计算机应用

作者：周玉金, 王晓东, 张力戈, 朱锴, 姚宇

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：超声心动图,左心室,特征点定位,卷积神经网络,级联卷积神经网络

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）。

针对传统级联卷积神经网络（CNN）在左心室超声图像中定位准确度较低的问题，提出一种融合更快速区域卷积神经网络（Faster-RCNN）模型提取区域的级联卷积神经网络，实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先，采用两级级联的方式改进传统级联卷积神经网络的网络结构，第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点，第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调，之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置；然后，将改进的级联卷积神经网络与目标区域提取融合，即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络；最后，由粗到细对左心室轮廓特征点进行定位。实验结果表明，与传统级联卷积神经网络相比，所提方法在左心室超声图像上的定位效果更好，更逼近真实值，在均方根误差的评价标准下，特征点定位准确度提升了32.6个百分点。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期