姜乐临 陈彦晗 金梦佳 宋湘芬 冷晓畅 向建平 朱思品 姜文兵

据统计，2016年有1 790 万人死于心血管疾病（cardiovascular disease，CVD），到2030年，预计死亡人数超过2 220 万人[1]。牛眼图是左心室在短轴切面上的周向横断面图，通常用于显示舒张末期与收缩末期室壁厚度变化、心肌灌注等心脏功能异常情况。射血分数是反映左心室收缩功能的可靠指标，有助于心力衰竭的诊断[2-4]。除室壁厚度和射血分数外，其他功能指标（如心肌质量等）也可用于心脏功能的分析。左心室体积可以估算这些心功能指标，临床上通常通过左心室分割来量化左心室体积，进而诊断CVD。手工分割左心室的步骤繁琐且受观察者主观影响较大，因此自动左心室分割在计算机辅助诊断中受到广泛应用。在获取心脏解剖信息的成像技术方面，与心脏MRI 相比，心脏计算机断层血管造影（computed tomography angiography，CTA）具有检查时间短、成本低、图像质量较高等优点[5]。然而，由于形状和大小的变化、组织对比度差等，左心室自动分割仍具有挑战性。传统的左心室自动分割方法主要包括地图集和变形模型。Yang 等[6]提出了一种三步多图集分割方法，但该性能依赖于配准算法和融合策略。Medina 等[7]提出了一种基于水平集变形轮廓的两阶段分割技术，但该性能极易受初始形状和不同类型参数的影响，而且计算量较大。基于卷积神经网络（convolutional neural network，CNN）的深度学习是一种更准确、更有效的方法，近年来在医学图像分析中展现出广阔的应用前景。U-Net 作为医学图像分割最经典的CNN，在有限的训练数据下可以获得精确的分割，因此得到了广泛的应用[8]。……