基于深度卷积神经网络的超声心动图轮廓检测

摘要

超声心动图像轮廓检测对于提高心血管疾病的有效诊断起到十分重要的辅助作用。使用卷积神经网络学习深度特征进行超声心动图像轮廓检测的研究。不仅将神经网络作为黑盒子进行特征提取,而且设计了专门的训练策略,将边界信息分为多个子类,然后用不同的模型参数对每个子类进行拟合。同时对损失函数进行改进,将一个正样本的损失分配到每个样本子类中并对其进行参数学习,这将有利于学习到更多具备识别力的轮廓特征。实验结果表明,该方法对高噪声低对比度的超声心动图像的轮廓检测具备较好的准确性和鲁棒性。