沈雪雯，王晓东，姚 宇

（1.中国科学院成都计算机应用研究所，成都 610041；2.中国科学院大学，北京 100049）

（∗通信作者电子邮箱shenxuewen18@mails.ucas.ac.cn）

0 引言

心脏作为人体内最重要的器官之一，通过机械做功推动血液的流动维持身体各器官、组织的正常工作，而它的效率与心脏的形态、心脏四腔体的大小息息相关。因此，准确分割获取心脏不同时期的轮廓是评定心功能或者心脏疾病必要又重要的程序。在临床医学中，心脏的多种成像方式为心脏结构和功能的评估、诊断、疾病检测、治疗计划等提供了有力的支持，如磁共振成像（Magnetic Resonance Imaging，MRI）、计算机断层扫 描（Computed Tomography，CT）成 像、超 声（UltraSound，US）等。而其中，超声成像以其价廉、简便、迅速、无创、无辐射、可连续动态及重复扫描等优点，成为医学中使用率高，受众面广的影像检查技术。因此，从二维超声心动图中提取临床指标进行数据分析，对临床常规检测心脏形态、功能及诊断具有重要意义。例如，提取左室射血分数（Left Ventricular Ejection Fractions，LVEF）需要准确地描绘舒张末期（End-Diastolic，ED）和收缩末期（End-Systole，ES）的左室内膜。在临床上，由于全自动心脏切分方法缺乏准确性和可重复性，半自动或手动的心脏切分仍然是庞大而繁重的日常工作。近年来，深度学习在图像分割领域的迅速崛起，让计算机科学与医疗知识的结合成为可能，医工交叉领域的研究也成为热点。

深度学习结合图像数据来辅助疾病诊断能够更加准确利用技术来解决人体的生理疾病，但由于超声成像噪声大、腔体边界不清晰的特点，同时医学超声样本很少，表现优异的自然图像分割网络应用在医学图像分割任务上往往达不到同等优秀的效 果。……