[发明专利]胎儿超声标准切面图像智能识别自我训练学习系统及考试方法

权利要求书

1.一种胎儿超声标准切面图像智能识别自我训练学习系统，其特征在于，包括：

信息输入模组，用于输入胎儿超声切面标记图像；

信息存储模组，用于预存胎儿超声切面原始图像和胎儿超声切面标准图像，所述胎儿超声切面标准图像包括基于深度学习分割网络U-Net模型深度学习自动生成的胎儿超声切面标准图像；

信息计算模组，包括深度学习分割网络U-Net模型，接收来自所述信息输入模组的胎儿超声切面标记图像并与所述信息存储模组中的胎儿超声切面标准图像进行比较计算；

信息评估模组，根据来自所述信息计算模组对胎儿超声切面标记图像与所述信息存储模组中预存的胎儿超声切面标准图像进行比较计算的结果进行评估，获得评估结果；及

信息输出模组，根据信息评估模组的评估结果输出训练学习结果。

2.根据权利要求1所述的胎儿超声标准切面图像智能识别自我训练学习系统，其特征在于，所述胎儿超声切面标准图像还包括手工标记的胎儿超声切面标准图像。

3.根据权利要求1所述的胎儿超声标准切面图像智能识别自我训练学习系统，其特征在于，所述深度学习分割网络U-Net模型包括依次逻辑设置的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第一转置卷积层、第一相加层，第六卷积层、第七卷积层、第二转置卷积层、第二相加层、第八卷积层、第九卷积层、第三转置卷积层、第三相加层、第十卷积层、第十一卷积层、第四转置卷积层、第四相加层、第十二卷积层、第十三卷积层、第十四卷积层及输出层，

其中，输入层其输入为896*896*3像素的矩阵，所述第一卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为896*896*64；

所述第一池化层采用的滤波器大小为2*2，其输出矩阵大小为448*448*64；

所述第二卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为448*448*128；

所述第二池化层采用的滤波器大小为2*2，其输出矩阵大小为224*224*128；

所述第三卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为224*224*256；

所述第三池化层采用的滤波器大小为2*2，其输出矩阵大小为112*112*256；

所述第四卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为112*112*512；

所述第四池化层采用的滤波器大小为2*2，其输出矩阵大小为56*56*512；

所述第五卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为56*56*1024；

所述第一转置卷积层输出矩阵大小为112*112*512。所述第一相加层是把第四卷积层的结果与第一转置卷积层的结果进行相加，输出矩阵大小为112*112*1024；

所述第六卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为112*112*512；后接上批标准化层，ReLU激活层，输出矩阵大小为112*112*512；

所述第七卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为112*112*512；后接上批标准化层，ReLU激活层，输出矩阵大小为112*112*512；

所述第二转置卷积层输出矩阵大小为224*224*256。所述第二相加层是把第三卷积层的结果与第二转置卷积层的结果进行相加，输出矩阵大小为224*224*512；

所述第八卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为224*224*256；后接上批标准化层，ReLU激活层，输出矩阵大小为224*224*256；

所述第九卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为224*224*256；后接上批标准化层，ReLU激活层，输出矩阵大小为224*224*256；

所述第三转置卷积层输出矩阵大小为448*448*128。所述第三相加层是把第二卷积层的结果与第三转置卷积层的结果进行相加，输出矩阵大小为448*448*256；

所述第十卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为448*448*128；后接上批标准化层，ReLU激活层，输出矩阵大小为448*448*128；

所述第十一卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为448*448*128；后接上批标准化层，ReLU激活层，输出矩阵大小为448*448*128；

所述第四转置卷积层输出矩阵大小为896*896*64。所述第四相加层是把第一卷积层的结果与第四转置卷积层的结果进行相加，输出矩阵大小为896*896*128；

所述第十二卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为896*896*64；后接上批标准化层，ReLU激活层，输出矩阵大小为896*896*64；

所述第十三卷积层的卷积核尺寸为3*3，该层使用SAME模式填充，输出矩阵大小为896*896*64；后接上批标准化层，ReLU激活层，输出矩阵大小为896*896*64；

所述第十四卷积层的卷积核尺寸为1*1，该层使用SAME模式填充，输出矩阵大小为896*896*21；

所述输出层的输出矩阵大小为896*896*21。