[发明专利]基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法

说明书

本发明属于图像分割技术领域，具体为一种基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法。本发明针对三维胎儿超声数据，主要分为三步：首先通过深度置信网络（DBN）从三维数据的中心切面上自动搜索得到包含头颅的图像块，然后使用方向Kirsch边缘检测和霍夫变换在图像块中定位头颅的精确大小和位置，最后利用头颅关于正中矢状面对称的特点，通过三维模型将平面检测问题转变为二维对称性检测问题，完成最终的正中矢状面自动检测。本方法通过建立模型将三维问题简化为二维问题，实现正中矢状面的自动检测，取得了较好的结果。

技术领域

本发明属于图像分割技术领域，具体涉及一种基于深度置信网络和三维模型的三维胎儿超声数据中正中矢状面自动检测方法。

背景技术

在早孕期，胎儿颈部透明层(Nuchal translucency,NT)厚度是一个十分重要的指标。颈部透明层厚度的增加与13,18,21-三体综合征等染色体异常强烈相关。目前，对于NT厚度的测量由医生手工进行：首先找到胎儿在母体中的大致位置，然后定位标准正中矢状面，锁定正中矢状面上的NT区域，最终进行测量。NT厚度的测量要求在标准正中矢状面上进行，如果偏离正中矢状面，可能存在30-50％的误差，影响判断的准确性。因此，正中矢状面定位准确与否极为重要。定位标准正中矢状面要求医生具有丰富的经验。标准正中矢状面要求能够清晰看到鼻骨和间脑，英国胎儿基金会对于包括定位正中矢状面在内的NT测量有专门的课程培训和考核。

由于正中矢状面检测需要三维数据中进行，并且胎儿的位置和姿态多样，使得自动检测具有极高难度，目前尚无较好的检测方法。对于NT厚度的自动检测，通常集中在已经获得正中矢状面或已获得正中矢状面上的NT区域的前提下，用边缘检测、能量函数、构建模型等方法对NT的厚度进行检测。

针对正中矢状面检测方面的空白，本文提出了一种结合深度置信网络(DBN，deepbelief network)和三维模型的三维正中矢状面自动检测方法。它可以对从三维超声数据中直接定位头颅位置和正中矢状面，具有较高的准确性。

发明内容

本发明的目的是提出一种自动检测胎儿正中矢状面的方法。

本发明提供的胎儿正中矢状面自动检测方法，是结合深度置信网络和三维模型的，具体步骤如下：

(1)首先，利用深度置信网络从三维超声数据的中心切面上自动找到一个完整包含头颅的图像块，定位头颅的大致位置；

(2)然后，利用方向Kirsch边缘检测和霍夫变换从步骤(1)得到的图像块中找到一个最贴合胎儿头颅的圆，定位胎儿头颅的准确位置和大小；

(3)最后，建立三维模型，从步骤(2)得到的头颅位置和大小出发，寻找一个最对称的二维平面区域及其对称轴，其对称面即为正中矢状面。

本发明中，步骤(1)的具体过程为：

(1)首先从训练数据的中心切面上选取训练所需图像块，图像块分为两类：第一类完整包含头颅，第二类不包含头颅或只包含部分头颅；

(2)将图像块作为深度置信网络的输入；整个网络被视作一个二分类器，用以判断图像块属于第一类或第二类；网络分为5层，每层的节点数依次为p₁，p₂，p₃，p₄，p₅，其中,第1层节点数p₁为图像块的像素点个数，本发明实施例中取1681，第5层的节点数p₅为类的个数(本发明中取为2)；第2-4层的节点数p₂、p₃、p₄，实施例中使用参考文献[11]中给出的数值，分别为500、500、2000，具体可以调整；