基于特征融合和判别式学习的胎盘成熟度自动分级

摘要：

胎盘成熟度分级错误可能会导致小于胎龄儿、死产、死胎等的发生.目前,胎盘成熟度分级主要依赖于临床医生的经验和观察,主观性很强,分级准确性易受医生工作强度、工作时长和工作经验的影响.提出一种基于特征融合和判别式学习的胎盘成熟度自动分级算法.首先,对共544例的B型超声图像和彩色能量多普勒(CDE)胎盘图像,采用提取关键点、对关键点提取特征、进行融合并加以判别式特征编码的方法,形成码书,经过归一化,最后用支持向量机(SVM)进行分类,得到胎盘成熟度分级结果.在测试阶段,将胎盘成熟度测试结果与临床医生的分级结果进行对比,得到如下结果:准确率92.7％,敏感性91.1％,特异性97.6％,平均精度97.3％.结果表明,该方法对胎盘成熟度自动分级具有较高的指导意义.

关键词：胎盘成熟度评估、特征融合、多层Fisher向量、彩色多普勒能量成像

所属期刊栏目：35

分类号：R318(医用一般科学)

资助基金：深圳市重点基础研究项目JCYJ2014041415513200,JCYJ20140509172609164;广东省科技创新重点项目2014KXM052

在线出版日期：2016-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：411-418