计算机应用

作者：朱锴, 付忠良, 陈晓清

单位：1. 中国科学院 成都计算机应用研究所, 成都 610041;2. 中国科学院大学, 北京 100049

关键词：超声图像,分割,关键点定位,卷积神经网络,凸包

基金：四川省科技厅重点研发项目（2017SZ0010）；四川省科技支撑计划项目（2016JZ0035）。

超声图像左心室的分割在临床上对医生的作用巨大。由于超声图像含有大量噪声，轮廓特征不明显，目前的卷积神经网络（CNN）方法对左心室分割容易得到不必要的区域，并且分割目标不完整。为了解决上述问题，在全卷积神经网络（FCN）基础上加入了关键点定位和求取图像凸包方法对分割结果进行优化。首先采用FCN获取初步的分割结果；然后为了去除分割结果中的错误区域，提出一种CNN定位左心室三个关键点的位置，通过关键点筛选掉分割结果中不必要的区域；最后为保证剩余区域能够组合成一个完整的心室，利用求取图像凸包算法将所有有效区域进行合并。实验结果表明，在超声图像左心室分割效果上，所提方法能够在普通FCN的基础上获得很大的提升，在交并比评价标准下，该方法获取的左心室结果能够比传统CNN方法提升近15%。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期