胎儿超声智能扫查方法研究：标准切面定位及生物学参数测量的自动化

Standard plane retrieval and biometric measure is the key of ultrasound prenatal diagnosis. We propose an intelligent scanning approach for prenatal ultrasound diagnosis, aimed at automatically positioning of the standard planes and accurately measuring biometric parameters in 2D ultrasound. This project focuses on the research of fetal face and heart, based on machine learning methods, specifically: automatically get Facial coronal cross-section, sagittal and four-chamber view cross section of the left ventricular outflow tract, right ventricular outflow tract section, from the three vascular tracheal section image; then automatically measure eye span, intraocular distance, interocular distance, left and right atria, left and right ventricles, aorta, pulmonary artery, and other biometic parameters of the new method. We propose the novel feature extraction methods, learning model, detection framework and biometric measurement algorithm, in order to build a fast, automatic, reliable, user-friendly prenatal ultrasound diagnostic system. Furthermore, we build an image database for evaluation of different algorithms. This project will establish the scientific basis for machine learning in the field of practical application of ultrasonic medical image analysis, and promote the universal access to prenatal ultrasound in China, which is of great significance to improve China's ultrasound prenatal diagnosis level, to improve the quality of births..

标准切面的定位和生物学参数的测量是超声产前诊断的关键。本项目提出一种胎儿产前诊断智能化扫查的新方法，旨在实现标准切面定位及生物学参数测量的自动化。本项目以胎儿颜面部及心脏的二维超声影像为研究内容，主要研究基于机器学习的超声图像分析新方法，具体为：研究自动获取颜面部冠状切面、横切面、矢状切面和四腔心切面、左室流出道切面、右室流出道切面、三血管气管切面图像以及测量眼距、眼内距、眼外距、左右心房、左右心室、主动脉、肺动脉等生物学参数的新方法。提出针对胎儿颜面部及心脏标准切面的特征提取方法、学习模型、检测架构和生物学参数测量算法，构建一套快速、全自动、稳定可靠、界面友好的胎儿产前超声检查系统，以及用于评价不同算法的标准超声影像及图像数据库。本项目将为机器学习在超声医学图像分析领域的应用奠定科学基础，推动胎儿产前超声检查在我国的全面普及，对提高我国超声产前诊断水平，提高出生人口素质有重要意义。

根据研究计划，项目深入研究了超声图像中胎儿颜面部、心脏以及腹围等标准切面的自动定位以及相关生物学参数的自动测量，主要包括：（1）研究了Haar特征、Dense SIFT特征、基于深度学习自动学习特征等多种特征提取方法；（2）研究了Adaboost、随机森林、SVM和深度学习等多种机器学习方法，特别是研究了知识转移方法，可减少训练数据的标注，降低分类器的过拟合问题；（3）研究了腹围、头围等生物学参数的自动测量。本项目较好的完成了项目目标，胎儿颜面部、心脏和腹围标准切面自动定位平均精度达到90%以上，共发表学术论文47篇，其中SCI收录12篇，EI收录9篇。本项目正在实施的科研成果转化，将降低产前诊断对于医师经验的依赖，提高诊断效率，对提高我国超声产前诊断水平，提高出生人口素质有重要意义。