首页|改进型U-Net网络的左心室超声心动图像分割

改进型U-Net网络的左心室超声心动图像分割

Left Ventricular Echocardiography Image Segmentation Based on Improved U-Net network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
超声心动图像是诊断心脏疾病、分析心脏功能的重要手段,其中左心室大小、形态是判断心脏是否正常的重要参数,而对超声心动图像中左心室进行有效分割是获取左心室大小、形态等参数的关键.在传统U-Net网络基础上引入密集链接,构建一种对左心室超声心动图进行精确分割的深度学习模型.实验结果表明,密集链接的引入可以有效提高分割精度,,该模型最终Dice系数为91.76％±1.78％,而传统的U-Net网络Dice系数为83.52％.和全连接网络等方法比较,该方法具有更高的精度.

葛帅、严加勇、谢利剑、姜逊渭

展开 >

上海理工大学医疗器械与食品学院,上海200093

上海健康医学院医疗器械学院,上海201318

上海交通大学附属儿童医院,上海200062

左心室分割 超声图像 深度学习 密集连接 U-Net

上海市科委西医引导类项目上海交大医工交叉重点项目

18411965800ZH2018ZDA26

2021

10.11907/rjdk.202495

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(2)
  • 1
  • 9