基于双支神经网络多任务学习的心脏磁共振心肌病识别算法

摘要

精确分析患者的心功能状态,并尽早地、准确地诊断出心脏疾病,对提高该病的治疗效果,降低医疗成本有着重大意义.众多影像手段中,心脏磁共振的软组织对比度最高,但是心脏核磁数据序列多、融合难,处理需要专业医师人工勾画,非常耗时.因此,本文基于多任务学习机制,构建双支深度神经网络,结合卷积神经网络及循环神经网络,提取心脏核磁的空间及运动特征,在训练样本量有限的情况下实现了对正常心脏、扩心病、肥心病的准确诊断.本文方法与经典算法C3D及LRCN对比获得了更高的识别准确率,综合AUC值均达到了0.94以上.