基于深度学习的心脏磁共振图像分割 |
| |
引用本文: | 张博.基于深度学习的心脏磁共振图像分割[J].绿色科技,2020(6):230-232. |
| |
作者姓名: | 张博 |
| |
作者单位: | 中南民族大学生物医学工程学院 |
| |
摘 要: | 针对分割心脏图像中半自动分割方法存在分割精度较低、计算复杂度较高等问题,提出了采用改进的全卷积神经网络(Fully Convolutional Networks,FCN)来自动分割心脏左、右心室及心肌。在初始训练前对原始心脏影像作预处理,对处理后的图像进行模型训练,在网络下采样与上采样过程中加入批归一化层(Batch Normalization,BN),加速网络收敛,降低网络过拟合,实验选择加权交叉熵损失函数,用于提升网络性能,经过softmax分类器得到分割结果。实验结果表明:该方法能够较好地分割出左心室等结构,具有较高的分割精度。
|
关 键 词: | 心脏影像 全卷积神经网络 批归一化层 损失函数 |
本文献已被 CNKI 维普 等数据库收录! |
|