期刊文献+
共找到26篇文章
< 1 2 >
每页显示 20 50 100
结合Transformer和CNN的超声心动图左心室分割算法
1
作者 史松林 帕孜来·马合木提 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第9期1418-1426,共9页
针对超声心动图因噪声大、左心室边缘模糊造成分割困难和分割结果不准确的问题,提出一种结合Transformer和CNN的左心室分割算法.首先利用2种网络构架高效地捕捉全局特征和局部细节;其次使用卷积注意力设计特征融合模块,自适应地融合来自... 针对超声心动图因噪声大、左心室边缘模糊造成分割困难和分割结果不准确的问题,提出一种结合Transformer和CNN的左心室分割算法.首先利用2种网络构架高效地捕捉全局特征和局部细节;其次使用卷积注意力设计特征融合模块,自适应地融合来自Transformer和CNN分支的特征;最后引入桥注意力模块并根据3层融合特征计算注意力特征图,得到更精确的分割结果.在大型心脏图像数据集EchoNet-Dynamic上进行训练、验证和测试的结果表明,所提算法的Dice系数达到92.41%,分割性能优于6种对比算法;在临床患者的超声图像上,可视化和临床医生的盲审结果证明了该算法的有效性.所提算法可以精确地分割左心室,为心脏疾病诊断提供可靠的计算机辅助. 展开更多
关键词 超声心动图 左心室分割 TRANSFORMER 卷积神经网络
下载PDF
结合纹理与形状的Tagged MR图像左心室分割算法 被引量:3
2
作者 刘复昌 陈强 +2 位作者 孙权森 王平安 夏德深 《软件学报》 EI CSCD 北大核心 2009年第1期30-40,共11页
分割带标记线核磁共振(tagged MR)图像是左心室运动重建的前提.由于标记线的加载破坏了左心室的轮廓边缘和区域灰度一致性,再加上乳突肌的存在,使带标记线核磁共振图像的左心室内外轮廓分割变得相当困难.在变分框架下,将纹理分类信息与... 分割带标记线核磁共振(tagged MR)图像是左心室运动重建的前提.由于标记线的加载破坏了左心室的轮廓边缘和区域灰度一致性,再加上乳突肌的存在,使带标记线核磁共振图像的左心室内外轮廓分割变得相当困难.在变分框架下,将纹理分类信息与形状统计先验知识引入Mumford-Shah模型中,提出了一种改进的分割带标记线核磁共振图像的左心室内外轮廓的方法.该方法基于支持向量机对S滤波器组提取的纹理特征的分类结果,构造了一种新的图像能量表示;针对乳突肌及边缘断裂现象,引入形状统计先验信息来约束曲线的演化.因为分割过程利用了有监督学习策略,较好地克服了标记线对左心室区域灰度的影响,提高了分割精度.实验结果表明,该方法较以往方法具有更高的分割精度和更好的稳定性. 展开更多
关键词 Mumford—Shah模型 S滤波器组 支持向量机 形状统计 左心室分割
下载PDF
基于Centripetal Catmull-Rom曲线的经食道超声心动图左心室分割方法 被引量:7
3
作者 纪祥虎 高思聪 +1 位作者 黄志标 付忠良 《四川大学学报(工程科学版)》 EI CAS CSCD 北大核心 2016年第5期84-90,共7页
针对2维超声心动图像噪声大且难于分割的特点,提出基于Centripetal Catmull-Rom曲线的多尺度活动形状模型的左心室分割方法。该算法在金字塔上层提取2维轮廓法线向量特征并采用马氏距离寻找新的特征点位置;在图像金字塔底层快速提取特... 针对2维超声心动图像噪声大且难于分割的特点,提出基于Centripetal Catmull-Rom曲线的多尺度活动形状模型的左心室分割方法。该算法在金字塔上层提取2维轮廓法线向量特征并采用马氏距离寻找新的特征点位置;在图像金字塔底层快速提取特征点周围的Log-Gabor特征并使用Gentle Ada Boost训练分类器,选择置信度水平最高的点作为新的特征点位置。实验证明,这种方法较之传统活动形状模型分割更为精确且分割结果交互方便,有利于对结果的再编辑。 展开更多
