基于深度学习的二维超声心动图左心室自动分割
图像与视频处理
2020-03-18 v1
摘要
继 U-Net 在医学图像上的成功应用后，已有多种编码器-解码器模型被提出作为原始 U-Net 的改进用于超声心动图图像分割。本研究旨在通过将最先进的 proposed 模型以及原始 U-Net 模型应用于二维左心室心内膜的自动分割，检验它们的性能。利用模型的预测输出，通过将自动分割结果与专家标注（金标准）比较来评估模型性能。我们的结果表明，U-Net 模型以平均 Dice 系数 0.92 和 Hausdorff 距离 3.97 优于其他模型。
引用
@article{arxiv.2003.07628,
title = {Automated Segmentation of Left Ventricle in 2D echocardiography using deep learning},
author = {Neda Azarmehr and Xujiong Ye and Faraz Janan and James P Howard and Darrel P Francis and Massoud Zolgharni},
journal= {arXiv preprint arXiv:2003.07628},
year = {2020}
}
备注
4 pages, 1 figure, Extended Abstract MIDL conference