The invention discloses a method and device for automatic measurement of fetal head circumference based on ultrasonic image, the method comprises the following steps: S1, obtaining two-dimensional ultrasonic image of fetal head; S2, constructing a full convolution neural network, semantic segmentation of two-dimensional ultrasonic image of fetal head according to the full convolution neural network, and preliminary segmentation of ROI region from it; S3, obtaining the outline of ROI region; S4, getting the outline of ROI region The contour of the ROI region of the fetal head is fitted with ellipse; S5. Calculate the fetal head circumference length according to ellipse. Based on the deep learning method and image processing technology, the invention can quickly and accurately gather the fetal skull in the ultrasonic image, and calculate the fetal head circumference according to the corresponding relationship between the pixels and the actual length.
【技术实现步骤摘要】
一种基于超声图像的胎儿头围全自动测量方法和装置
本专利技术涉及分娩监护和超声图像处理研究领域,特别涉及一种基于超声图像的胎儿头围全自动测量方法和装置。
技术介绍
B型超声诊断系统由于具有无创、价廉和安全等优点,越来越多的应用于医学诊断中,尤其是在产科检查中被广泛应用。医生利用B超可以检测胎儿发育过程中各项生长参数指标,以达到优生的目的。在产科检查的超声图像中,胎儿的头围显示清晰,易于测量,通过测量胎儿的头围可以估算胎儿的胎重或胎龄;因此,胎儿头围是衡量胎儿生长发育的重要参数。目前,临床医生主要是通过移动轨迹球的方式手动确定胎儿头围的长轴和短轴,得到胎儿头围的椭圆形状,再通过椭圆周长公式计算胎儿头围周长,从而得到胎儿头围的测量结果,并进一步估算胎儿的胎重和胎龄。由于在上述操作过程中,临床医生的操作手法和熟练程度会影响对目标对象的定位,其测量结果会存在误差;同时,由于临床医生需要不间断地重复上述操作,枯燥单调,浪费时间,严重使得肢体重复性损伤。自动测量胎儿头围是发展的方向,胎儿头围的椭圆定位与椭圆边缘分割是自动测量胎儿头围的关键步骤,现已成为胎儿头围自动测量的研究热点,国内外学者对此进行了深入的研究。Lu利用K-means算法和形态学运算得到颅骨段,然后利用迭代随机霍夫变换检测出椭圆形头部形状。该方法的主要问题是基于强度的k-means聚类方法不能有效地从含噪的超声图像中提取颅骨段,从而降低了霍夫变换对头部检测的鲁棒性。Stebbing和McManigle提出了随机森林边缘分类的边界碎片模型。然而,与颅骨 ...
【技术保护点】
1.一种基于超声图像的胎儿头围全自动测量方法,其特征在于,包括步骤:/nS1、获取胎儿头部二维超声图像;/nS2、分割出ROI区域;/nS3、获取ROI区域的轮廓;/nS4、对上述胎儿头部的ROI区域的轮廓进行椭圆拟合;/nS5、计算胎儿头围长度。/n
【技术特征摘要】
1.一种基于超声图像的胎儿头围全自动测量方法,其特征在于,包括步骤:
S1、获取胎儿头部二维超声图像;
S2、分割出ROI区域;
S3、获取ROI区域的轮廓;
S4、对上述胎儿头部的ROI区域的轮廓进行椭圆拟合;
S5、计算胎儿头围长度。
2.根据权利要求1所述的基于超声图像的胎儿头围全自动测量方法,其特征在于,所述的步骤S2如下:
S201、构建用于二维图像分割的强化监督全卷积神经网络模型;
S202、通过数据增强的方式将用于训练神经模型的二维超声图像及其对应的二值标记图像进行等数量的扩增;
S203、使用反向传播算法对网络进行迭代优化;
S204、使用经优化的网络模型对二维超声图像进行语义分割,初步得到胎儿头部的ROI区域。
3.根据权利要求2所述的基于超声图像的胎儿头围全自动测量方法,其特征在于,所述的步骤S201中通过调整不同数量的网络输出层以计算出多误差,通过多误差函数加权求和并同时优化实现加强网络的监督,误差函数均采用Dicecoefficient形式。
4.根据权利要求2所述的基于超声图像的胎儿头围全自动测量方法,其特征在于,所述的步骤S201中全卷积神经网络模型卷积层中采用维度为三维及以上维度的卷积核;
所述的步骤S201中全卷积神经网络模型加入dropout方法抑制过拟合现象,和batchnormalization方法加快网络传播速度,并在网络的各阶段加入了残差连接。
5.根据权利要求2所述的基于超声图像的胎儿头围全自动测量方法,其特征在于,所述的步骤S202中数据增强的方式包括以下任意一种或多种:
图像几何变换方法;
图像灰度增强方法;
图像复原处理方法。
6.根据权利要求2所述的基于超声图像的胎儿头围全自动测量方法,其特征在于,所述的步骤S203中所用反向传播算法为adam算法,通过调整多个...
【专利技术属性】
技术研发人员:陆尧胜,袁超,周铭鸿,齐建国,杨梓铎,黄晓聪,
申请(专利权)人:暨南大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。