一种基于卷积神经网络的胎儿头围自动测量方法

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.