基于Transformer的血管内超声图像分割方法

目的 提出一种基于Transformer的血管内超声图像分割方法，以解决冠状动脉钙化病变血管内超声图像显影不完全导致的分割管腔、外弹力膜和钙化斑块精度不高的问题。方法 采用深度学习方法，在UNet结构的基础上用多分辨率卷积层提取不同大小类别特征，在特征编码模块与特征解码模块之间使用Transformer联系上下文信息，同时分割管腔、外弹力膜和钙化斑块。最后以34个40 MHz血管内超声序列得到的720张训练集和240张测试集为例对上述方法进行训练和测试。结果 外弹力膜分割杰卡德系数（Jaccard index,JI）为0.92，豪斯多夫距离（Hausdorff distance,HD）为0.84 mm；管腔分割JI为0.85, HD为1.44 mm；钙化斑块分割JI为0.67, HD为0.68 mm。结论 该方法能够提升血管内超声图像的分割精度，并且在钙化病变血管显影不完全时能够保持分割效果。