[发明专利]一种基于卷积神经网络的胎儿头围自动精确测量方法

说明书

本发明公开了一种基于卷积神经网络的胎儿头围自动精确测量方法，依次包括以下步骤：输入原始胎儿超声丘脑切面超声扫查图像；去除输入图像的敏感信息；多角度裁剪去敏超声图像；输入给已训练好的DeepLabv2，得到多角度图像分割结果；对多角度图像分割结果进行叠加融合；提取分割边界后完成测量。本发明实现对胎儿超声丘脑切面头围精确测量，使用DeepLabV2卷积神经网络模型有效分割识别胎儿丘脑切面的颅脑区域，准确找出超声图像中呈强回声的颅骨的边缘，进而实现了胎儿头围的精确测量，适用于产前超声检查，对缓解医生工作压力、提高产前超声诊断工作效率具有积极作用，同时还能够缓解日益尖锐的医患矛盾和提高医疗资源的有效利用，具有较大的社会价值和实际使用价值。

技术领域

本发明涉及医疗超声诊断技术领域，具体涉及一种基于卷积神经网络的胎儿头围自动精确测量方法。。

背景技术

准确评估胎儿发育情况对于确保母亲和新生儿在怀孕期间和怀孕后的持续健康至关重要。二维超声由于具有实时性强，成本低，可用性广，不存在有害辐射等优点，所以被广泛用于产前检查。产前超声检查是观察胎儿生长发育情况最常用的方法，也是防止缺陷胎儿出生，评价胎儿发育程度的重要依据。

产前超声检查的主要流程包括：第一，胎儿关键部位超声标准切面的获取；第二，基于胎儿超声标准切面的生物学参数测量；第三，使用胎儿的胎龄体重估测，判断胎儿的生长发育状况。由产前超声检查的过程可知，医生利用二维超声获取胎儿各个部位的超声标准切面，并在此基础上进行生物参数测量，如文献Chen Hao, Dou Qi, Ni Dong, et al.Automatic fetal ultrasound standard plane detection using knowledgetransferred recurrent neural networks [C] //Nassir Navab, Joachim Hornegger,Medical Image Computing and Computer-Assisted Intervention. Munich:SpringerInternational Publishing, 2015: 507-514.中，在上腹部切面上测量腹围；在丘脑切面上测量头围；在股骨切面上测量股骨长；在正中矢状切面上测量头臀长和颈项透明层厚度等。

目前，在临床实际诊断中，丘脑切面上的头围测量是由超声医师手动实现图2所示，这就造成以下五个方面不足：

1、超声影像检查质量难以有效控制；获取参数测量有赖于超声医师的临床经验及专业水平，如果经验水平不足，超声影像质量难以保证；

2、超声检查结果不具备统一性；由于不同的超声医师能力及经验不同，对胎儿的头围测量结果也不尽相同；

3、难以有效提高超声检查工作效率；由于完整的产前超声检查需要获取胎儿头围参数，手动测量的方式导致效率低下；

4、超声医生易患职业病；一方面目前超声医生数量缺乏，工作频率很高，同时超声医师需大量进行如移动探头、冻结图像等重复性工作，易患重复性压力损伤；

5、基层医院超声影像诊断技术有待提高；基层医院超声医生诊断技术需要进一步提高，特别针对高龄产妇诊断，需要到三甲医院诊断，导致患者就医问诊不方便，三甲医院工作强度增大，医疗资源没有真正下沉到基层。

近年来，已有许多基于霍夫变换（Hough transform）、Haar特征（Haar-Likefeatures）、多阈值（Multilevel thresholding）、圆形最短路径（Circular shortestpaths）、主动轮廓模型，（Active contouring）等自动头围测量系统被提出。但这些方法，都是基于椭圆拟合的近似测量方式，尚未有基于颅骨轮廓线全自动精准测量的方案，这也是“智能超声”领域值得突破的难题。