基于2D深度学习网络的全心脏MR图像分割

摘要：

传统机器学习方法在心脏MR图像分割中存在分割精度较差、计算复杂度高,特别是难以同时分割左、右心室及心肌等问题.提出了将改进的全卷积神经网络自动分割方法用于心脏MR图像分割.在训练网络下采样与上采样路径中加入批归一化层,保持每层网络大小与维度一致,使用较高学习率训练网络,加速收敛,降低过拟合.结合像素交叉熵损失函数与Dice损失函数作为新的组合加权损失函数,提高分割精度.实验结果表明,能实现较好的分割精度和计算复杂度,且能同时分割出心脏图像中的左、右心室和心肌.

关键词：心脏MR图像、图像分割、全卷积神经网络、批归一化层、损失函数

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖北省自然科学基金资助项目2016CFB489

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：376-382