基于去噪辅助时空分割网络的超声心动图视频分割方法研究

摘要

超声心动图分割在心血管疾病诊断中具有重要意义，但超声视频中的散斑噪声严重影响了图像质量和分割效果，因此提出一种结合非局部均值散斑滤波与时空记忆网络的分割网络(denoising-assisted spatio-temporal segmentation network, DSTNet),以提高超声心动图的分割准确性。首先，针对散斑噪声问题，利用非局部均值散斑滤波技术，有效去除超声视频中的散斑噪声。其次，在编码器部分使用BiMamba模块，构建全局和局部的特征关系。再次，结合U-Net架构，实现高效的医学视频分割。在Echonet数据集上的广泛实验验证了所提算法的有效性和正确性，HD95和Dice系数分别达到了3.8与0.911。与传统视频分割方法相比，所提算法在有效去除散斑噪声的基础上，还充分利用超声心动视频中的帧间时空关系，从而显著提高左心室的分割准确性。

关键词

超声心动视频 / 去噪 / 视频分割 / 时空记忆网络