基于深度学习的中孕期胎儿超声筛查切面自动识别

• 作者: 徐志扬 杨玉志 茹彤 赵海桐 陈健
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 深度学习 卷积神经网络 胎儿超声 图像识别 模型微调
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 医学影像技术
• 页码范围: 105-108,113
• 页数: 5页
• 分类号: R318|R445.1
• 字数: 3695字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2020.05.024

摘要

目的 本研究利用深度学习方法,基于深度卷积神经网络模型,对中孕期胎儿超声筛查图像的31个标准切面进行自动识别.方法 采集孕20～24周胎儿超声筛查切面图像共76260张(包含31个切面),将其划分为训练集68386张,测试集7874张.在Vgg16网络模型上进行模型微调,加载数据集进行训练.将训练好的模型在测试集进行验证.结果 该模型对于胎儿超声筛查切面的识别正确率为94.8％.结论 该方法能够准确识别胎儿超声筛查图像的每个切面,为胎儿超声图像的自动质量控制解决方案打下了坚实的基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健	南京大学医学院附属鼓楼医院临床医学工程处	62	258	9.0	14.0
5	茹彤	南京大学医学院附属鼓楼医院妇产科	54	286	10.0	15.0
6	杨玉志	南京大学医学院附属鼓楼医院临床医学工程处	15	59	5.0	7.0
7	徐志扬	南京大学医学院附属鼓楼医院临床医学工程处	4	5	1.0	2.0
8	赵海桐	东南大学生物科学与医学工程学院	2	0	0.0	0.0