【技术实现步骤摘要】
本专利技术涉及生物医学，更具体的说是涉及一种基于cnn的心肌病理自动分割方法。
技术介绍
1、心肌活力评估对于心肌疾病患者的诊断和治疗管理至关重要，而多模态图像可提供相关器官、组织和病变的多方面信息，对心肌病理组织的诊断和治疗具有重要的临床意义。
2、在临床实践中，心肌通常分为正常区、瘢痕区和水肿区，但疤痕和水肿占据的区域非常小，且在心肌上分布着不同的位置，从而使得在多模态图像中难以区分瘢痕和水肿区域；
3、目前，多采用人为手动划分，或采用强度阈值/基于聚类的方式，但手动划分不仅费时，且很容易受到观察者的主观影响，导致分割误差变大；而后者还需要人工参与进一步细分，显然，这种半自动的方法不适用于大规模的临床诊断。
4、因此，有鉴于此，如何提供一种分割精度高、分割过程更加高效的心肌病理自动分割方法是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于cnn的心肌病理自动分割方法，通过采用ru-net作为基线，在编码路径嵌入多模...
【技术保护点】
1.一种基于CNN的心肌病理自动分割方法，其特征在于，包括：
2.根据权利要求1所述的基于CNN的心肌病理自动分割方法，其特征在于，所述特征提取单元的特征提取过程为：
3.根据权利要求1所述的基于CNN的心肌病理自动分割方法，其特征在于，所述编码器包括依次相互连接的第一卷积层、第一残差层和第二残差层。
4.根据权利要求1所述的基于CNN的心肌病理自动分割方法，其特征在于，心脏磁共振序列图像的种类数量与并行的特征提取单元数量一致；
5.根据权利要求1所述的基于CNN的心肌病理自动分割方法，其特征在于，所述心脏磁共振序列图像...
【技术特征摘要】
1.一种基于cnn的心肌病理自动分割方法，其特征在于，包括：
2.根据权利要求1所述的基于cnn的心肌病理自动分割方法，其特征在于，所述特征提取单元的特征提取过程为：
3.根据权利要求1所述的基于cnn的心肌病理自动分割方法，其特征在于，所述编码器包括依次相互连接的第一卷积层、第一残差层和第二残差层。
4.根据权利要求1所述的基于cnn的心肌病理自动分割方法，其特征在于，心脏磁共振序列图像的种类数量与并行的特征提取单元数量一致；
5.根据权利要求1所述的基于cnn的心肌病理自动分割方法，其特征在于，所述心脏磁共振序列图像经采样层和最大池化层后输入至多模态图像特征提取模块中；所述多模态图像特征提取模块的输出端连接上采样层。
6.根据权利要求5所述的基于cnn的心肌病理自动分割方法，其特征在于，所述心...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。