基于DeepLabv3的左心室超声图像分割方法

摘要

针对超声心动图噪声大、纹理不均匀、边缘难分割的特点,提出一种基于DeepLabv3的多通道模型对左心室区域进行分割的方法。将DeepLabv3嵌入到堆叠式的模型中,分别学习前景特征(左心室特征)和背景特征,然后整合两个通道以产生最终的分割结果。实验结果表明,所提算法像素平均交并比(MIoU)比医学语义分割U-Net算法高出13.37%,在图像关键分割区域纹理不均匀的情况下,多通道DeepLabv3网络的分割效果明显好于仅使用DeepLabv3网络的分割效果。