基于卷积神经网络的超声图像左心室分割方法

• 作者: 付忠良 朱锴 陈晓清
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 超声图像 分割 关键点定位 卷积神经网络 凸包
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 2121-2124
• 页数: 4页
• 分类号: TP391.413|TP18
• 字数: 4050字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018112321

摘要

超声图像左心室的分割在临床上对医生的作用巨大.由于超声图像含有大量噪声,轮廓特征不明显,目前的卷积神经网络(CNN)方法对左心室分割容易得到不必要的区域,并且分割目标不完整.为了解决上述问题,在全卷积神经网络(FCN)基础上加入了关键点定位和求取图像凸包方法对分割结果进行优化.首先采用FCN获取初步的分割结果;然后为了去除分割结果中的错误区域,提出一种CNN定位左心室三个关键点的位置,通过关键点筛选掉分割结果中不必要的区域;最后为保证剩余区域能够组合成一个完整的心室,利用求取图像凸包算法将所有有效区域进行合并.实验结果表明,在超声图像左心室分割效果上,所提方法能够在普通FCN的基础上获得很大的提升,在交并比评价标准下,该方法获取的左心室结果能够比传统CNN方法提升近15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付忠良	中国科学院成都计算机应用研究所	50	1542	17.0	39.0
5	陈晓清	中国科学院成都计算机应用研究所	65	1077	19.0	31.0
9	朱锴	中国科学院成都计算机应用研究所	8	18	2.0	3.0