一种基于卷积神经网络的胎儿头围自动测量方法

作     者：杨超然 廖珊珊 陈达 康雁 YANG Chao-ran;LIAO Shan-shan;CHEN Da;KANG Yan

作者机构：东北大学医学与生物信息工程学院辽宁沈阳110169 中国医科大学附属盛京医院辽宁沈阳110801 深圳技术大学健康与环境工程学院广东深圳518118 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2023年第44卷第11期

页      面：1571-1577页

核心收录：

学科分类：0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 081203[工学-计算机应用技术] 1010[医学-医学技术（可授医学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0702[理学-物理学] 1009[医学-特种医学] 

基　　金：国家自然科学基金资助项目(62071311) 国家重点研发计划项目(2018YFC1002900)。 

主　　题：产前超声 头围测量 边界分割 卷积神经网络 轻量级 

摘      要：在产前超声筛查过程中,为了能够帮助医生在丘脑标准平面上快速、精确地测量胎儿头围,提出一种新颖的双分支卷积神经网络直接分割胎儿颅骨边界,2个分支通过共享层相互促进,有效地提高了颅骨边界的分割精度,特别对局部不清晰或者不连续的边界仍然有着较好的分割效果,具有较高的鲁棒性.本方法的测量过程不需要过多的后处理操作,并且模型属于轻量级网络,便于部署.该方法应用在Grand-Challenge中的HC18数据集及从医院采集的300例数据上,均取得了较好的结果,对比其他主流分割网络如U-Net,Res-U-Net,U-Net++,CE-Net等,所提方法具有更高的分割精度及更小的测量误差.