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

作者：汪金婷; 杨丰; 陈琪

来源：自动化与信息工程, 2021, 42(01): 7-11.

DOI：10.3969/j.issn.1674-2605.2021.01.002

• 胎儿头围测量
• 超声图像
• 高置信度区域筛选算法
• U-Net
• YOLOv3

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。

• 单位
  生物医学工程学院; 南方医科大学