文献类型：期刊文章

作　　者：闫景瑞[1] 姚发展[1] 王丽会[1]

YAN Jing-Rui;YAO Fa-Zhan;WANG Li-Hui(Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province,College of Computer Science and Technology,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院贵州省智能医学影像分析与精准诊断重点实验室,贵阳550025

出　　处：《计算机系统应用》

基　　金：国家自然科学基金(62161004);中法蔡元培项目(N.41400TC);贵州省科技计划(ZK[2021] Key 002)。

年　　份：2022

卷　　号：31

期　　号：9

起止页码：368-375

语　　种：中文

收录情况：IC、JST、ZGKJHX、普通刊

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  

分 类 号：R54] TP391.41]