利用几何信息辅助的超声心动图实时分割

摘要：

超声心动图的分割在临床上对医生的诊断有巨大作用.针对超声图像含有大量噪声、轮廓特征不明显、已有分割算法耗时久、目标分割不完整或引入不必要的背景区域的问题,提出一种基于全卷积网络与几何信息辅助分割的实时分割算法.首先,利用改进的YOLACT框架并行生成原型模板掩码和左右心室、心房的实例掩码的系数,并将两者线性组合获得实例掩码;然后,利用编码模块增强分割效果,提出位置编码模块避免卷积神经网络带来的全局位置信息丢失,以及提出形状编码模块减少心房心室差异小带来的分类错误.实验结果表明,在超声心动图像数据集上的APA,AMIoU和ADICE指标分别达到0.777,0.705和0.827,该方法比其他算法在精度上接近nnU-Net的结果,但速度可以达到27帧/s,比UNet++提升145％.

关键词：卷积神经网络、超声图、实时图像分割

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省科技厅重点研发计划21DY0323

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1252-1259