-
有条件生成对抗网络的IVUS图像内膜与中-外膜边界检测
编辑人员丨2023/8/6
针对血管内超声 (IVUS) 图像中各类斑块、超声阴影和血管分支等造成内膜 (LU) 与中-外膜 (MA) 边界难以准确检测的问题, 提出一种结合堆叠沙漏网络 (SHGN) 和有条件生成对抗网络 (C-GAN) 的IVUS内膜与中-外膜检测的改进方法.首先根据血管形态特点, 使用旋转、缩放和Gamma变换等方法将图像训练集扩充57倍, 降低网络训练过拟合风险;然后利用对抗训练思想, 构建基于L1、L2重建损失的联合损失函数, 学习超声图像与其对应分割图像的映射关系, 将IVUS图像分割为3种不同区域:血管外周组织、斑块区域和内腔区域;最后在图像分割结果上, 采用阈值处理方法, 检测最终的内膜与中-外膜边界.采用国际标准IVUS图像数据集 (10位病人435幅) 评价所提出的算法.实验量化评价结果为:内膜计算面积交并比 (JM) 93％, 面积差异百分比 (PAD) 3％, Hausdorff距离 (HD) 0.19 mm;中-外膜JM 95％, PAD 3％, HD 0.16 mm.这些指标满足临床诊断要求, 性能优于现有的、近年较好的9种算法, 以及Pix2Pix模型.在临床实践应用分析中, 利用南部战区总医院心血管内科所收集的100幅IVUS图像进行检验, 取得较好的分割结果.这表明该方法具有较好的跨数据集泛化性能.
...不再出现此类内容
编辑人员丨2023/8/6
