基于光流场与语义特征融合的心脏Cine-MRI左心室心肌分割方法

摘要：

由于运动原因会造成活体心脏MRI图像中左心室心内膜与心肌边缘轮廓模糊,进而导致分割不准确以及分割精度较低,针对这些问题,本文提出一种基于光流场与语义特征融合的心脏4D Cine-MRI(magnetic resonance imaging)左心室心肌分割模型OSFNet.该模型包含了光流场计算和语义分割网络:将光流场计算得到的运动特征与图像语义特征进行融合,通过网络学习达到了最优的分割效果.模型采用编码器-解码器结构,本文提出的多感受野平均池化模块用于提取多尺度语义特征,减少了特征丢失;解码器部分使用了多路上采样方法和跳跃连接,保证了语义特征被有效还原.本文使用ACDC公开数据集对模型进行训练与测试,并分别与DenseNet和U-Net在左心室内膜分割、左心室内膜和心肌分割目标上进行对比.实验结果表明,OSFNet在Dice和HD等多个指标上取得了最佳效果.

关键词：心脏Cine-MRI、光流场、深度学习、特征融合、语义分割

所属期刊栏目：31

分类号：TP391.41;TN911.73;TP751

资助基金：国家自然科学基金;中法蔡元培项目;贵州省科技计划

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：368-375