胎儿颜面部三维超声标准切面自动提取方法研究

胎儿颜面部畸形是常见的三大出生缺陷之一。超声检查作为产前缺陷儿筛查的首选影像检查方法，标准切面的定位是其关键步骤之一。在目前的超声产前诊断中，标准切面的定位高度依赖于操作者的技巧，标准化水平低。本课题融合超声图像处理、计算机视觉和机器学习理论，提出一种从三维超声图像中自动提取胎儿颜面部标准切面的新方法：1）研究能反映胎儿颜面部超声图像本质信息的特征提取方法，利用张量分解理论对高维特征向量降维，提高分类器训练和在线检测的效率与性能；2）研究具有较强分类能力和运算效率的Ada-SVM树模型，有效解决分类器的过拟合问题；3）研究半监督学习模型，充分利用未标注数据，降低医生手动标注的工作量；4）结合先验知识和边缘空间模型，研究三维空间快速搜索策略，提高在线检测速度和鲁棒性。本研究的开展将推动三维超声技术在产前超声诊断中的应用，对于提高产前诊断与畸形儿筛查的水平，提高我国出生人口素质有重要意义。

超声检查作为产前缺陷儿筛查的首选影像检查方法，标准切面的定位是其关键步骤之一。在目前的超声产前诊断中，标准切面的定位高度依赖于操作者的技巧，标准化水平低。本课题融合超声图像处理、计算机视觉和机器学习理论，提出一种从超声图像中自动提取胎儿标准切面的新方法。根据本项目的计划，在项目的执行期内主要开展了以下的工作：（1）建立了包括上万套超声图像的大型胎儿超声数据库，该数据库的建立是项目顺利实施的重要保障；（2）开发了标准切面自动定位软件平台，包括超声图像标准切面自动定位软件、三维超声中胎儿颜面部标准切面自动定位软件和胎儿腹围、头围手动测量软件；（3）对标准切面自动定位算法进行了深入研究，包括特征提取方法、多种机器学习方法和三维空间快速搜索方法等；（4）对软件性能进行了系统且科学的评估，软件性能已达到临床应用的标准。..本项目取得了优异的研究成果，主要包括：发表学术文章33篇，其中SCI收录8篇（（包括Ultrasound in Medicine and Biology, Expert Systems with Applications等一流期刊），EI收录14篇，其余为国内核心期刊文章；申请专利3项（均进入实审阶段）。项目研究成果引起了国际上其它研究组（包括牛津大学的Alison Nobel教授，西门子公司，GE公司等）的广泛关注，处于国际先进的地位，项目组获得的重要学术贡献主要如下：（1）在国际上首次提出一种基于基于深度学习和知识转移的超声图像中胎儿标准切面自动提取的通用方法；（2）在国际上首次提出一种基于径向组元模型和选择性搜索的标准切面自动检测方法；（3）在国际上首次提出胎儿颜面部自动校对多个基准标准切面导航系统；（4）提出一种基于DSIFT特征提取与SVM分类方法的胎儿颜面部标准切面自动提取方法；（5）提出了标准切面中胎儿头围与腹围的自动测量方法。