基于双支神经网络多任务学习的心脏磁共振心肌病识别算法

• 作者: 崔春 肖晶晶 陈佳
• 来源期刊: 测试技术学报
• 学科: 社会科学
• 关键词: 心脏核磁共振 心肌病识别 多任务学习 双支网络 卷积网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 390-395
• 页数: 6页
• 分类号: G301
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2020.05.005

摘要

精确分析患者的心功能状态,并尽早地、准确地诊断出心脏疾病,对提高该病的治疗效果,降低医疗成本有着重大意义.众多影像手段中,心脏磁共振的软组织对比度最高,但是心脏核磁数据序列多、融合难,处理需要专业医师人工勾画,非常耗时.因此,本文基于多任务学习机制,构建双支深度神经网络,结合卷积神经网络及循环神经网络,提取心脏核磁的空间及运动特征,在训练样本量有限的情况下实现了对正常心脏、扩心病、肥心病的准确诊断.本文方法与经典算法C3D及LRCN对比获得了更高的识别准确率,综合AUC值均达到了0.94以上.