卢升再,鲁　鹏,徐根深,龚永泉,段凤莲

心脏磁共振是评估心脏结构与功能的重要影像技术，其后处理流程具有劳动密集型与操作者依赖性的特点。为优化分析效率并增强客观性，本研究采用深度学习技术实现图像后处理与功能参数测量的自动化。研究聚焦于构建用于心肌分割的卷积神经网络模型，并基于此研发心室功能参数自动测量算法。通过对心脏电影序列图像实施精准的心内膜与心外膜轮廓识别，实现对心室容积、射血分数、心肌质量等关键指标的快速量化。此方法旨在构建一个高效、可复现的自动化分析框架，以应对日益增长的临床影像数据处理需求，为心脏疾病的精准诊断提供技术支撑。

心脏磁共振；深度学习；图像分割；自动测量

［1］代佳欢，唐晓英，郭瑞 . 不同深度学习网络在心脏 磁共振图像自动分析中的性能研究［J］. 北京生物医学工程， 2024，43（06）：551-558. ［2］刘从军，徐佳陈，肖志勇，等 . 基于深度学习的心脏 核磁共振图像自动分割算法［J］. 计算机工程与科学，2022， 44（09）：1646-1654. ［3］马啸天，李书芳 . 基于深度学习的核磁共振图像智能 分割算法研究［J］. 中国传媒大学学报（自然科学版），2021， 28（03）：16-24. ［4］刘泽奇，王宁，张冲，等 . 基于轻量化网络与知识蒸 馏策略的心脏核磁共振图像分割［J］. 生物医学工程学杂志， 2024，41（06）：1204-1212. ［5］吕晓龙，李密 . 深度学习图像识别辅助原子力显微镜 单细胞力学特性精准高效探测［J］. 生物化学与生物物理进展， 2024，51（02）：468-480.

点击下载PDF