基于心脏磁共振短轴电影图像的右心室分割新进展

右心室分割对肺动脉高压、法洛四联症等疾病的心脏功能评估具有重要意义.然而，右心室结构复杂，变动性大、心肌薄且毗邻脂肪，实验全自动分割一直是难点.心脏磁共振短轴电影图像时空分辨高，常用于临床右心室分割及功能评价.本文基于心脏磁共振短轴电影图像对右心室分割方法进行了综述，首先回顾了传统右心室分割算法，然后重点介绍了基于多图谱和深度学习算法的右心室分割进展，并介绍了右心室分割结果常用的评估指标.通过上述回顾发现，基于深度学习算法的分割方法是今后临床应用的右心室分割的主要方法，对心脏相关疾病的诊断及预后十分重要，而且可大大提高医生的工作效率.     

基于密集多尺度U-net网络的电影心脏磁共振图像右心室自动分割

右心室分割对心脏功能评估具有重要意义.然而,右心室结构复杂,传统分割方法效果欠佳.本文提出一种密集多尺度U-net（DMU-net）网络用于分割右心室,首先对56例数据进行归一化、增强及感兴趣区域提取的预处理;然后结合多尺度融合和嵌套密集连接结构搭建网络;最后利用预处理后的数据对DMU-net网络进行训练和验证,并对15例仅提取感兴趣区域的数据进行测试.本文方法与手动分割的Dice系数和豪斯多夫距离平均值分别为0.862和4.44 mm,优于文献中其它分割效果较好的方法;舒张末期容积、收缩末期容积、射血分数及每搏输出量的相关系数为0.992、0.960、0.987和0.982.结果表明,使用本文方法的分割结果与手动分割结果重合度高、差异性小,有望为心脏疾病诊断提供参考.