计算机科学与探索

作者：沈烨，方志军，高永彬

单位：上海工程技术大学 电子电气工程学院，上海 201600

关键词：冠脉CTA,多模型融合,三维全卷积网络（3D FCN）,注意力门控模型,水平集函数

冠心病是当今世界上最大的健康问题之一，因此对冠心病的早期预防和诊断非常重要。斑块的存在和冠状动脉血管狭窄是引发冠心病的主要原因，对斑块的检测和冠状动脉血管分割成为检测冠状动脉疾病的首选方案。目前手动分割冠状动脉耗时并且由操作者的主观意识决定，这使得现在的临床医学诊断中对自动分割技术的需要显而易见。提出了一种基于深度学习多模型融合的冠脉CT血管造影（CTA）的血管分割方法，该方法包括三个网络模型：一个原始三维全卷积网络（3D FCN），以及两个在原始3D FCN中嵌入注意力门控（AG）模型的网络。然后把三种网络的预测结果采用多数投票算法进行融合来得到网络预测的最终结果。在后处理阶段，采用水平集函数对网络融合预测的结果进行进一步迭代优化。在评估所提出方法的过程中把JI和DSC分数来作为性能度量进行比较，最终结果表明，所提出的方法提供了更好更准确的分割结果。

来源：2020年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第9期