罗刚 泮思林 乔思波 庞善臣 陈涛涛 孙玲玉 董玉坤

青岛大学附属妇女儿童医院1心脏中心，2超声科（山东青岛 266034）；3中国石油大学（华东）计算机科学与技术学院（山东青岛 266580）

随着胎儿超声心动图技术的发展和胎儿先天性心脏病（简称先心病）认识程度的提升，超声心动图在胎儿先心病评估及干预策略的选择中发挥重要作用。受胎位、超声斑点噪声及伪影等影响，超声心动图准确筛查胎儿先心病极具挑战性，准确率高度依赖于医师经验，基层医院普及较为困难［1］。引入深度学习技术识别超声图像可能更具优势［2-5］，但在胎儿超声心动图图像识别中的应用研究相对缺乏［6-8］。四腔心切面可较清楚地显示心腔形态及大小，较全面地评估胎儿心脏发育情况，是超声诊断胎儿先心病的基本切面［9］。本研究在YOLOv4 模型［10］基础上适当缩减模型深度，采用多级残差混合注意力机制模块（multistage residual hybrid attention module，MRHAM）建 立MRHAM-YOLOv4-Slim 模型，评价该模型在胎儿超声心动图四腔心切面定位、识别心腔结构的可行性。

1 资料与方法

1.1 研究对象选取2019年8-12月青岛市妇女儿童医院采集的2 000 张健康孕25 周胎儿的超声心动图标准四腔心切面图像（JPG 格式）建立实验数据集。标准超声图像由2 名具有10年以上工作经验的超声医师采用Samsung WS80A 超声诊断扫描仪获取，数据图像存在不同程度的伪影、斑点噪声及模糊边界。本研究遵循《世界医学协会赫尔辛基宣言》原则，经医院伦理委员会讨论审核批准（批件号：QFELL-KY-2021-22）。

1.2 仪器与方法（1）建立机器学习模型：为匹配本研究胎儿超声心动图图片数据集的规模，缩减YOLOv4 模型的深度，降低了模型复杂度。……