[发明专利]基于超声图像的产时头盆关系自动测量方法和装置

权利要求书

1.基于超声图像的产时头盆关系自动测量方法，其特征在于，包括以下步骤：

S1：获取产妇经会阴超声图像数据；

S2：提取出耻骨联合和胎儿头部的感兴趣区域ROI1和ROI2；

S3：根据ROI1和ROI2区域，计算头盆关系参数。

2.根据权利要求1所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，所述的步骤S2如下：

S201、构建用于ROI区域分割的神经网络模型；

S202、采集将用于训练网络模型的经会阴超声图像，作为训练集；

S203、使用训练集训练所述构建的神经网络模型，使用训练好的模型对产时经会阴超声图像进行分割，分割出耻骨联合和胎儿头部的感兴趣区域。

3.根据权利要求2所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，步骤S202中，对采集到的将用于训练网络模型的经会阴超声图像进行数据增强，用于增加训练数据，将数据增强后的数据集作为训练集，数据增强方法包括：翻转、平移、旋转、加噪和弹性形变。

4.根据权利要求2所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，步骤S201中，所述神经网络模型采用基于Uag-net的全卷积神经网络，所述基于Uag-net的全卷积神经网络是指把注意力门控模块集成到U-Net模型中；U-Net模型包括收缩路径、扩张路径，收缩路径用来捕捉图片中的上下文信息，而与之相对称的扩张路径则是为了对图片中所需要分割出来的部分进行精准定位；Uag-net模型将扩张路径的特征图与收缩路径的特征图一起送入注意力门控模块，注意力门控模块用于自动聚焦耻骨联合和胎儿头部结构，抑制输入图像中与特定目标任务无关的区域，同时突出对检测特定目标有用的显著特征。

5.根据权利要求4所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，所述收缩路径基于卷积网络架构搭建，收缩路径中包含多个结构相同的卷积模块，每个卷积模块都由两个3*3卷积层、一个2*2池化层组成，卷积层使用非线性ReLU作为激活函数。

6.根据权利要求5所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，所述卷积层是无padding卷积，池化层采用最大值池化，每一次池化后都把特征通道的数量加倍。

7.根据权利要求5所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，所述扩张路径包括若干个上卷积层，其中每个上采样层均为反卷积层，每一步首先使用反卷积，每次使用反卷积都将特征通道数量减半，特征图大小加倍，然后将反卷积的结果与收缩路径中对应阶段的特征图拼接起来，对拼接后的特征图再进行2次3*3的卷积。

8.根据权利要求5所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，扩张路径上采样后的特征图作为g，收缩路径的特征图作为x^l，二者一同送入注意力门控模块，在注意力门控模块中执行下述操作：令g通过1*1卷积Wg，x^l通过1*1卷积Wx，再将Wg和Wx输出逐点相加后输入ReLU函数，再经过1*1卷积ψ后输入Sigmoid函数，然后进行重采样计算出注意力系数α，再将α与x^l进行点乘，输出

9.根据权利要求1所述的基于超声图像的产时头盆关系自动测量方法，其特征在于，步骤S3中，所述头盆关系参数的计算方法是：

(3-1)对分割出的耻骨联合感兴趣区域进行增强，用椭圆拟合耻骨联合结构，得到椭圆长轴两个端点为耻骨联合上下缘；

(3-2)计算耻骨联合下缘与胎儿头部ROI区域切线和耻骨联合上下缘连线之间的夹角，得到胎儿头部下降角AOD；

(3-3)过耻骨联合下缘端点作耻骨联合上下缘连线的切线，即得到耻骨下边缘线，测量从耻骨联合下缘端点开始，沿耻骨下边缘线到胎儿头部轮廓外边缘的距离，即为耻骨联合-胎儿头部距离SFD。

10.基于超声图像的产时头盆关系自动测量装置，其特征在于，包括：

训练集构建模块，用于获取用于训练的产妇经会阴超声图像数据集，作为训练集；

神经网络模型训练模块，用于根据训练集中的数据训练端到端的分割模型，分割出耻骨联合的感兴趣区域和胎儿头部的感兴趣区域；反复训练，得到训练好的神经网络模型；

参数计算模块，用于将实时采集的超声图像输入到训练好的神经网络模型中，得到耻骨联合的感兴趣区域和胎儿头部的感兴趣区域，对感兴趣区域进行增强和边界拟合，计算头盆关系参数。