胎儿超声质量控制的定量化与自动化方法研究

Currently fetal ultrasound quality control has become a forefront clinical topic. It aims at monitoring the fetal ultrasound diagnostic process by determining the standardization degree of ultrasound image. However, manual quality control is very time-consuming, thus is difficult to be widely used for clinical practice. This project aims to develop quantitative and automatic methods for fetal ultrasound quality control by automatically detecting key anatomical structures and analyzing their geometric shapes. First, we propose a novel multi-task based transfer learning method to extract features. This method can improve the classifier generalization ability by addressing the common problem of limited training dataset in medical domain. Second, on the basis of the rich feature sets, Fisher vector is explored for feature encoding to extract high level information and adaptive manifold learning is adopted for selecting optimal features to represent the complicated appearance of key anatomical structures. Third, we propose an anatomical structure model to incorporate the prior geometric knowledge of key anatomical structures. This model can improve the detection ratio by combining the supervised learning method. Last, we employ the active shape model to determine the standardization of the geometric shapes of key anatomical structures. Our proposed novel and automatic solutions can provide an effective way for fetal ultrasound quality control in clinical practice, and accumulate scientific knowledge for ultrasound image analysis.

胎儿超声质量控制通过判断切面图像标准化程度对诊断过程实施监控，是当前临床前沿课题。但是手动质量监控需耗费大量人力物力，难以在临床中广泛应用。本项目提出胎儿超声质量控制定量化与自动化的研究新设想，通过自动检测关键解剖结构和判定其几何形状实施定量评分。首先，研究基于多任务迁移学习的特征提取方法，克服医学图像训练数据不足的共性问题，提高分类器泛化性能；其次，在构建充足特征集的基础上，研究基于Fisher向量的特征编码方法和基于自适应流形学习的特征选择方法，获取能表达关键解剖结构复杂外观的最优特征；再次，研究先验解剖结构模型，利用解剖结构间的先验空间知识，并结合监督学习模型，提高关键解剖结构检出率；最后，基于活动形状模型判定解剖结构几何形状的标准化程度。本项目提出的胎儿超声质量控制自动化方法具有原始初创性，可为胎儿超声诊断提供切实有效的质量监控手段，也可为超声图像分析的若干科学问题提供知识积累。

超声检查是目前产前诊断与缺陷儿筛查的首选影像学检查方法，胎儿超声诊断更依赖于操作者经验和技巧，操作技巧的提高和规范化需要大量的培训和临床实践。在我国广大的基层医院承担了胎儿超声诊断的重任，胎儿超声质量控制通过判断切面图像标准化程度对诊断过程中实施监控，是当前临床前言课题。本项目提出胎儿超声图像质量控制定量化与自动化的研究新设想，通过自动检测关键解剖结构和判定其几何形状实施定量评分。本项目为实现胎儿头围超声切面自动质量控制，结合临床准则运用深度学习的方法，对胎儿头围超声切面中关键解剖结构进行自动定位，同时实现判断超声图像增益是否合适，最后根据网络的检测结果对胎儿超声切面进行评分。为实现胎儿心脏四腔心切面的质量控制首先实现是否为四腔心切面的分类，进而实现关键解剖结构的定位，最后根据检测结果对胎儿心脏四腔心切面进行评分。为胎儿超声标准切面质量控制提供自动化手段，有望在临床上应用，具有重要临床意义。通过对关键解剖结构的定位和整图的分类，建立基于多任务学习的胎儿超声切面自动化质量控制系统，自动判断新手超声医生扫描的胎儿头围超声切面是否为标准切面，及时向专家医生反映新手医生的专业水平，减低新手医生的误诊率，具有重要科学意义。