10.3778/j.issn.1673-9418.2005007
全局特征及多层次特征聚合的冠脉分割算法
冠脉计算机断层扫描血管造影(CTA)图像分割在辅助医生判断血管堵塞、血管疾病诊断等许多实际应用中发挥重要作用.针对CTA图像中存在大量噪声和FCN、U-Net、V-Net等经典深度学习算法分割结果不细腻的问题,提出了全局特征及多层次特征聚合网络.这种新型的网络由全局特征模块、特征融合与V形细化多层次特征聚合模块以及深度监督三部分组成.全局特征模块综合早期和后期特征信息,在融合丰富的细节和语义信息基础上实现对原始CTA图像过滤操作,生成基础特征.细化V形模块在基础特征的基础上生成不同层次的细化特征图,通过聚合不同层次的细化特征图,得到精准冠脉分割图像.此外,在每一个细化V形模块之后加入深度监督机制来避免梯度消失的问题.对提出的方法进行了定量与定性的分析,结果表明,该方法优于主流基线.消融实验也证明了每个模块的有效性.
冠脉计算机断层扫描血管造影(CTA)分割、全局特征、细化V形、多层次特征聚合、深度监督
15
TP391(计算技术、计算机技术)
2021-05-12(万方平台首次上网日期,不代表论文的发表时间)
共13页
958-970