换一批基于特制ResNet20的中孕期Ⅱ级产前超声检查胎儿切面识别
Level Ⅱ Ultrasound Standard Plane Recognition for Mid Pregnancy by a Specific ResNet20
摘要针对中孕期胎儿Ⅱ级产前超声筛查中,标准切面识别依赖经验、效率低且存在漏诊风险的问题,探索利用卷积神经网络技术对中孕期胎儿多切面超声图像进行自动识别,以提高筛查准确性与实时性.本研究使用GE E8及三星WS80A彩超设备,采集200名孕妇中孕期胎儿Ⅱ级标准切面图像,涵盖10个胎儿标准切面(共1 869张),统一归一化为227像素×227像素.构建特制的ResNet20模型,采用包含瓶颈残差模块的七层结构,通过softmax输出分类概率,训练过程中以90％图像作为训练集,10％为测试集,优化函数为多类交叉熵,学习率为0.1,使用momentum优化器.ResNet20模型的总体识别准确率为88.2％,其中小脑横切面、双眼横切面、脊柱矢状切面的识别精确率达到100％.相比之下,AlexNet和VGG16的准确率分别为80.2％和73.3％,差异具有统计学意义(P＜0.001).模型测试时间平均为33 s/例,可满足临床实时性需求.所提出的ResNet20模型可实现中孕期胎儿Ⅱ级标准切面的高效自动识别,具备良好的准确性和临床应用前景,有助于提升超声筛查的智能化与规范化水平.本研究代码开源在网页 https://github.com/Chenan7/Resnet-19 上.
更多相关知识
关键词
卷积神经网络中孕期胎儿超声Ⅱ级产前筛查标准切面识别convolutional neural networkssecond-trimester fetal ultrasoundlevel Ⅱ prenatal screeningstandard section recognition
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.05.003
发布时间
2025-11-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
