基于双编码器U-Net的右心室MRI分割算法

摘要

右心室的准确分割对心脏疾病研究至关重要，但由于右心室与周围组织对比度低且结构复杂，分割难度较大，提出一种结合嵌套多尺度特征融合模块和特征复用模块的双编码器分割模型。嵌套多尺度特征融合模块通过多尺度空洞卷积捕捉边界细节特征，并利用短跳跃连接缩小编码器与解码器之间的语义差距。特征复用模块则通过对浅层网络的细粒度特征进行再利用，进一步增强特征提取能力。消融实验显示，这两个模块的加入使U-Net的Dice系数（DSC）提升3.14%。在ACDC数据集上，模型的DSC和豪斯多夫距离均值分别为90.31%和5.21 mm，优于其他对比模型。此外，在M&Ms数据集中进行泛化能力验证。实验结果表明，该模型在右心室分割任务中表现优异，具有良好的鲁棒性。

关键词

右心室分割 / 心脏磁共振成像 / 特征复用 / 多尺度特征 / 混合损失函数