-
题名基于多尺度注意力的冠脉造影图像血管增强CNN模型
- 1
-
-
作者
周鹏
汪光普
高慧
秦泽伟
王硕
余辉
-
机构
天津大学生物医学工程系
-
出处
《中国生物医学工程学报》
北大核心
2025年第1期43-51,共9页
-
基金
天津市重大专项与工程(18ZXZNSY00240)。
-
文摘
冠状动脉造影记录着血管随血液流动显影的动态过程。受心脏运动干扰,可能导致显影图像质量差,严重影响医生的诊断,同时不利于冠心病智能辅助诊断。本研究提出了一种基于卷积神经网络(CNN)的多尺度注意力冠脉造影图像血管增强网络。它由多尺度注意力模块(MAB)和尾部大核注意力模块(LKAT)组成。MAB由多尺度大核注意力块(MLKA)和门控空间注意力块(GSAB)两部分组成,模块不仅能够提取更多局部和全局的血管信息,而且也避免了栅格效应。LKAT具有聚合长范围信息的能力,提高了重构血管特征的表征能力,从而提升冠脉造影图像的重建质量。实验中2 666张冠脉数据集由医学专家人工标注,得到的血管分割标签作为掩膜,叠加到经高斯滤波预处理后的图像上作为冠脉增强标签。与现有的先进方法比较,本研究方法能够完整的重建冠脉造影图像,峰值信噪比(PSNR)和结构相似性(SSIM)分别达到了34.880 1和0.973 2。并且增强后的分割结果,Dice和IoU分别达到了0.851 4和0.741 3,Acc和Recall分别达到了98.55%和89.05%。所提出的方法有效实现了冠脉血管造影图像的智能增强,同时也有利于冠心病智能辅助诊断的后续处理。
-
关键词
冠脉血管增强
卷积神经网络
多尺度注意力
冠状动脉造影
-
Keywords
coronary vessel enhancement
convolutional neural network
multi-scale attention
coronary angiography
-
分类号
R318
[医药卫生—生物医学工程]
-
