或病变,那么您当然可以使用不同的软件来提取和定义您的特征。

有多种方法可以检测与应用程序相关的特征: SURF 算法(加速稳健特征) PLOFS:这是一种带有子集评估的快速包装器方法。 ICA 或 'PCA

这篇论文是一篇关于用于组织分类的脑 MRI 数据特征提取的非常棒的综述: https://pdfs.semanticscholar.org/fabf/a96897dcb59ad9f04b5ff92bd15e1bd159ef.pdf

我发现这篇论文很好地理解了特征提取技术之间的区别。 https://www.sciencedirect.com/science/article/pii/S1877050918301297