汪金婷 杨丰 陈琪

特约论文

基于融合边界框高置信度区域信息的超声胎儿头围测量算法*

汪金婷 杨丰 陈琪

（南方医科大学生物医学工程学院，广东 广州 510515）

为有效克服胎儿头部超声图像中存在的干扰问题，实现对胎儿头围的精确测量，提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先，通过U-Net分割网络提取胎儿头部图像感兴趣区域；其次，利用YOLOv3检测网络获取胎儿头部边界框，结合边界框高置信度区域信息，筛选头部感兴趣区域高置信度边缘点；最后，采用直接最小二乘法对高置信度边缘点进行椭圆拟合，计算胎儿头围结果。实验结果表明：该算法可有效克服图像质量的干扰，提高超声胎儿头围测量精度。

胎儿头围测量；超声图像；高置信度区域筛选算法；U-Net；YOLOv3

0 引言

胎儿头围测量值是评估胎儿生长发育的一个重要指标。精确测量胎儿头围对胎儿监测具有重要的临床应用价值。因超声图像中存在噪声等干扰，导致胎儿头部边界模糊、部分头骨缺失等问题，影响超声医师对颅骨外缘的选择，从而造成测量差异。为降低图像质量所产生的不确定性影响，有效的超声胎儿头围自动测量方法研究已成为人们关注的热点方向。

文献[1]将胎儿超声图像从笛卡尔坐标系转换到极坐标系，再根据胎儿头部解剖结构的先验信息，采用卷积神经网络检测头部边界的像素，随后用卷积网络预测边界框，最终拟合边界框内的边界像素；……