[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

说明书

本发明提供一种胎儿超声标准切面图像智能识别自我训练学习系统，其包括信息输入模组、信息存储模组、信息计算模组、信息评估模组及信息输出模组。其中所述信息输入模组用于输入胎儿超声切面标记图像。所述信息存储模组用于预存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模型自动生成的胎儿超声切面标准图像，所述信息计算模组包括深度学习分割网络U‑Net模型，接收来自信息输入模组的胎儿超声切面原始图像或者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，所述信息评估模组对比较结果进行评估，获得评估结果，所述信息输出模组输出训练学习结果。同时，本发明还提供一种采用上述自我训练学习系统的训练学习方法。

技术领域

本发明涉及产前超声检查技术领域，特别的，涉及一种基于深度学习的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。

背景技术

胎儿的产前超声检查是确保母婴健康的重要手段之一，对提高胎儿质量具有重要意义。目前，胎儿产前超声检查是有效诊断胎儿健康与胎儿缺陷筛查的首选检查方法。在超声诊断过程中，需要超声医生在操作超声检测设备时，采用手动方式获取胎儿的标准切面图像，然后在所获取的胎儿超声标准切面图像的基础上进行标注、标记等检查和判断，进而对胎儿的具体发育情况依据经验做出判断和分析。因此，在胎儿超声标准切面图像检查过程中，检查结果与超声医生的自身能力、经验密切相关。

众所周知，由于胎位的不确定性、母体的体重指数、医生操作手法、超声物理特性、胎儿运动等因素的影响，超声检查所获得的胎儿超声切面图像清晰度、标准度往往存在很大差异，因此，目前手动获取胎儿超声标准切面这一工作存在如下缺陷：

首先，其要求产检的超声医生具有非常丰富的临床经验及解剖结构知识，对产检医生的水平要求相当高；

其次，该检查非常耗时；

最后，不同产检超声医生水平的差异对结果的影响很大，特别是当医生水平参差不齐时更为明显，从而将造成检查结果的准确性和一致性偏低的问题。

因此，对超声医生提出更高的要求，要求其具有基本的解剖结构知识和丰富的临床经验以准确判断胎儿的健康状况和缺陷与否。同时，鉴于不同超声医生的认知层次有差别，因此容易导致检查结果的不一致性。

针对没有经验的超声医生，需要提供快速训练、掌握知识的办法，以提高对胎儿组织名称、胎儿解剖结构相关知识的学习；

针对具有一定经验的产检超声医生，需要进一步提高其判断效率和诊断分析的精确性；

针对经验丰富的不同产检超声医生，通过标准的训练模型和训练方法以及检查的规范，提高检查结果的一致性。

鉴于此，有必要提供一种有效训练超声医生对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，提高超声医生对胎儿超声检查结果知识学习，提高超声医生对胎儿健康状况和缺陷的判断、分析水准，以及提高不同超声医生对胎儿超声检查结果的一致性。

发明内容

本发明目的在于提供一种对胎儿超声标准切面图像检测精度高、检测效率高及方便医生操作的胎儿超声标准切面图像智能识别自我训练学习系统。

同时，还提供一种基于深度学习的胎儿超声标准切面图像智能识别自我训练学习系统的考试方法。