论文部分内容阅读
小儿超声心动图分割是后续生物学参数测量与疾病诊断的关键一步。目前,这主要依赖于超声医生的手动分割,不仅耗时耗力,而且由于它的重复性与冗余性,常常会导致不准确的分割。深度学习方法在自然图像处理领域已经取得令人瞩目的成果,因此提出应用深度卷积神经网络,从小儿超声心动图中学习有效特征,进行左心关键解剖结构的分割。具体来说,提出使用双路径分割网络(BiSeNet),通过两路分支网络,分别提取低层和高层的特征,然后送入一个特征融合模块,筛选出有效的特征,从而得到准确的分割结果。在采集自深圳儿童医院超声科的包含