基于深度学习的心脏图像分割研究现状

面对严重的医学影像分析缺口,深度学习的发展能够满足国内医疗行业的需求.心脏图像的处理方法可大致分为传统的图像处理技术、基于图谱的方法(atlas-based methods)、基于模型的方法(model-based methods)以及目前热门的采用机器学习和深度学习的方法.在深度学习兴起之前,传统的机器学习技术如模型法和图集法在心脏图像分割中有良好表现,但通常需要大量的特征工程知识或先验知识才能获得令人满意的精度.而基于深度学习的算法能从数据中自动发现复杂的特征以进行对象检测和分割.得益于先进的计算机硬件以及更多可用于训练的数据集,基于深度学习的分割算法已超越了以往的传统方法.本文回顾了2012-2022年有关心室、心外膜和心包脂肪的图像处理的各项方法、衡量指标及其目前的研究现状,并结合分割技术的发展,讨论了心脏分割的发展趋势.