ROIextractie

ROIextractie, ook geschreven als ROI-extractie, is het proces waarbij regio's van interesse binnen een beeld, video of ander gegeven worden geïdentificeerd en geisoleerd voor nadere analyse. Het doel is om rekentijd en opslag te besparen en de analyse te richten op relevante delen van de data.

De uitvoering kan handmatig, autonoom of semiautonom zijn. Handmatige ROI-extractie gebeurt door een gebruiker die regio's tekent of selecteert; automatische methoden gebruiken beeldverwerking en/of machine learning om ROIs te detecteren en te maskeren. Het resultaat kan bestaan uit een binair masker, een bounding box, of een gecropt beeld van de ROI.

Veel gebruikte technieken omvatten drempelwaarden (thresholding) voor eenvoudige contrast-ROIs, randen detectie, region-growing, clustering (zoals k-means) en varianten van segmentatie door machine learning. In moderne pipelines worden soms ROI pooling of ROI Align toegepast in neurale netwerken om ROI's te verwerken en te normaliseren voordat verdere analyse plaatsvindt.

Toepassingen van ROIextractie zijn wijdverspreid. In medische beeldvorming wordt ROIextractie gebruikt voor tumoren- of organensegmentatie en voor gerichte evaluatie van medische beelden. In remote sensing en aardobservatie helpt het bij lokalisatie van objecten of landgebruikgebieden. Daarnaast speelt het een rol in industriële kwaliteitscontrole, robotica en videobewaking, en in sportanalyse waar specifieke gebieden of objecten nader onderzocht worden.

Kernuitdagingen bij ROIextractie zijn variatie in formaat en schaal van ROIs, beeldruis, occlusie, verlies van context bij cropping en de behoefte aan consistente definitie en evaluatie van benodigde regio's. Gerelateerde termen zijn maskering, cropping, segmentatie, objectdetectie en ROI pooling.