基于多尺度集成的冠状动脉分割模型
曾安1
吴春彪1
徐小维2
Najeeb Ullah3
1.广东工业大学计算机学院,广州5100062.广东省人民医院,广州5100803.马尔丹工程技术大学,马尔丹23200
摘要：针对传统冠状动脉分割中需要人为干预且效率低,以及现有深度学习分割方法准确率低的问题,本研究提出一种基于多尺度集成的分割模型.该模型设计了一种新的由粗到细的分割框架,通过结合全尺度的粗分割与局部多尺度的细分割,进一步提升分割的准确率.实验结果表明,在Dice相似性系数上可达到82.96％,优于其他常规的深度学习方法.该模型也为其他管状器官的分割提供了新的思路.
关键词：全卷积神经网络U-NetU-Net++体素图像分割先验提取数学形态学
分类号：R318(医用一般科学)TP399(计算技术、计算机技术)
资助基金：广东省重点领域研发计划项目(2021B0101220006)广东省科技计划项目(2019A050510041)广东省自然科学基金资助项目(2021A1515012300)
论文发表日期：2022-09-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 239-247 )
英文信息