ارائه يك روش بيزين به منظور ساخت مدلهاي هندسي آماري تنك با استفاده از توزيع ديريكله

در آنالیز تصاویر پزشكی مفهوم هندسه به عنوان یك ویژگی مهم براي تشخیص و آنالیز ساختارهاي آناتومیكی شناخته شده است. یك مدل هندسی آماري سعی میكند تا به صورت بهینه، یك مجموعه بخشبندي شده از مشاهدات هر ارگان داده شده را به وسیله یك شكل میانگین و یك مدل تغییر پذیر بیان نماید. از جمله مشكلات اساسی در مراحل ساخت مدلهاي هندسی آماري مبتنی بر نقاط، تعیین تناظرات بین مشاهدات است. با توجه به عدم قطعیت بیانهاي سطوح هندسی و همچنین دشواري تعیین دقیق تناظرات، فرض غالب وجود تناظرات یك به یك بحث بر انگیز است كه در روشی جدیدتر بررسی تناظرات به صورت صورت میپذیرد. تعیین تعداد نقاط بهینه براي مدل حاصل از این الگوریتم نكتهاي است كه در این مقاله دنبال EM-ICP احتمالی با استفاده از الگوریتم شدهاست. ما با ارائه یك چهارچوب بیزین و انتخاب توزیع پیشرو دیریكله براي ضرایب گوسین و بهرهمندي از یك روش برنامهریزي مرتبه دوم به این هدف دست یافتهایم. در این فرآیند با انتخاب مقدار اولیهاي از نقاط، برابر با مجموع تمام نقاط نمونههاي آموزشی، به حذف نقاط با درجه اهمیت پایینتر پرداخته شده و تعداد نقاط بهینه یافته میشود. نتایج حاصل از اعمال الگوریتم پیشنهادي بر 24 داده هیپوكامپ و آزمایشات اعتبارسنجی مختلف، با ارائه مدلهایی با قابلیت تعمیمپذیري بالا و متوسط خطاي فاصله 0.94 میلیمتر همراه بوده كه از توانایی بالا در نمایش تغییرات موجود در دادههاي آموزشی نیز برخوردار است.