《计算机工程与科学杂志》发表论文赏析

基于深度学习的心脏核磁共振图像自动分割算法

来源:计算机工程与科学杂志2022年第9期北京时间:

作者:刘从军, 徐佳陈, 肖志勇, 柴志雷

单位:(1.江苏科技大学计算机学院,江苏 镇江 212003;2.江南大学人工智能与计算机学院,江苏 无锡 214122)

摘要:心脏核磁共振成像技术由于其无电离辐射的优点已成为医疗诊断中的主要手段。对左心室、右心室以及左心肌进行准确的分割与识别是心脏手术前的重要一步,手动分割心脏结构耗时且易出错,因此自动分割双心室与心肌至关重要。提出了一种能充分利用心脏图像信息的多尺度特征融合U型神经网络MFF U-Net。首先,选择以U-Net++作为网络基本框架。其次,为了提高特征复用率,解决网络深度增加导致的过拟合问题,在U-Net++的编码部分提出了密集残差模块,使得网络在下采样过程中学习到更多有用特征。此外,在解码部分,为了使网络的分割结果更加符合目标器官之间的物理特征,用多个卷积核来扩大感受野并利用长距离依赖模块共享全局上下文信息,使得网络在编码还原的过程中尽可能地获取到目标器官之间的关系信息,从而使得分割结果更为精准。最后,考虑到双心室与左心肌的连贯性与唯一性,还添加了获取最大连通域与填充细小孔洞的后处理操作。采用的实验数据为ACDC心脏分割挑战数据集,其包含150位志愿者收缩期末期与舒张期末期的短轴心脏磁共振图像。在该数据集的测试集上进行验证,并通过在线提交的方式获取实验结果。实验结果表明,相较于其他算法,所提出的算法能够有效地分割目标器官,特别是舒张期末期的Dice系数分别达到了左心室0.96、右心室0.94和左心肌0.89,收缩期末期的分割精度达到了0.87,0.86和0.89。

关键词:图像处理,医学图像,双心室与心肌,核磁共振图像,深度学习,

基金资助:国家自然科学基金(61972180);江苏省优秀青年基金(BK20190079)

2022年9期其他文献查阅:

Beacon+:面向E级超级计算机的轻量级端到端I/O性能监控与分析诊断系统

SlurmX:基于Slurm使用面向对象设计方法重构的任务调度系统

一种面向大规模并发的Gatherv优化方法

面向CFD应用的Intel持久内存性能评估

基于Linux的超算系统中Windows应用程序运行环境探究

面向海洋节能边缘计算的任务卸载研究

基于压缩感知和DNA编码的图像加密算法

一种基于四方定理与幻方的矩形图像置乱方法

智慧医疗环境下支持属性更新的加解密外包方案

面向整体区域的改进VIRE定位算法研究

加密电子病历数据共享方案

基于深度学习的视频异常检测方法综述

基于转换域与自适应伽马校正的去雾算法

轻量级水下目标检测器LUDet

基于深度学习的心脏核磁共振图像自动分割算法

一种轻量化中文指路标志的文本识别算法

基于级联CNNs的非约束车牌精确定位

基于U-Net改进的多尺度融合超声神经分割算法研究

基于模糊贝叶斯决策的核心概念抽取方法

基于上下文表示的知识追踪方法

融合评论的多任务联合谣言检测方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!