换一批基于深度学习的短轴心脏CT血管造影成像左心室心肌分割方法比较
A comparative study of image segmentation methods for left ventricular myocardium in short-axis cardiac computed tomography angiography based on deep learning
摘要目的:研究深度学习图像分割方法在短轴心脏CT血管造影成像(CTA)左心室心肌(LVM)分割中的可行性和效果.方法:收集2022年2月至10月温州市中心医院50例疑似CVD患者的心脏CTA影像数据,将其转换为短轴图像后按照6:2:2比例划分为训练集、验证集和测试集.基于多种UNet和编解码架构分割网络的对比研究方法,包括Res-UNet、UNet++、UNeXt和CENet四种具有代表性和新颖性的分割网络结构,以Dice相似系数(DSC)、交并比(IoU)和Hausdorff距离(HD)为模型性能评价指标,研究其在心脏CTA LVM上的分割性能.结果:Res-UNet通过自身的残差结构设计,能够在测试集上取得相对最优的分割效果(DSC 0.874,IoU 0.816,HD 3.706),其中UNet++(DSC 0.825,IoU 0.747,HD 4.037),UNeXt(DSC 0.840,IoU 0.769,HD 4.011),CENet(DSC 0.863,IoU 0.799,HD 3.863).从模型分割的可视化图像来看,Res-UNet在叠加标注图像和分割图像后的效果最佳.结论:以Res-UNet为代表的深度学习图像分割方法能够有效用于短轴心脏CTA LVM的自动化分割.
更多相关知识
关键词
计算机断层扫描血管造影术图像分割左心室心肌深度学习computed tomography angiographyimage segmentationleft ventricular myocardiumdeep learning
分类号
R445.2（诊断学）
栏目名称
DOI
10.3969/j.issn.2095-9400.2025.04.011
发布时间
2025-04-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省大学生科技创新活动计划（2022R413A022）
国家级大学生创新创业训练计划项目（202310343028）
- 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
