基于监督下降方法的左心室超声图像分割
来源：计算机应用杂志2018年第2期北京时间：
作者：魏雨汐, 伍岳庆, 陶攀, 姚宇
单位：1. 中国科学院 成都计算机应用研究所, 成都 610041;2. 中国科学院大学, 北京 100049
摘要：针对基于表观模型的图像分割算法在特征点迭代定位过程中计算量过大、对非线性局部特征的优化较为困难等问题，采用一种基于监督学习的梯度下降算法，建立4层多分辨率金字塔模型，并使用一种基于巴氏系数的特征提取函数（B-SIFT）替代原方法中的尺度不变特征变换（SIFT）特征，对左心室心内膜及心外膜进行特征点定位。首先对训练集进行归一化处理，统一经食道超声心动图像（TEE）的尺度；然后建立基于多分辨率金字塔和B-SIFT特征的监督下降模型，得到特征点趋近于真实值的梯度下降方向序列；最后将得到的方向序列作用于测试集中，得到最终的左心室分割结果。将该方法与传统监督下降方法进行对比，其得到的分割平均误差相比传统监督下降方法降低了47%，迭代得到的最终值相对单一尺度的梯度下降算法更加逼近真实值。
关键词：左心室,特征点定位,超声心动图,图像分割,监督下降方法,尺度不变特征变换
基金资助：四川省科技厅重点研发项目（2017SZ0010）；四川省科技支撑计划项目（2016JZ0035）。
