换一批融合去噪模块的心脏左心室影像分割研究
Research on left ventricle image segmentation approach incorporating a denoising module
摘要目的 针对医学影像噪声问题,提出融合去噪模块的左心室影像分割方法,旨在通过抑制噪声提升分割准确率.方法 去噪模块基于去噪扩散概率模型实现,分割模型包括运动估计与分割两个分支,修改去噪模块的预测目标为原始信号而非噪声,实现可导的去噪模块与分割模型级联训练过程.结果 在 EchoNet-Dynamic 数据库上,传统去噪分割性能不及基准模型,Noise2Noise模型在部分指标上有提升,融合去噪模块的分割方法在所有指标上均有提升.在ACDC数据库上,此方法优于基准模型,其余方法或不及基准模型,或差异无统计学意义.结论 传统去噪方法会损害分割性能,融合去噪模块的分割方法可稳定且有效地提升分割性能.实验验证了本研究的可行性和潜在临床应用价值.
更多相关知识
关键词
左心室分割去噪模型分割模型医学图像分割扩散概率模型级联训练left ventricular segmentationdenoising modelsegmentation modelmedical image segmentationdiffusion probabilistic modelcascade training
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1006-7795.2025.05.014
发布时间
2025-11-05（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 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
