脊柱分割算法总结(RegionBase, Classificaiton, Clustering...)

脊柱分割算法总结

医疗图像一般经过图像畸变矫正->ROI区域分割（比如：病灶，脊柱，医疗器械…）->图像配准（比如：多模态的图像融合）。在主要的这几个步骤中，其中图像分割是非常重要的一步，在领域里面也有很多相关的方法，这篇文章主要用来总结一下目前我知道的一些方法。

图像的分割从介入上分类可以分为：
手工分割；自动分割；半自动分割
在自动分割领域分为：

"""
Region Based Methods
	Thresholding
	Region Growing
Classification Methods
	k-Nearest Neighbours
	Maximum Likelihood
Clustering Mehods
	k-Means
	Fuzzy C-Mean
	Expectation Maximization
Hybrid Methods
"""

目前面临的挑战：

"""
- 正常人类的脊柱解剖结构特征存在多样性
- MRI exam中结构和脑脊液的对比度比较复杂
- 。。。
"""

基于对算法的分类，后面会展示各个算法对脊柱的分割效果，优缺点，包括分割精度，分割处理速度，是否存在特定应用等。