基于全卷积神经网络的心脏CT影像的左心室分割研究

摘要：

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.

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

所属期刊栏目：28

在线出版日期：2020-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2567-2571