欢迎来到360期刊网!
学术期刊
  • 学术期刊
  • 文献
  • 百科
电话
您当前的位置:

首页 > 文献资料 > 正文

基于深度学习的颈动脉超声图像内中膜厚度测量

孙萍;李锵;关欣;滕建辅

摘要: 目的 颈动脉血管内中膜厚度(IMT)是衡量动脉粥样硬化程度的重要标准.一般采用人工标定进行测量,该过程耗时且繁琐,由此提出一种总体性能较好的全自动分割(AS)算法.方法 该算法首先利用卷积神经网络(CNN)识别出颈动脉血管远端,进而提取包含颈动脉内膜、中膜部分的感兴趣区域(ROI).采用基于堆栈式自编码器(SAE)构造的模式分类器将ROI中的像素进行分类.后利用分类区域的面积信息和位置信息对分类结果进行甄别,运用曲线拟合提取边界完成测量任务.结果 针对本研究所用图像库中的84幅颈动脉超声图像进行实验,金标准(GT)由两名专家4次测量的平均值产生,其与AS之间的绝对误差和标准差为(13.3±20.5) μm,协方差系数为0.990 7.结论 实验结果表明,此算法总体性能较好,能够实现超声颈动脉血管内中膜全自动、快速、准确分割,从而满足临床需要.

同期刊相关文献推荐

国际生物医学工程

统计源期刊 审稿时间:1-3个月 早咨询早发表

360期刊网

专注医学期刊服务15年

  • 您好:请问您咨询什么等级的期刊?专注医学类期刊发表15年口碑企业,为您提供以下服务:

  • 1.医学核心期刊发表-全流程服务
    2.医学SCI期刊-全流程服务
    3.论文投稿服务-快速报价
    4.期刊推荐直至录用,不成功不收费

  • 客服正在输入...

x
立即咨询