基于Mask R-CNN的超声图像中胎儿头围测量方法

摘要：

胎儿头围是产前超声检查中评价胎儿生长发育最重要的生物特征之一,但手工测量耗时费力且存在操作者的误差.对此,根据超声图像中胎儿头部接近椭圆形状的特征,提出头围测量损失函数.在Mask R-CNN的分割分支后,利用ElliFit算法对分割掩膜进行椭圆拟合,用Ramanujan公式计算拟合椭圆周长作为头围测量值,将头围真实值和测量值的均方误差作为头围测量损失函数加入原损失函数,使模型训练过程与测量任务紧密相关.对190幅胎儿头部超声图像进行测试,Dice系数为96.89％±1.01％,测量误差为(0.33±1.54)mm,平均处理一幅超声图像的时间为0.33 s.与传统手工测量方法或原模型相比,所提出的方法在速度上提高1.13～16.87 s,在精度上提高0.21～1.68 mm.结果表明,改进的Mask R-CNN可以提高医生测量胎儿头围的效率,能够满足临床需求.

关键词：超声图像、Mask R-CNN、椭圆拟合、胎儿头围测量、损失函数

所属期刊栏目：40

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61841112

在线出版日期：2021-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12-18