Application of Monte Carlo simulation with block-spin transformation based on the Mumford-Shah segmentation model to three-dimensional biomedical images

در این مقاله، روش تکراری مونت کارلو برای حل مدل تقسیم بندی مامورف شاه در مورد تصاویر سه بعدی با تاکید بر تقسیم چند فاز ارائه شده است. روش حاضر روش فرآیند تبدیلی تکراری را به روش پیش مونت کارلو پیشنهاد شده توسط گروه ما برای بهبود همگرایی معرفی می کند. شبیه سازی عددی نشان داده است که روش کنونی، مشکل روش پیش مونت کارلو را که در بعضی موارد به مینیمم های محلی نزدیک می شود را برطرف می کند. زمان محاسبه روش فعلی را می توان با معرفی روش تحول بلوک-اسپین کوتاه کرد. ما همچنین نتیجه روش فعلی با روش برش گراف را مقایسه کردیم. مقایسه نشان داده است که روش پیشنهادی در تقریبا یکسانی از روش برش گراف در یک زمان معقول کوچک، تقریبا در مصرف حافظه، به ویژه در مورد تقسیم چند فاز، برتر است. مقایسه الگوی خروجی با حاشیه نویسی کارشناسان بالینی نشان می دهد که مدل تقسیم بندی ماموردر شاه برای مدل چند بعدی تقسیم بندی تصویری از تصاویر بیومدیکال مناسب است. با توجه به مزیت مصرف حافظه کوچک، روش کنونی مونت کارلو با تبدیل دایره ای اسپین می توان به طیف گسترده ای از تصاویر سه بعدی اعمال کرد. ما بیان می کنیم که تبدیل تبدیل بلاک نیز به روش برش گراف امکان پذیر است، که منجر به صرفه جویی در زمان محاسبات می شود، در حالی که حفظ همگرایی انرژی پایین تر.