关键词 经食道超声心动图 左心室分割 活动形状模型 LOG-GABOR CENTRIPETAL Catmull-Rom曲线
下载PDF
一种基于序列知识的左心室分割算法
4
作者 王豫峰 徐春雨 《南阳理工学院学报》 2019年第6期38-41,共4页
由于心脏核磁共振图像容易出现图像偏移场,并且对于单张图像的分割缺少相邻像素间的空间信息,从而导致传统基于高斯混合模型的左心室分割算法在成分聚类过程中容易出现错判情况。本文提出一种基于序列知识的左心室分割算法,该算法通过... 由于心脏核磁共振图像容易出现图像偏移场,并且对于单张图像的分割缺少相邻像素间的空间信息,从而导致传统基于高斯混合模型的左心室分割算法在成分聚类过程中容易出现错判情况。本文提出一种基于序列知识的左心室分割算法,该算法通过学习短轴心脏核磁共振序列图像的序列知识,将图像关键点元素的序列空间信息引入到自适应混合高斯模型中,从而提高该算法在左心室分割过程中的准确性。通过公共测试图像数据库验证了该分割算法的有效性。 展开更多
关键词 左心室分割 混合高斯模型 序列知识 最大估计算法
下载PDF
基于MRI图像的左心室分割方法研究现状与发展 被引量:3
5
作者 周钦 阿都建华 +3 位作者 尹立雪 张红梅 崔威 曾强 《计算机工程与应用》 CSCD 北大核心 2019年第2期28-35,共8页
心脏的磁共振图像(Magnetic Resonance Imaging,MRI)对比度强、分辨率高、能够准确描述心脏的解剖功能,因此被认为是准确评估心脏挤压能力的金标准。在心脏的核磁共振图像上准确分割出左心室是准确评估左心室功能的前提。阐述了磁共振... 心脏的磁共振图像(Magnetic Resonance Imaging,MRI)对比度强、分辨率高、能够准确描述心脏的解剖功能,因此被认为是准确评估心脏挤压能力的金标准。在心脏的核磁共振图像上准确分割出左心室是准确评估左心室功能的前提。阐述了磁共振图像左心室分割的基本特点和难点,针对现阶段具有代表性的4种MRI左心室分割算法的基本原理、分割效果及时间效率等特点进行了归纳与总结。总结分析了MRI左心室分割领域面临的一些问题和发展方向。 展开更多
关键词 左心室分割 磁共振图像 左心室功能 心内膜 心外膜
下载PDF
基于深度迁移学习的心脏MRI图像左心室分割 被引量:3
6
作者 苑金辉 乔艳 +1 位作者 费烨琳 胡晓飞 《计算机技术与发展》 2021年第6期35-39,共5页
在研究基于深度学习的左心室分割方法时,需要足够的有标注的图像,才能获得准确的分割结果,而有标注的左心室图像往往难以获得。因此,提出了一种基于迁移学习和多尺度判别的生成对抗网络(TLMDB GAN)的MRI左心室图像分割方法,解决心室图... 在研究基于深度学习的左心室分割方法时,需要足够的有标注的图像,才能获得准确的分割结果,而有标注的左心室图像往往难以获得。因此,提出了一种基于迁移学习和多尺度判别的生成对抗网络(TLMDB GAN)的MRI左心室图像分割方法,解决心室图像数据不足的问题。模型包含一个分割网络和一个判别网络。分割网络(TLBSN)使用全卷积神经网络,利用迁移学习逐层微调辅助分割,判别网络是一个多尺度的判别网络,监督生成网络更好地学习图像的特征信息。实验结果表明,基于多伦多市儿童病医院影像科提供的数据集对左心室内膜和外膜分割Dice相似系数分别为0.939 9和0.969 7。对比其他分割模型,该模型明显提高了分割精度。 展开更多
关键词 迁移学习 生成对抗网络 心脏MRI 左心室分割 多尺度
下载PDF
基于全卷积神经网络的心脏CT影像的左心室分割研究
7
作者 侯金成 袁旭春 +2 位作者 胡国迎 周红 胡国栋 《现代医用影像学》 2019年第12期2567-2571,共5页
