两种深度学习方法用于心脏 MRI 中的左心室自动分割
计算机视觉与模式识别
2026-01-05 v1 机器学习
摘要
左心室（LV）分割对于临床量化和心脏图像诊断至关重要。本文提出了两种新颖的深度学习架构，称为 LNU-Net 和 IBU-Net，用于从短轴 Cine MRI 图像中进行左心室分割。LNU-Net 源自基于层归一化（LN）的 U-Net 架构，而 IBU-Net 源自基于实例-批量归一化（IB）的 U-Net，用于医学图像分割。LNU-Net 和 IBU-Net 的架构包含用于特征提取的下采样路径和用于精确定位的上采样路径。我们使用原始 U-Net 作为基本分割方法，并与提出的架构进行比较。LNU-Net 和 IBU-Net 都具有左心室分割方法：LNU-Net 在每个卷积块中应用层归一化，而 IBU-Net 在第一个卷积块中整合实例和批量归一化，并将其结果传递给下一层。我们的方法还Incorporates affine 变换和弹性形变用于图像数据处理。包含 805 幅关于左心室的 MRI 图像的数据集用于评估。我们实验性地评估了提出的方法超越其他基于 dice 系数和平均垂直距离的状态-of-the-art 方法。
引用
@article{arxiv.2601.00794,
title = {Two Deep Learning Approaches for Automated Segmentation of Left Ventricle in Cine Cardiac MRI},
author = {Wenhui Chu and Nikolaos V. Tsekos},
journal= {arXiv preprint arXiv:2601.00794},
year = {2026}
}
备注
7 pages, 5 figures, published in ICBBB 2022