融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测

摘要：

左心室检测在计算机辅助心脏MR图像诊断方面具有重要价值,针对由于成像质量、部分容积效应、目标复杂多变等因素影响,导致左心室自动检测准确度较低的问题,提出一种融合候选区域提取与栈式稀疏自编码器(SSAE)深度特征学习的心脏MR图像左心室检测方法.在候选区域提取阶段,先用超像素算法产生初始区域,然后对SSAE学习到的深度特征采用层次聚类算法生成候选区域;在检测阶段,先使用SSAE提取候选区域的深度特征,然后训练SVM分类器对候选区域进行分类,并使用难分负样本挖掘算法对模型进行调节.对心脏图谱数据集左心室目标检测的实验结果表明,相对于手工特征及基于候选区域等方法,该方法取得了有竞争力的检测精度.

关键词：栈式稀疏自编码器、左心室目标检测、深度特征学习、心脏MR图像、SVM分类器

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61190122;重庆市基础与前沿研究计划cstc2016jcyjA0317;中央高校基本业务费项目106112015CDJXY120003

在线出版日期：2018-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：424-435