针对心脏CT影像器官结构复杂、对比度低及个体化差异较大,继而引起左心室区域分割困难的问题,本研究提出了一种全卷积神经网络(Full Convolutional Networks,FCN)左心室多尺度分割模型。首先,通过高斯卷积核对原始图像映射到三个不同的... 针对心脏CT影像器官结构复杂、对比度低及个体化差异较大,继而引起左心室区域分割困难的问题,本研究提出了一种全卷积神经网络(Full Convolutional Networks,FCN)左心室多尺度分割模型。首先,通过高斯卷积核对原始图像映射到三个不同的尺度空间,获得多尺度空间的构建;然后通过12层卷积神经网络提取图像的深层次、抽象的多尺度特征,接着再用反卷积算子对这些特征进行上采样映射重构后得到分割结果。为融合更深层次的多尺度特征,本研究采用FCN-8s的反卷积操作方法。实验通过对200个CT切片测试,分割准确率达到95.36%,分割每张切片图像的平均运行时间为38ms。实验数据表明所述方法能够快速准确实现心脏的左心室分割。 展开更多
关键词 心脏CT影像 全卷积神经网络 高斯卷积核 左心室分割
下载PDF
改进的双水平集心脏MRI图像左心室分割算法 被引量:1
8
作者 赵昊宸 苑金辉 +2 位作者 朱恩嵘 乔艳 胡晓飞 《计算机技术与发展》 2022年第6期162-166,共5页
针对基于深度学习的心脏MRI图像左心室分割网络仅使用简单的阈值法对输出的概率图进行二值化,使得分割的结果边缘模糊的问题,提出了一种改进的基于双水平集的后处理算法。在使用传统水平集方法对左心室内外膜进行分割时,存在水平集函数... 针对基于深度学习的心脏MRI图像左心室分割网络仅使用简单的阈值法对输出的概率图进行二值化,使得分割的结果边缘模糊的问题,提出了一种改进的基于双水平集的后处理算法。在使用传统水平集方法对左心室内外膜进行分割时,存在水平集函数演化不稳定、边缘分割精度低和分割效率低等问题。提出新的距离规则化函数对水平集的能量函数进行改进,新的距离规则化函数可以更好地约束边缘正则性,能够很好地弥补深度网络输出结果当中的缺陷,并使用双水平集,即0水平集函数和k水平集函数分别向左心室内外膜演化。利用多伦多市儿童病医院影像科提供的数据集,用上述算法对基于深度网络的心脏MRI图像左心室分割结果进行后处理,实验结果表明,左心室内膜和外膜分割的Dice相似系数分别为0.9338和0.9587。对比其他分割模型,分割精度获得了明显提高。 展开更多
关键词 水平集方法 距离规则化函数 后处理算法 左心室图像分割 深度学习
下载PDF
基于深度学习的非零水平集保凸的左心室分割
9
作者 李季 胡锦萍 《光电子.激光》 CAS CSCD 北大核心 2024年第6期596-603,共8页
采用距离正则化水平集演化(distance regularized level set evolution, DRLSE)模型对左心室(left ventricle, LV)进行分割会使其产生锯齿状,分割效果较差。为了解决左心室分割目前面临的问题,本文首先使用基于卷积神经网络(convolution... 采用距离正则化水平集演化(distance regularized level set evolution, DRLSE)模型对左心室(left ventricle, LV)进行分割会使其产生锯齿状,分割效果较差。为了解决左心室分割目前面临的问题,本文首先使用基于卷积神经网络(convolutional neural network, CNN)的心肌中心线检测算法,取代了水平集方法的人工初始化过程,其次提出了一种基于非零水平集保凸的左心室分割方法。将距离正则化水平集演化(distance regularized level set evolution, DRLSE)模型(水平集方法)、深度学习方法与新方法的平均度中心性进行比较发现,新方法在收缩末期(end-systole, ES)的平均DC(dice coefficient)值为0.93,高于其他方法;除此之外,新方法在舒张末期(end-diastole, ED)与ES阶段的平均豪斯多夫距离(Hausdorff distance,HD)分别为2.51、2.54,明显小于深度学习方法以及水平集方法。实验结果表明,新方法能够有效地提高分割精度。 展开更多
关键词 左心室(LV)分割 非零水平集 曲率 保凸 卷积神经网络(CNN)
