Рассматривается задача сегментации трехмерных фМРТ изображений на основе байесовского подхода, где в качестве априорного распределения используется марковское случайное поле (Markov Random Field), а в качестве модели наблюдения – распределение фон Мизеса-Фишера. Основная проблема при применении данного подхода на практике состоит в оценке параметров модели. В статье рассматриваются алгоритмы HMRF-MCEM, HMRF-EM и GrabCut, использующие данную статистическую модель и оценивающие параметры модели без использования заранее размеченных данных. Методы HMRF-EM и GrabCut изначально были предложены в связке с другими статистическими моделями, однако после некоторых модификаций могут быть использованы с распределением фон Мизеса-Фишера. Проведен сравнительный анализ результатов работы алгоритмов на основе экспериментов с использованием синтетических данных, сгенерированных в соответствии со статистической моделью, и реальных фМРТ данных.

фМРТ, сегментация, марковское случайное поле, распределение фон Мизеса-Фишера, байесовский вывод

Черняев Сергей Дмитриевич,  ,  Петрозаводский государственный университет

Лукашенко Олег Викторович,  ,  Петрозаводский государственный университет; Институт прикладных математических исследований Карельского научного центра РАН