苑金辉，乔 艳，费烨琳，胡晓飞

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.南京邮电大学 地理与生物信息学院，江苏 南京 210003)

0 引 言

心血管疾病已经成为当今社会影响人类身体健康的头号杀手。据国内数据统计，心血管疾病造成的死亡人数已占到疾病总死亡人数的40%以上，在死亡构成中排名前列，高于肿瘤等其他疾病[1]，使得左心室分割引起了研究者的关注。用于心脏疾病诊断的医疗影像技术有很多，其中核磁共振成像技术(MRI)是使用较为广泛的一种。心脏核磁共振能够提供较为清晰的心脏结构、心肌运动以及组织学特征信息。因此国内外研究人员对心脏核磁共振进行了广泛研究，在不断更新算法的同时也得到了许多研究成果。

目前国内外广泛应用的分割方法有多种，传统的分割方法有基于边缘的图像分割、基于区域的图像分割、结合特定理论的图像分割等[2-7]。但随着深度学习的不断发展，人们开始将目光投向医疗领域，试图用一些基于深度学习的方法来进行医学图像分割。近些年来，越来越多的研究人员尝试将深度学习的思想应用到心脏左心室图像分割的研究上来。他们致力于研究出一种全自动心脏左心室图像分割方法，并且取得了比其他传统方法更好的效果。M. R. Avendi等人[8]利用卷积神经网络从心脏MR图像中定位出心脏左心室区域，然后以栈式自编码算法模型来勾勒出左心室的初始形状，在此基础上，经过可变模型分割出最终结果。……