摘要: 为了避免过拟合现象,提出了基于全卷积网络迁移学习的左心室内膜分割方法.该方法在已用自然图像训练好的VGGNet模型的基础上对参数进行微调;其次,利用了心室内膜位于MRI图像中心处的先验信息作为选取准则来优化分割结果.将该方法对2009 MICCAI数据集的45个病例进行测试,其DICE指数、APD距离和GC率分别为0.91,1.73mm和97.81%.测试结果表明该方法对于心脏MRI图像的左心室内膜的分割结果较好,当引入一定的先验信息后可以优化测试结果.
中图分类号:
齐林, 吕旭阳, 杨本强, 徐礼胜. 基于全卷积网络迁移学习的左心室内膜分割[J]. 东北大学学报:自然科学版, 2018, 39(11): 1577-1582.
QI Lin, LYU Xu-yang, YANG Ben-qiang, XU Li-sheng. Segmentation of Left Ventricle Endocardium Based on Transfer Learning of Fully Convolutional Networks[J]. Journal of Northeastern University Natural Science, 2018, 39(11): 1577-1582.