IMAGE SEGMENTATION VIA MULTI-ATLAS FUSION WITH CONTEXT LEARNING

Systems and methods are provided for segmenting tissue within a computed tomography (CT) scan of a region of interest into one of a plurality of tissue classes. A plurality of atlases are registered to the CT scan to produce a plurality of registered atlases. A context model representing respective likelihoods that each voxel of the CT scan is a member of each of the plurality of tissue classes is determined from the CT scan and a set of associated training data. A proper subset of the plurality of registered atlases is selected according to the context model and the registered atlases. The selected proper subset of registered atlases are fused to produce a combined segmentation. L'invention concerne des systèmes et procédés pour segmenter des tissus à l'intérieur d'un tomodensitogramme d'une région d'intérêt en une classe d'une pluralité de classes de tissu. Une pluralité d'atlas sont alignés sur le tomodensitogramme afin de produire une pluralité d'atlas alignés. Un modèle de contexte représentant des probabilités respectives que chaque voxel du tomodensitogramme soit un élément de chaque classe de la pluralité de classes de tissu est déterminé à partir du tomodensitogramme et d'un ensemble de données d'apprentissage associées. Un sous-ensemble approprié de la pluralité d'atlas alignés est sélectionné selon le modèle de contexte et les atlas alignés. Les atlas alignés du sous-ensemble approprié sélectionné sont fusionnés afin de produire une segmentation combinée.