基于深度学习的血管内光学相干层析图像轮廓分割

摘要：

心血管疾病是世界上造成死亡率最高的疾病之一,针对心血管疾病的诊疗已经成为重点关注的问题.光学相干层析图像作为血管介入式影像,以其高分辨率正成为检测血管内狭窄的重要手段.传统医生主要通过对血管腔的手工分割来分析血管狭窄的严重性,耗时耗力.本文使用深度学习对血管内光学相干层析图像轮廓进行自动分割.实验总数据量为800张图片,其中400张为训练集,利用数据增广方式进行扩充,最终在400张图片上进行测试,得到了很高的戴斯相似系数和准确率,证明使用深度学习框架对血管内光学相干层析图像进行分割是有效的,能够减轻临床医生的工作量.

关键词：深度学习、光学相干层析图像、轮廓分割、心血管疾病

所属期刊栏目：15

分类号：TP311(计算技术、计算机技术)

资助基金：国家科技支撑计划:电子器件组装高速精密机器人与自动化生产线研发及产业化,子课题名称:基于机器视觉的电子器件定位研究2015BAF10B01-01

在线出版日期：2019-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：199-200,217