原文传递
基于多尺度综合注意力的左心室图像分割方法研究
10
作者 李孟歆 韩煜 +2 位作者 李松昂 贾欣润 李易营 《现代计算机》 2023年第3期1-8,共8页
针对深度学习训练模型过程中存在感受野小及特征丢失等问题,提出一种基于生成对抗网络的心脏核磁共振图像分割网络MCA GAN,提取心肌内外膜的同时保留更多的浅层信息和深层信息,提高分割精度。将MCA GAN在多个心脏MRI分割竞赛的公开数据... 针对深度学习训练模型过程中存在感受野小及特征丢失等问题,提出一种基于生成对抗网络的心脏核磁共振图像分割网络MCA GAN,提取心肌内外膜的同时保留更多的浅层信息和深层信息,提高分割精度。将MCA GAN在多个心脏MRI分割竞赛的公开数据集上进行训练,并与FCN和DCGAN两个神经网络进行实验对比。实验结果表明,相较于FCN和DCGAN,MAC GAN的Dice系数内外膜提升了1.44%和3.18%,Jaccard系数提升了2.12%和3.35%,Sensitivity系数提升了1.18%和1.80%,和其他方法相比较均有显著提升。 展开更多
关键词 多尺度结构 综合注意力 生成对抗网络 左心室分割
下载PDF
基于方向Snake模型的心脏磁共振图像左心室内外膜分割 被引量:7
11
作者 张宁 余学飞 卢广文 《计算机应用》 CSCD 北大核心 2012年第7期1902-1905,1909,共5页
针对心脏磁共振图像(MRI)左心室内膜与外膜边缘方向不同的特点,提出一种基于曲线演化框架的方向主动轮廓模型进行左心室内外膜分割。曲线演化方程中包含基于图像边缘与区域灰度特征的混合几何流。几何流中的边缘信息项由经Fast Marchin... 针对心脏磁共振图像(MRI)左心室内膜与外膜边缘方向不同的特点,提出一种基于曲线演化框架的方向主动轮廓模型进行左心室内外膜分割。曲线演化方程中包含基于图像边缘与区域灰度特征的混合几何流。几何流中的边缘信息项由经Fast Marching方法扩展后的动态方向梯度矢量流场(DDGVF)构成,用以引导曲线向具有不同方向的目标边缘运动,而区域灰度信息项则由Chan-Vese(CV)模型构成,用以防止曲线在演化过程中受其他边缘成分的影响而发生泄漏。最终的曲线演化方程采用水平集方法求解。实验结果表明,所提方法能够较为准确地分割出心脏MRI图像中的左心室内外膜并具有较好的鲁棒性,对于实现基于心脏MRI图像的左心室心肌区域自动快速分割和心脏功能分析与评价具有一定的应用价值。 展开更多
关键词 曲线演化 几何流 动态方向梯度矢量流 CV模型 心脏磁共振成像 左心室分割
下载PDF
基于自适应均值漂移的超声心动图左心室分割方法 被引量:7
12
作者 朱锴 付忠良 +1 位作者 陶攀 朱硕 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2018年第2期273-279,共7页
利用超声心动图进行心室分割能够获得心室容积参数,对评价心功能有重要意义。但超声图像有噪声大、难以分割等特点,仅仅靠人工对目标区域进行手动分割工作量巨大,且目前自动分割技术尚无法保证分割精度。针对这些问题,本文提出了一种全... 利用超声心动图进行心室分割能够获得心室容积参数,对评价心功能有重要意义。但超声图像有噪声大、难以分割等特点,仅仅靠人工对目标区域进行手动分割工作量巨大,且目前自动分割技术尚无法保证分割精度。针对这些问题,本文提出了一种全新的算法框架对心室结构进行了分割提取。首先,采用更快速的基于区域的卷积神经网络目标检测算法对目标区域进行定位,得到感兴趣区域;然后使用K均值(K-means)算法对目标区域进行初始聚类;接着使用一种自适应核函数带宽的均值漂移(mean shift)算法进行分割;最后采用种子填充算法提取目标区域。该算法结构实现了自动提取分割目标区域,免去了人工定位的过程。实验表明,在定量评价标准下,这种分割框架能够对目标区域进行精确的提取,同时提出的自适应均值漂移算法较传统固定带宽均值漂移算法更稳定,且分割效果更好。研究结果显示,本文所述方法有助于实现超声心动图左心室切面的自动分割。 展开更多
