2022年1月，智能图形分析课题组在Medical Image Analysis期刊发表了题为Automated anatomical labeling of a topologically variant abdominal arterial system via probabilistic hypergraph matching的研究论文。该论文的主要贡献为

(1)我们提供了使用概率图匹配架构下的腹部动脉系统的超图表示。具有相同语义的临床标签分支被视为超图中的超边结构。框架整体讨论分支的拓扑和几何上的差异，通过将几何分支分类结果嵌入在全局超图中进行匹配。

(2)在拓扑学中,定义的家族树模型用于腹部动脉系统的拓扑识别,并由一个具有隐式马尔可夫链结构进行求解。家族树的定义可以减少拓扑异质性,直观地在血管结构上反映父子结构和兄弟结构。利用深度优先搜索来构造家族树模型,HMM对整个分支组发现最可能的标记结果。

(3)在几何学上,我们使用XGboosing 集合学习内在几何特征的血管标签。实现确定形状表示，特征消除了对原始数据的平移、缩放和部分旋转，算法放弃了全部配准的要求，实现了坐标解耦，提出有效的特征选择方法实现压缩特征空间，有效地解决了样本不平衡的问题。

图1 基于概率超图的腹主动脉自动匹配算法流程

本研究获得了国家自然科学基金(No.62072045, No.61972041),国家重点研发 (No.2017YFE010050，No.2017YFB1002604, No.2017YFB1402105, No.2017YFB1002804), 和西班牙经济与竞争专项 (MDM-2015-0502).基金等的资助。论文第一作者为刘月；通讯作者为王醒策教授。

论文题目：Automated anatomical labeling of a topologically variant abdominal arterial system via probabilistic hypergraph matching

论文网址：

https://www.sciencedirect.com/science/article/pii/S1361841521002942#ack0001

课题组老师联系方式： 王醒策教授： 13240271758 昌平图书馆413房间，email：wangxingce@bnu.edu.cn