基于CT图像的全心脏分割方法研究

为了解决无法准确分割全心脏的难题,提出一种基于形态学操作和形态学梯度的阈值分割算法。传统的阈值分割由于图像本身灰度分布不均及噪声干扰等多种因素的影响,往往不能得到理想的分割结果。该算法结合形态学开闭操作重构图像,在形态学梯度的基础上,对图像进行自动阈值分割,不但可以消除噪声,还能较好地保留图像的边缘信息,得到全心脏组织。实验结果显示,基于形态学梯度的阈值分割算法对心脏的提取准确率较高,解决仅使用传统阈值分割或直接对普通梯度图像分割存在的问题。

基于改进U-Net的全心脏CT图像分割

针对CT图像中全心脏结构复杂度高、分割不完整及分割精度低等问题,文章提出了一种改进U-Net的全心脏分割方法。根据全心脏结构形态特点,文章将多并行尺度特征融合模块引入U-Net网络的编码层,并在U-Net网络的跳层连接中加入了注意力机制。文章利用MM-WHS数据集将改进的全心脏分割算法在中南民族大学认知科学实验室中进行了一系列的全心脏分割实验。实验结果显示,文章提出的算法分割相似度达到88.73%,提高了全心脏结构的分割准确率。