关键词 左心室分割 左心室定位 像素聚类 均值漂移分割 自适应核函数带宽
原文传递
基于U-Net的CT左心室分割 被引量:3
13
作者 李长岭 宋湘芬 +7 位作者 赵行 胡涛 董樑 姜文兵 潘轶斌 蒋峻 向建平 孙勇 《中华急诊医学杂志》 CAS CSCD 北大核心 2019年第12期1562-1564,共3页
心血管疾病严重威胁着人类的健康,具有高患病率、高致残率和高病死率的特点[1]。其早期的诊断与治疗有助于改善心脏的功能和患者的预后,降低患者的病死率。左心室(left ventricle,LV)的准确分割是量化心室容积、射血分数、左心室质量、... 心血管疾病严重威胁着人类的健康,具有高患病率、高致残率和高病死率的特点[1]。其早期的诊断与治疗有助于改善心脏的功能和患者的预后,降低患者的病死率。左心室(left ventricle,LV)的准确分割是量化心室容积、射血分数、左心室质量、壁增厚以及壁运动异常等临床指标以定量分析心脏整体和局部的功能,进而诊断和治疗心血管疾病的关键步骤[2]。心脏CT血管造影术(cardiac CT angiography,CCTA)由于无创、操作简便,已经成为临床上一种重要的诊断方法[3]。然而,由于心脏CT图像中左心室区域与背景区域对比不明显、存在噪声等影响,使得左心室分割存在一定的难度。 展开更多
关键词 CT血管造影术 射血分数 临床指标 心血管疾病 左心室分割 运动异常 左心室质量 心室容积
原文传递
GNNI U-net:基于组归一化与最近邻插值的MRI左心室轮廓精准分割网络 被引量:10
14
作者 高强 高敬阳 赵地 《计算机科学》 CSCD 北大核心 2020年第8期213-220,共8页
心血管疾病已成为威胁人类健康的头号杀手。目前,医生们通过左心室MRI成像技术对左心室轮廓进行手工标注来计算心脏的各项功能参数,以监测和预防心血管疾病,但此方法的标注工作量大、耗时且繁琐。目前,深度学习在许多医疗影像分割领域... 心血管疾病已成为威胁人类健康的头号杀手。目前,医生们通过左心室MRI成像技术对左心室轮廓进行手工标注来计算心脏的各项功能参数,以监测和预防心血管疾病,但此方法的标注工作量大、耗时且繁琐。目前,深度学习在许多医疗影像分割领域取得了显著的成功,但在左心室轮廓分割领域仍有提升的空间。文中提出了一种基于组归一化与最近邻插值的MRI左心室轮廓精确分割网络——GNNI U-net(U-net with Group Normalization and Nearest Interpolation),该网络利用组归一化方法构建了能够快速、准确提取特征信息的卷积模块,基于最近邻插值法构建了用于特征信息还原的上采样模块。在Sunnybrook与LVSC两个左心室分割数据集上采用了中心裁减ROI提取的预处理方法,并对GNNI U-net进行了充分的对比实验。所提网络在Sunnybrook数据集上获得了Dice系数为0.937以及Jaccard系数为0.893的精度。在LVSC数据集上获得了Dice系数为0.957以及Jaccard系数为0.921的精度。GNNI U-net在左心室轮廓分割领域取得了比现有卷积网络分割方法更高的Dice系数精度。最后,进一步讨论并验证了组归一化操作卷积模块能够加速网络的收敛并提高分割精度;采用最近邻插值法的上采样模块对左心室轮廓这类较小目标的分割效果更好,能够在一定程度上加速网络的收敛。 展开更多
关键词 GNNI U-net 组归一化 最近邻插值 左心室分割
下载PDF
深层聚合残差密集网络的超声图像左心室分割 被引量:3
15
作者 吴宣言 缑新科 +2 位作者 朱子重 魏域林 王凯 《中国图象图形学报》 CSCD 北大核心 2020年第9期1930-1942,共13页
