融合去噪模块的心脏左心室影像分割研究

摘要

目的 针对医学影像噪声问题，提出融合去噪模块的左心室影像分割方法，旨在通过抑制噪声提升分割准确率。方法去噪模块基于去噪扩散概率模型实现，分割模型包括运动估计与分割两个分支，修改去噪模块的预测目标为原始信号而非噪声，实现可导的去噪模块与分割模型级联训练过程。结果 在EchoNet-Dynamic数据库上，传统去噪分割性能不及基准模型，Noise2Noise模型在部分指标上有提升，融合去噪模块的分割方法在所有指标上均有提升。在ACDC数据库上，此方法优于基准模型，其余方法或不及基准模型，或差异无统计学意义。结论 传统去噪方法会损害分割性能，融合去噪模块的分割方法可稳定且有效地提升分割性能。实验验证了本研究的可行性和潜在临床应用价值。

关键词

左心室分割 / 去噪模型 / 分割模型 / 医学图像分割 / 扩散概率模型 / 级联训练