面向类别不平衡的胎儿心脏超声图像分割算法

基于深度学习的图像分割技术是处理医学图像的有力工具,胎儿心脏超声图像分割任务更是其中的热点研究内容。由于不同心脏部位像素点数量不平衡以及图像模糊等问题,导致现有算法对少数类像素点的分割准确度较低,分割边界通常也不够精确。为此,提出面向类别不平衡的胎儿心脏超声图像分割算法。该算法通过嵌入代价感知层,为少数类像素点的错误分类分配更高的损失权重,以提升少数类像素点的分类准确性。应用全局直方图均衡化,结合空洞空间金字塔池化,获取清晰的图像轮廓和多尺度上下文信息。在真实胎儿心脏数据集上与7种先进分割算法比较,该算法在多项评价指标上均获得了最优的分割结果。