目的超声图像是临床医学中应用最广泛的医学图像之一,但左心室超声图像一般具有强噪声、弱边缘和组织结构复杂等问题,其图像分割难度较大。临床上需要一种效率高、质量好的超声图像左心室分割算法。本文提出一种基于深层聚合残差密集网... 目的超声图像是临床医学中应用最广泛的医学图像之一,但左心室超声图像一般具有强噪声、弱边缘和组织结构复杂等问题,其图像分割难度较大。临床上需要一种效率高、质量好的超声图像左心室分割算法。本文提出一种基于深层聚合残差密集网络(deep layer aggregation for residual dense network,DLA-RDNet)的超声图像左心室分割算法。方法对获取的超声图像进行形态学操作,定位目标区域,得到目标图像。构建残差密集网络(residual dense network,RDNet)用于提取图像特征,并将RDNet得到的层次信息通过深层聚合(deep layer aggregation,DLA)的方式紧密融合到一起,得到分割网络DLA-RDNet,用于实现对超声图像左心室的精确分割。通过深监督(deep supervision,DS)方式为网络剪枝,简化网络结构,提升网络运行速度。结果数据测试集的实验结果表明,所提算法平均准确率为95.68%,平均交并比为97.13%,平均相似性系数为97.15%,平均垂直距离为0.31 mm,分割轮廓合格率为99.32%。与6种分割算法相比,所提算法的分割精度更高。在测试阶段,每幅图像仅需不到1 s的时间即可完成分割,远远超出了专业医生的分割速度。结论提出了一种深层聚合残差密集神经网络对超声图像左心室进行分割,通过主、客观对比实验表明本文算法的有效性,能够较对比方法更实时准确地对超声图像左心室进行分割,符合临床医学中超声图像左心室分割的需求。 展开更多
关键词 超声图像 左心室分割 深层聚合 残差密集网络 网络剪枝
原文传递
一种融合上下文多光谱空间通道特征的左心室分割算法研究 被引量:1
16
作者 郭卫涛 帕孜来·马合木提 《光电子.激光》 CAS CSCD 北大核心 2021年第11期1155-1163,共9页
针对左心室生理结构复杂以及心脏磁共振成像纹理不均匀、噪声大、心腔肌肉干扰造成边界模糊等情况而导致左心室分割效果差等问题,本文提出了一种融合上下文多光谱空间通道特征的左心室分割算法。本文算法采用U型结构与跳跃连接方式将不... 针对左心室生理结构复杂以及心脏磁共振成像纹理不均匀、噪声大、心腔肌肉干扰造成边界模糊等情况而导致左心室分割效果差等问题,本文提出了一种融合上下文多光谱空间通道特征的左心室分割算法。本文算法采用U型结构与跳跃连接方式将不同尺度的特征图进行融合,确保局部特征信息二次利用,提高了特征利用率。采用深度可分离池化通道金字塔(depthwise pooling attention pyramid,DPAP)模块对多尺度特征的有用信息进行优化;接着采用频域通道空间注意力模块对特征的通道和空间两个维度进行优化;最后采用组合损失函数缓解正负样本不均衡的问题。结果表明,在MICCAI2009磁共振左心室挑战赛数据集上,本文算法在相似性系数上验证集为93.25%、在线集为93.33%,相比主流分割算法DeepLabV3+有1.6个点提升,相比医学经典U-Net算法有6.9个点提升,能对左心室有效分割,分割结果边缘连续,轮廓清晰。 展开更多
关键词 左心室分割 上下文 特征融合 多光谱空间通道 多尺度特征 组合损失函数
原文传递
基于全卷积网络迁移学习的左心室内膜分割 被引量:4
17
作者 齐林 吕旭阳 +1 位作者 杨本强 徐礼胜 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第11期1577-1581,1592,共6页
为了避免过拟合现象,提出了基于全卷积网络迁移学习的左心室内膜分割方法.该方法在已用自然图像训练好的VGGNet模型的基础上对参数进行微调;其次,利用了心室内膜位于MRI图像中心处的先验信息作为选取准则来优化分割结果.将该方法对2009 ... 为了避免过拟合现象,提出了基于全卷积网络迁移学习的左心室内膜分割方法.该方法在已用自然图像训练好的VGGNet模型的基础上对参数进行微调;其次,利用了心室内膜位于MRI图像中心处的先验信息作为选取准则来优化分割结果.将该方法对2009 MICCAI数据集的45个病例进行测试,其DICE指数、APD距离和GC率分别为0. 91,1. 73 mm和97. 81%.测试结果表明该方法对于心脏M RI图像的左心室内膜的分割结果较好,当引入一定的先验信息后可以优化测试结果. 展开更多
