换一批基于深度卷积和多层尺度特征融合的冠脉造影图像血管分割
Vessel Segmentation in Coronary Angiography Images Based on Deep Convolution and Multi-Level Scale Feature Fusion
摘要冠状动脉造影是诊疗冠心病等心血管疾病的一种重要手段,快速而准确的血管分割对诊疗心血管疾病具有十分重要的意义.针对现有冠状动脉造影血管分割算法对细微血管的分割能力不强、分割血管的连通性较差、抗噪声及伪影能力弱等问题,本研究吸取了Transformer结构长距离依赖与跨域跳转连接的优点,分别采用上下文分层聚合和多尺度特征融合的方法,对U型分割网络进行改进,称HAM-UNet.首先,采取必要的图像预处理方法,对原有的冠脉造影图像进行一些特征强化,并扩大了实验数据;然后,将预处理好的图片以HAM-UNet的方法进行分割.编码器同时结合深度卷积与残差结构,可以高效的捕获全局特征并有效增强网络细节感知力,提升分割精度的同时提高分割连通性.解码器进行了多尺度的特征融合,并且加入上采样跳转连接,网络的全局感知得到提高,有效降低了无关信息的影响.所使用数据集来自于天津市医科大学总医院的221张图像和秦皇岛市第一医院的494张图像,在两个数据集上,HAM-UNet算法的准确率分别为0.983和0.998,IOU分别为0.857和0.908,Dice分数分别为0.842和0.883;综合分割性能比U-Net和Att-UNet等算法有较大提升.
更多相关知识
关键词
图像分割冠脉造影图像分割U-Net深度卷积多层尺度融合image segmentationcoronary angiography image segmentationU-Netdeep convolutionmulti-scale fusion
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.01.004
发布时间
2025-04-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省机器视觉检测与感知重点实验室开放基金（KLMVI-2023-HIT-13）
智能机器人湖北省重点实验室开放基金（HBIR202208）
燕山大学秦皇岛市第一医院医工交叉特色专项培育项目（2022-09）
- 浏览10
- 被引4
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
