一种融合深度学习与形状先验的心肌灌注 SPECT 图像左心室分割新方法
图像与视频处理
2023-12-22 v1 计算机视觉与模式识别
摘要
背景：通过心肌灌注 SPECT（MPS）评估左心室（LV）功能依赖于准确的心肌分割。本文旨在开发并验证一种融合深度学习与形状先验的新方法，以准确提取 LV 心肌，实现 LV 功能参数的自动测量。方法：开发了将三维（3D）V-Net 与形状形变模块相集成的分割架构。利用动态规划（DP）算法生成的形状先验，在模型训练过程中对模型输出进行约束和引导，以实现快速收敛和性能提升。采用分层 5 折交叉验证来训练和验证我们的模型。结果：我们提出的方法的结果与金标准结果吻合良好。我们提出的模型在提取心内膜、心肌和心外膜时分别取得了 0.9573(0.0244)、0.9821(0.0137) 和 0.9903(0.0041) 的 Dice 相似系数（DSC），以及 6.7529(2.7334) mm、7.2507(3.1952) mm 和 7.6121(3.0134) mm 的 Hausdorff 距离（HD）。结论：我们提出的方法在提取 LV 心肌轮廓和评估 LV 功能方面取得了高精度。
引用
@article{arxiv.2206.03603,
title = {A new method incorporating deep learning with shape priors for left ventricular segmentation in myocardial perfusion SPECT images},
author = {Fubao Zhu and Jinyu Zhao and Chen Zhao and Shaojie Tang and Jiaofen Nan and Yanting Li and Zhongqiang Zhao and Jianzhou Shi and Zenghong Chen and Zhixin Jiang and Weihua Zhou},
journal= {arXiv preprint arXiv:2206.03603},
year = {2023}
}
备注
21 pages, 14 figures