关键词 左心室内膜分割 深度学习 全卷积网络 迁移学习 核磁共振成像
下载PDF
改进型U-Net网络的左心室超声心动图像分割 被引量:2
18
作者 葛帅 严加勇 +1 位作者 谢利剑 姜逊渭 《软件导刊》 2021年第2期206-209,共4页
超声心动图像是诊断心脏疾病、分析心脏功能的重要手段,其中左心室大小、形态是判断心脏是否正常的重要参数,而对超声心动图像中左心室进行有效分割是获取左心室大小、形态等参数的关键。在传统U-Net网络基础上引入密集链接,构建一种对... 超声心动图像是诊断心脏疾病、分析心脏功能的重要手段,其中左心室大小、形态是判断心脏是否正常的重要参数,而对超声心动图像中左心室进行有效分割是获取左心室大小、形态等参数的关键。在传统U-Net网络基础上引入密集链接,构建一种对左心室超声心动图进行精确分割的深度学习模型。实验结果表明,密集链接的引入可以有效提高分割精度,该模型最终Dice系数为91.76%±1.78%,而传统的U-Net网络Dice系数为83.52%。和全连接网络等方法比较,该方法具有更高的精度。 展开更多
关键词 左心室分割 超声图像 深度学习 密集连接 U-Net
下载PDF
基于多相位水平集的超声左心室分割方法 被引量:1
19
作者 吴轲 杨玲 《激光与光电子学进展》 CSCD 北大核心 2019年第16期125-131,共7页
通过三相位水平集方法将心脏不同回声强度的区域分割成独立的部分;采用二值图像处理方法提取出心室壁区域,并去除噪声,连通心肌壁区域;最后通过曲线拟合方法对左心室内轮廓进行拟合,分割成光滑闭合的分割曲线。将算法分割结果与医生手... 通过三相位水平集方法将心脏不同回声强度的区域分割成独立的部分;采用二值图像处理方法提取出心室壁区域,并去除噪声,连通心肌壁区域;最后通过曲线拟合方法对左心室内轮廓进行拟合,分割成光滑闭合的分割曲线。将算法分割结果与医生手动分割结果进行比对后可知,三相位水平集方法能够定性地对左心室进行分割。分别采用基于相对差异度(RDD)、相对重叠度(ROD)和Dice系数对三相位水平集方法的结果进行评估,其中RDD值为0.051,ROD,Dice参数值均接近0.900,说明这三个参数能够定量分析左心室的分割结果。分析表明,算法对心脏心室壁区域有较好分割效果的同时,对心脏腔内噪声不敏感,多种曲线拟合方法对左心室内轮廓拟合效果较好。 展开更多
关键词 图像识别 左心室分割 多相位水平集 二值图像处理 曲线拟合
原文传递
基于全卷积网络的左心室射血分数自动检测 被引量:3
20
作者 徐礼胜 张书琪 +1 位作者 牛潇 徐阳 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第11期1572-1576,共5页
提出了一种基于全卷积网络(fully convolutional networks,FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末... 提出了一种基于全卷积网络(fully convolutional networks,FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末期的容积,最后推导出左心室的射血分数.使用700组图片对全卷积网络进行训练以及440组图片进行测试,并将最后计算结果与美国国立卫生研究院和儿童国家医疗中心提供的射血分数(ejection fraction,EF)金标准进行了对比,计算准确率为89. 8%,结果处在合理的误差范围内. 展开更多
关键词 全卷积网络 射血分数 磁共振图像 左心室分割
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部