[發明專利]胎兒超聲標準切面圖像智能識別自我訓練學習系統及考試方法

在審

• 申請號: 202010134625.2
• 申請日: 2020-02-28
• 公開（公告）號: CN111326256A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 李肯立;李勝利;譚光華;文華軒;朱寧波;翟雨軒
• 申請（專利權）人: 李勝利
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H40/20;G16H30/40;G09B9/00;G06N3/04
• 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

1.一種胎兒超聲標準切面圖像智能識別自我訓練學習系統，其特征在于，包括：

信息輸入模組，用于輸入胎兒超聲切面標記圖像；

信息存儲模組，用于預存胎兒超聲切面原始圖像和胎兒超聲切面標準圖像，所述胎兒超聲切面標準圖像包括基于深度學習分割網絡U-Net模型深度學習自動生成的胎兒超聲切面標準圖像；

信息計算模組，包括深度學習分割網絡U-Net模型，接收來自所述信息輸入模組的胎兒超聲切面標記圖像并與所述信息存儲模組中的胎兒超聲切面標準圖像進行比較計算；

信息評估模組，根據來自所述信息計算模組對胎兒超聲切面標記圖像與所述信息存儲模組中預存的胎兒超聲切面標準圖像進行比較計算的結果進行評估，獲得評估結果；及

信息輸出模組，根據信息評估模組的評估結果輸出訓練學習結果。

2.根據權利要求1所述的胎兒超聲標準切面圖像智能識別自我訓練學習系統，其特征在于，所述胎兒超聲切面標準圖像還包括手工標記的胎兒超聲切面標準圖像。

3.根據權利要求1所述的胎兒超聲標準切面圖像智能識別自我訓練學習系統，其特征在于，所述深度學習分割網絡U-Net模型包括依次邏輯設置的輸入層、第一卷積層、第一池化層、第二卷積層、第二池化層、第三卷積層、第三池化層、第四卷積層、第四池化層、第五卷積層、第一轉置卷積層、第一相加層，第六卷積層、第七卷積層、第二轉置卷積層、第二相加層、第八卷積層、第九卷積層、第三轉置卷積層、第三相加層、第十卷積層、第十一卷積層、第四轉置卷積層、第四相加層、第十二卷積層、第十三卷積層、第十四卷積層及輸出層，

其中，輸入層其輸入為896*896*3像素的矩陣，所述第一卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為896*896*64；

所述第一池化層采用的濾波器大小為2*2，其輸出矩陣大小為448*448*64；

所述第二卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為448*448*128；

所述第二池化層采用的濾波器大小為2*2，其輸出矩陣大小為224*224*128；

所述第三卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為224*224*256；

所述第三池化層采用的濾波器大小為2*2，其輸出矩陣大小為112*112*256；

所述第四卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為112*112*512；

所述第四池化層采用的濾波器大小為2*2，其輸出矩陣大小為56*56*512；

所述第五卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為56*56*1024；

所述第一轉置卷積層輸出矩陣大小為112*112*512。所述第一相加層是把第四卷積層的結果與第一轉置卷積層的結果進行相加，輸出矩陣大小為112*112*1024；

所述第六卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為112*112*512；后接上批標準化層，ReLU激活層，輸出矩陣大小為112*112*512；

所述第七卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為112*112*512；后接上批標準化層，ReLU激活層，輸出矩陣大小為112*112*512；

所述第二轉置卷積層輸出矩陣大小為224*224*256。所述第二相加層是把第三卷積層的結果與第二轉置卷積層的結果進行相加，輸出矩陣大小為224*224*512；

所述第八卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為224*224*256；后接上批標準化層，ReLU激活層，輸出矩陣大小為224*224*256；

所述第九卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為224*224*256；后接上批標準化層，ReLU激活層，輸出矩陣大小為224*224*256；

所述第三轉置卷積層輸出矩陣大小為448*448*128。所述第三相加層是把第二卷積層的結果與第三轉置卷積層的結果進行相加，輸出矩陣大小為448*448*256；

所述第十卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為448*448*128；后接上批標準化層，ReLU激活層，輸出矩陣大小為448*448*128；

所述第十一卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為448*448*128；后接上批標準化層，ReLU激活層，輸出矩陣大小為448*448*128；

所述第四轉置卷積層輸出矩陣大小為896*896*64。所述第四相加層是把第一卷積層的結果與第四轉置卷積層的結果進行相加，輸出矩陣大小為896*896*128；

所述第十二卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為896*896*64；后接上批標準化層，ReLU激活層，輸出矩陣大小為896*896*64；

所述第十三卷積層的卷積核尺寸為3*3，該層使用SAME模式填充，輸出矩陣大小為896*896*64；后接上批標準化層，ReLU激活層，輸出矩陣大小為896*896*64；

所述第十四卷積層的卷積核尺寸為1*1，該層使用SAME模式填充，輸出矩陣大小為896*896*21；

所述輸出層的輸出矩陣大小為896*896*21。