基于心脏磁共振电影图像的压缩激励残差U形网络左心肌分割

左心肌分割对心脏疾病诊疗具有重要意义.但左心肌内部毗邻乳头肌、小梁,外部与周围组织灰度相近,是分割难点.本文首先对心脏磁共振电影图像数据进行感兴趣区域提取等预处理;其次,搭建融合了压缩激励模块和残差模块的U形网络(SERU-net)分割左心肌;最后,利用75例数据训练SERU-net网络,对18例数据进行预测.基于本文方法的分割结果相对于金标准的Dice系数与豪斯多夫距离均值分别是0.902、2.697 mm;利用本文方法分割得到的舒张末期、收缩末期左心室心肌质量与金标准的相关系数和偏差均值分别是0.995、0.993和3.784 g、2.338 g.结果表明,本文方法与金标准匹配程度较高,有望辅助诊断心脏疾病.

基于心脏电影磁共振图像的左心肌分割新进展

左心肌分割不仅可计算左心室体积,还可计算心肌质量、追踪心肌运动、重建心脏等,可用于临床评估心脏功能,对心肌梗死、心肌肥大等心脏疾病的诊疗具有重要的意义。心脏电影磁共振图像时空分辨率高,被广泛应用于左心肌分割及功能评价。然而,左心肌外部毗邻灰度相近的组织,内部有可能与小梁肌、乳头肌等相连,给左心肌分割带来不小的难度,大量研究者一直致力于左心肌分割算法的研究。全面回顾基于心脏电影磁共振图像的左心肌分割方法,首先对传统的左心肌分割方法及其优缺点进行归纳比较,然后重点讨论包括光流法、深度学习在内的新的左心肌分割方法,最后简单介绍左心肌分割方法的常用评估标准。从目前来看,基于深度学习的左心肌分割方法精度高、速度快,将会是今后一段时间内研究者密切关注的相关方法,但深度学习中仍需解决海量数据需求和超参数确定等问题。