基于卷积神经网络的超声图像左心室分割方法

超声图像左心室的分割在临床上对医生的作用巨大。由于超声图像含有大量噪声,轮廓特征不明显,目前的卷积神经网络(CNN)方法对左心室分割容易得到不必要的区域,并且分割目标不完整。为了解决上述问题,在全卷积神经网络(FCN)基础上加入了关键点定位和求取图像凸包方法对分割结果进行优化。首先采用FCN获取初步的分割结果;然后为了去除分割结果中的错误区域,提出一种CNN定位左心室三个关键点的位置,通过关键点筛选掉分割结果中不必要的区域;最后为保证剩余区域能够组合成一个完整的心室,利用求取图像凸包算法将所有有效区域进行合并。实验结果表明,在超声图像左心室分割效果上,所提方法能够在普通FCN的基础上获得很大的提升,在交并比评价标准下,该方法获取的左心室结果能够比传统CNN方法提升近15%。