基于多监督残差网络的冠状动脉CT图像分割

作者：顾峰; 曹秒^*; 蔡庆武; 董麒; 张坤

来源：长春理工大学学报(自然科学版), 2022, 45(05): 101-106.

• 冠状动脉造影图像
• 血管分割
• 深度学习
• 迁移学习

冠状动脉血管造影图像是医生诊断心血管疾病的主要依据，对冠状动脉进行准确地分割在心血管疾病诊断具有重要意义。人工分割血管是一个费时费力的过程，容易出现主观性和误判性。因此，提出一种自动、准确的血管分割系统，称为多监督残差网络（MSRNet）。在残差网络中增加了三个有监督的侧输出模块，并将输出的特征图进行融合，得到最终的分割结果。将MSRNet在测试集上的准确率为0.925。MSRNet的分割精度相比U-Net和ResNet最高，最接近人类专家手动分割的结果。MSRNet可以减少诊断过程中的人工交互以及对医务人员的依赖，提高了疾病诊断效率。

• 单位
  生命科学技术学院; 长春理工大学