一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法及装置制造方法及图纸

本发明专利技术属于机器学习技术领域，具体涉及支持神经网络模型的机器学习领域，尤其涉及一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法及装置。本发明专利技术提出的基于对比学习的胎儿颅脑超声切面无监督空间配准方法包括：自监督空间采样方法从训练集的三维体数据中采样分布均匀的二维切面；基于LBP特征选择的pretext task模块构造成正样本对；将正样本对输入自监督的对比学习模块进行训练；将对比学习模块迁移到检索模块，待配准的二维超声图像输入到所述检索模块，确定待配准的二维切面在三维体数据中的空间位置坐标。本发明专利技术设计了一个对比学习模型，利用对比学习在切面进行分类和解剖学感知上的能力，实现一种无监督方式的超声二维到三维配准；同时，设计了一个新的代理任务，使得对比学习模型能够学习到不同空间位置二维切面的特征从而实现位置配准。

【技术实现步骤摘要】

本专利技术属于机器学习，具体涉及支持神经网络模型的机器学习领域，尤其涉及一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法及装置。

技术介绍

1、中枢神经系统(cns)畸形是所有新生儿(先天性)畸形中最常见的缺陷，也是新生儿围产期死亡的主要原因。国际妇产超声学会指出，孕妇应该在妊娠中期时进行超声检查以检测cns是否发育正常。目前，孕期胎儿颅脑筛查主要是通过二维超声扫描经丘脑、经侧脑室以及经小脑水平横切面三个标准诊断切面来进行ⅲ级筛查，通过以上切面，可以定性或者定量分析颅脑的头围(head circumference,hc)、双顶径(biparietal diameter，bpd)、小脑直径(cerebellar diameter，cd)、后颅窝池(cisterna magna，cm)宽度等生理参数。为了获得更多的生物学信息，例如侧脑室(lateral ventricle,lv)、透明隔腔(cavumsepti pellucidi,csp)和脉络丛(choroid plexus,cp)等结构的发育状况，确保诊断的准确性，一些医生还会通过扫描侧脑室体部冠状切本文档来自技高网...

【技术保护点】

1.一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述方法包括步骤：

2.根据权利要求1所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述自监督空间采样方法的功能是从一个三维的体数据中采样出二维超声切面，具体通过以下公式采样得到：

3.根据权利要求1或2所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述步骤S2具体包括以下步骤：

4.根据权利要求3所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述自监督的对比学习模块具有两个完全相同、权重共享的特征编码器，步骤S3中训...

【技术特征摘要】

1.一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述方法包括步骤：

2.根据权利要求1所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述自监督空间采样方法的功能是从一个三维的体数据中采样出二维超声切面，具体通过以下公式采样得到：

3.根据权利要求1或2所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述步骤s2具体包括以下步骤：

4.根据权利要求3所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述自监督的对比学习模块具有两个完全相同、权重共享的特征编码器，步骤s3中训练模型具体包括：

5.根据权利要求4所述的基于对比学习的胎儿颅脑超声切面无监督空间配准方法，其特征在于，所述检索模块中设置有切面检索库，所述待配准的二维超声图像到所述检索模块，确定待配准的二维切面的空间位置坐标具体包括：待配准的二维超声图像输入到所述检索模块的编码器中，将编码器提取的特征向量与检索库中二维切面的特征向量进行距离相似度计算，选择距离最接近的二维切面对应的坐标与待检索的二维切面建立映射关系，确定待检索的二维切面的空间位置坐标。

【专利技术属性】
技术研发人员：陈科，林江莉，韩霖，庄艳，江守瑜，
申请(专利权)人：四川大学，
类型：发明
国别省市：