计算机辅助设计与图形学学报

作者：史松林, 帕孜来·马合木提

关键词：超声心动图, 左心室分割, Transformer, 卷积神经网络

针对超声心动图因噪声大、左心室边缘模糊造成分割困难和分割结果不准确的问题, 提出一种结合Transformer和CNN的左心室分割算法.首先利用2种网络构架高效地捕捉全局特征和局部细节; 其次使用卷积注意力设计特征融合模块, 自适应地融合来自Transformer和CNN分支的特征; 最后引入桥注意力模块并根据3层融合特征计算注意力特征图, 得到更精确的分割结果.在大型心脏图像数据集EchoNet-Dynamic上进行训练、验证和测试的结果表明, 所提算法的Dice系数达到92.41%, 分割性能优于6种对比算法; 在临床患者的超声图像上, 可视化和临床医生的盲审结果证明了该算法的有效性.所提算法可以精确地分割左心室, 为心脏疾病诊断提供可靠的计算机辅助.

来源：2024年第9期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第9期