基于BCNN的胎儿颅脑超声横切面识别算法

孕期超声检查是评估胎儿大脑发育、检测生长异常的重要步骤,开展对胎儿早期检查准确高效的诊断研究具有重要的临床价值。文中使用双线性卷积神经网络BCNN进行胎儿颅脑横切面识别,提出了BCNN-R和BCNN-S两种算法。BCNN算法首先对输入的胎儿颅脑超声影像数据进行预处理,去除个人信息等敏感信息;其次,利用两路并行的子网络从影像数据中提取辨识度高、鲁棒性强的横切面特征,并将其融合得到有助于识别的细微特征;最后使用线性连接层进行识别和分类。为了验证算法的有效性,在自建胎儿超声数据集JFU19上进行了对比实验,实验结果表明,所提算法相比常见的深度网络(GoogleNet,DenseNet,SeNet等)在分类性能上有明显的提升,其中BCNN-S算法的总体准确率达到了88.95%,BCNN-R在水平横切面的识别上达到了97.22%的精确度和88.61%的召回率。此外,在公开数据集HC18上进行了实验,BCNN算法的准确率、精确度、召回率分别达到了89.48%,87.66%和87.71%,进一步验证了算法的有效性。

正常胎儿颅脑磁共振层面解剖

目的：探讨磁共振成像对胎儿颅脑主要结构的显示情况。材料与方法：使用超导０．３５Ｔ磁共振成像仪，对４４例孕妇进行ＭＲ成像，观察、分析胎脑各结构在磁共振图像上的显示情况。结果：ＭＲＩ对胎儿颅脑的主要结构如大脑半球的各叶、小脑、脑干（中脑、桥脑、延脑）、脑室、脑池等具有较高的显示率。

中孕期胎儿颅脑超声诊断价值

目的 探讨中孕期胎儿颅脑超声表现 ,提高产前超声对胎儿颅脑正常结构及畸形的认识。方法 观察 12～ 40周胎儿颅内结构 ,测量双顶径 (BPD) ,侧脑室宽度 (LVW) ,后颅窝池宽度 (CM)及颈部透明层 (NT)或颈项软组织厚度 (NF)。结果 共检出颅脑异常 18例 ,合并其他畸形 9例 ,其中 16～ 2 8周 14例 ,均经出生或引产后证实。结论 中孕期超声是胎儿颅脑结构产前检查的最佳时机。