基于深度迁移学习的心脏MRI图像左心室分割

摘要

在研究基于深度学习的左心室分割方法时,需要足够的有标注的图像,才能获得准确的分割结果,而有标注的左心室图像往往难以获得.因此,提出了一种基于迁移学习和多尺度判别的生成对抗网络(TLMDB GAN)的MRI左心室图像分割方法,解决心室图像数据不足的问题.模型包含一个分割网络和一个判别网络.分割网络(TLBSN)使用全卷积神经网络,利用迁移学习逐层微调辅助分割,判别网络是一个多尺度的判别网络,监督生成网络更好地学习图像的特征信息.实验结果表明,基于多伦多市儿童病医院影像科提供的数据集对左心室内膜和外膜分割Dice相似系数分别为0.9399和0.9697.对比其他分割模型,该模型明显提高了分割精度.