[發明專利]胎兒超聲切面圖像自動質控系統及檢測方法

在審

• 申請號: 202010126511.3
• 申請日: 2020-02-28
• 公開（公告）號: CN111223092A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 李勝利;李肯立;朱寧波;文華軒;譚光華;黃詩華;蒲斌
• 申請（專利權）人: 長沙大端信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/00;G06N3/04;G06N3/08;A61B8/00;A61B8/08
• 代理公司: 深圳市中原力和專利商標事務所(普通合伙) 44289
• 代理人: 胡國良

1.一種胎兒超聲切面圖像自動質控系統，其特征在于，所述胎兒超聲切面圖像自動質控系統包括：

胎兒超聲切面數據采集模組，用于超聲檢測胎兒，獲得原始胎兒超聲切面數據；

胎兒超聲切面數據預處理模組，用于接收來自所述胎兒超聲切面數據采集模組的原始胎兒超聲切面數據并預處理，獲得預處理后的胎兒超聲切面數據；

具深度學習分割網絡U-Net數據處理模型的胎兒超聲切面數據評估模組，用于接收預處理后的胎兒超聲切面數據并經所述深度學習分割網絡U-Net模型輸出評估結果；及

胎兒超聲切面數據反饋模組，用于依據所述胎兒超聲切面數據評估模組的評估結果反饋胎兒超聲切面數據的分數和質量報告。

2.根據權利要求1所述的胎兒超聲切面圖像自動質控系統，其特征在于，所述原始胎兒超聲切面數據包括多個原始胎兒超聲切面圖像信息、多個關鍵結構信息和多個位置參數信息，且所述關鍵結構信息和位置參數信息與所述原始胎兒超聲切面圖像信息相對應。

3.根據權利要求1所述的胎兒超聲切面圖像自動質控系統，其特征在于，所述胎兒超聲切面數據預處理模組對所述胎兒超聲切面數據采集模組的原始胎兒超聲切面數據的預處理包括依次設置的刪除冗余處理、濾波去噪處理、歸一化處理及圖像增強處理。

4.根據權利要求1所述的胎兒超聲切面圖像自動質控系統，其特征在于，所述胎兒超聲切面數據評估模組對所述預處理后的胎兒超聲切面數據的評估結果包括判定所述胎兒超聲切面圖像是否是標準胎兒超聲切面圖像。

5.根據權利要求1所述的胎兒超聲切面圖像自動質控系統，其特征在于，所述深度學習分割網絡U-Net數據處理模型的網絡結構包括依次邏輯設置的：

第一層是輸入層，其輸入為512*512*3像素的矩陣；

第二層是卷積層，其卷積核尺寸為3*3*3，卷積核個數為32，步長為2，該層使用SAME模式填充，輸出大小為512*512*32的矩陣；

第三層是最大池化2D層，池化窗口尺寸大小為3*3，長和寬的步長均為2，該層輸出的矩陣為256*256*32；后接一層卷積層，其卷積核尺寸為3*3*3，卷積核個數為64，步長為2，該層使用SAME模式填充，輸出大小為256*256*64的矩陣；

第四層是最大池化2D層，池化窗口尺寸大小為3*3，長和寬的步長均為2，該層輸出的矩陣為128*128*64；后接兩層卷積層，其卷積核尺寸為3*3*3，卷積核個數為128，步長為2，該層使用SAME模式填充，輸出大小為128*128*128的矩陣；

第五層是最大池化2D層，池化窗口尺寸大小為3*3，長和寬的步長均為2，該層輸出的矩陣為64*64*128；后接兩層卷積層，其卷積核尺寸為3*3*3，卷積核個數為256，步長為2，該層使用SAME模式填充，輸出大小為64*64*256的矩陣；

第六層是最大池化2D層，池化窗口尺寸大小為3*3，長和寬的步長均為2，該層輸出的矩陣為32*32*256；后接兩層卷積層，其卷積核尺寸為3*3*3，卷積核個數為512，步長為2，該層使用SAME模式填充，輸出大小為32*32*512的矩陣；后接一層轉置卷積層，其卷積核尺寸為4*4*4，轉置卷積核個數為256，該層使用2倍上采樣操作，輸出大小為64*64*256的矩陣；

第七層是相加層，把第五層的結果與第六層的結果進行相加，輸出矩陣大小為64*64*512；

第八層是卷積層，其卷積核尺寸為3*3*3，卷積核個數為256，步長為1，后面接入RELU激活函數和批量正則化(Batch Normalization，簡稱BN)，該層使用SAME模式填充，輸出大小為64*64*256的矩陣；

第九層是卷積層，其卷積核大小為3*3*3，卷積核個數為256，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為64*64*256的矩陣；后接一層轉置卷積層，其卷積核尺寸為4*4*4，轉置卷積核個數為128，該層使用2倍上采樣操作，輸出大小為128*128*128的矩陣；

第十層是相加層，把第四層的結果與第九層的結果進行相加，輸出矩陣大小為128*128*256；

第十一層是卷積層，其卷積核大小為3*3*3，卷積核個數為128，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為128*128*128的矩陣；

第十二層是卷積層，其卷積核大小為3*3*3，卷積核個數為128，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為128*128*128的矩陣；后接一層轉置卷積層，其卷積核尺寸為4*4*4，轉置卷積核個數為64，該層使用2倍上采樣操作，輸出大小為256*256*64的矩陣；

第十三層是相加層，把第三層的結果與第十二層的結果進行相加，輸出矩陣大小為256*256*128；

第十四層是卷積層，其卷積核大小為3*3*3，卷積核個數為64，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為256*256*64的矩陣；

第十五層是卷積層，其卷積核大小為3*3*3，卷積核個數為64，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為256*256*64的矩陣；后接一層轉置卷積層，其卷積核尺寸為4*4*4，轉置卷積核個數為32，該層使用2倍上采樣操作，輸出大小為512*512*32的矩陣；

第十六層是相加層，把第二層的結果與第十五層的結果進行相加，輸出矩陣大小為512*512*64；

第十七層是卷積層，其卷積核大小為3*3*3，卷積核個數為32，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為512*521*32的矩陣；

第十八層是卷積層，其卷積核大小為3*3*3，卷積核個數為32，步長為1，后面接入RELU激活函數和BN，該層使用SAME模式填充，輸出大小為512*521*32的矩陣；

第十九層是卷積層，其卷積核大小為1*1*1，卷積核個數為3，步長為1，后面接入Softmax激活函數，該層使用SAME模式填充，輸出大小為512*521*3的矩陣。