换一批一种改进ResUNet的左心室超声心动图像自动分割算法
Improved ResUNet for automatic segmentation of left ventricle in echocardiographic images
摘要左心室超声心动图像分割在心脏疾病的诊断和治疗中有着重要的作用,但是,由于左心室超声心动图像具有复杂的结构和多样的特征,其自动分割仍然是一项具有挑战性的任务.为了提高分割的精度和准确性,本文提出了一种改进ResU-Net的左心室超声心动图像自动分割算法.该算法以ResUNet为基本结构,并从 3 个方面优化增强性能——加入Inception模块,提取多尺度和多层次的特征,提升网络对不同尺度信息的感知能力;引入注意力机制,动态地调整特征的权重,聚焦图像中重要的区域和结构;采用LeakyReLU激活函数强化网络的非线性建模能力,进一步提升分割的精度和鲁棒性.为验证算法的有效性,本文在上海市儿童医院采集到的数据集上进行实验,并与U-Net和ResUNet模型进行了比较.结果显示,改进Re-sUNet的Dice系数为 92.38%、准确率为 98.73%,相较传统U-net,和ResUNet算法结果相比,在Dice系数上分别提高了5.03%和1.71%,在准确率上分别提高了1.37%和0.91%.这一研究为左心室超声心动图像的自动分割提供了一种有效的解决方案,具有临床应用前景.
更多相关知识
关键词
超声心动图左心室图像分割ResUNet注意力机制Inception模块LeakyReLUEchocardiogramleft ventricular image segmentationResUNetattention mechanismInception moduleLeakyReLU
栏目名称
DOI
10.20169/j.issn.2095-2163.24052302
发布时间
2026-01-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
