陈秋叶 韦瑞华 石璐莹 吴甜 刘海华

摘  要：針对CT图像中全心脏结构复杂度高、分割不完整及分割精度低等问题，文章提出了一种改进U-Net的全心脏分割方法。根据全心脏结构形态特点，文章将多并行尺度特征融合模块引入U-Net网络的编码层，并在U-Net网络的跳层连接中加入了注意力机制。文章利用MM-WHS数据集将改进的全心脏分割算法在中南民族大学认知科学实验室中进行了一系列的全心脏分割实验。实验结果显示，文章提出的算法分割相似度达到88.73%，提高了全心脏结构的分割准确率。

关键词：全心脏CT图像分割;改进U-Net网络;多并行尺度特征融合;注意力机制

中图分类号：TP391  文献标识码：A文章编号：2096-4706（2021）13-0076-05

Whole-heart CT Image Segmentation Based on Improved U-Net

CHEN Qiuye， WEI Ruihua， SHI Luying， WU Tian， LIU Haihua

（South-Central Minzu University， Wuhan  430074， China）

Abstract： Aiming at the problems of high structural complexity， incomplete segmentation and low segmentation accuracy of whole heart in CT images， the paper proposes a whole-heart segmentation method based on improved U-Net. According to the structural and morphological characteristics of the whole heart， multi-parallel scale feature fusion module is introduced into the coding layer of U-Net network， and attention mechanism is added into the skipping layer of U-Net network. A series of whole heart segmentation experiments are carried out in the Cognitive Science Laboratory of South-Central University for Nationalities using the improved whole heart segmentation algorithm based on the MM-WHS dataset. Experimental results show that the similarity of the proposed algorithm reaches 88.73%， which improves the segmentation accuracy of the whole heart structure.

Keywords： whole heart CT image segmentation; improved U-Net network; multi parallel scale feature fusion; attention mechanism

0  引  言

心血管系统是人体的循环系统，它承担着为人体输送营养物质、排出代谢废物进而维持人体正常生命体征的重要作用。基于医学影像的自动分割在提高医生手术准确率和高效性等方面具有突出优势，特别在心脏介入手术中，全心脏结构的精准分割有助于提高精准治疗。另外，随着社会的发展，心血管疾病的发病率和致死率越来越高，并且发病越来越年轻化[1]。因此，心血管疾病的及时诊断与治疗显得尤为重要，而全心脏结构的精准分割对于心血管疾病的诊疗有着重要的意义。因此，全心脏结构的自动精准分割是一项重要的研究课题。

1  相关研究

CT影像中全心脏结构的分割一直是医学图像分割领域的一个热点话题。目前针对心脏图像的分割已有大量的方法被提出，这些方法涉及传统方法中的图谱法、可形变模型以及近年来发展火热的深度学习的方法[2]。……