CN100455267C - 一种对b超胎儿性别鉴别进行记录的方法 - Google Patents

Abstract

本发明公开了一种对B超胎儿性别鉴别进行记录的方法，包括如下步骤：步骤1.通过B超成像装置获得待测胎儿图像并显示；步骤2.监控系统对显示的胎儿图像进行识别，判断该图像是否含有性器官；步骤3.如果含有性器官的胎儿图像的显示频率超过预定的正常频率，则监控系统进行记录。本发明通过对医生可能对孕妇进行胎儿性别鉴别时的记录，可以防止单纯以性别鉴定为目的的对胎儿的B超操作。

Description

一种对B超胎儿性别鉴别进行记录的方法

技术领域

本发明涉及一种B超记录方法，尤其是一种可以对B超胎儿性别鉴别进行记录的方法。

背景技术

中国是世界上最大的发展中国家，人口增长过快的问题一直严重制约着中国的经济发展和人民生活水平、生活质量快速提高的首要问题。因此，中国政府长期以来一直将计划生育作为一项基本国策来执行。在中国政府的不懈努力和广大人民的支持下，中国的人口过快增长的趋势得到了遏制。有专家估计：中国的人口在达到15亿以后将不再增长。

但是，另外一种现象近年来不断发生：有人利用B超技术鉴别胎儿性别，并将鉴别的结果告知胎儿父母，使得胎儿父母可以根据这个结果选择性地进行妊娠。这种行为，一方面会严重影响我国计划生育国策的落实，另一方面会导致性别歧视等不良社会现象的滋生，致使出生婴儿性别比例严重失衡，导致严重的社会问题，因此，这也是一种违法行为。

在发展中国家，通常并不实行计划生育政策，当然也就不会产生性别鉴别的问题，更不会使用相关的技术手段来防止上述的现象发生。

上述的现象，在发达国家很少存在，其原因是：发达国家的人口通常呈现负增长，国家鼓励生育；另外，一些国家因为宗教、政治等原因，立法限制堕胎行为，因此，发达国家中并不会出现这种通过B超技术鉴别胎儿性别并达到选择性妊娠的现象。因此，没有开展过这样的技术研究，当然也没有相关的技术文献。

因此，需要一种技术方案，该技术方案可以预防单纯以性别鉴定为目的的对胎儿的B超操作。目前，国内外尚没有这种技术方案，但是，支持向量机(Support Vector Machine，简称SVM)的研究和发展为实现快速模式识别提供了技术支持。

《一个医学图像分类器的设计》(李丙春、耿国华、周明全、孙蕾，计算机工程与应用，2004年40卷17期，P230-P232)，《回归型加权支持向量机方法及应用》(杜树新、吴铁军，浙江大学学报(工学版)，2004年38卷03期，P302-P306)，《支持向量机及其应用研究综述》(祁亨年，计算机工程，2004年30卷10期，P6-P9)，《用于医学图像分类的支持向量机算法研究》(孙蕾、耿国华、周明全、李丙春，计算机应用与软件，2004年21卷11期，P85-P87)等文章，先后对采用SVM进行图像识别的算法进行了探讨。基于上述技术，本发明提出了一种可以对B超胎儿性别鉴别进行记录的技术方案。

发明内容

本发明的目的是提供一种可以对B超胎儿性别鉴别进行记录的方法，在医生可能对孕妇进行胎儿性别鉴别时，对其操作进行记录，以达到对有关违法行为进行监控和制止的目的。

为了实现上述目的，本发明提供了一种对B超胎儿性别鉴别进行记录的方法，包括如下步骤：

步骤1、通过B超成像装置获得待测胎儿图像并显示；

步骤2、监控系统对显示的胎儿图像进行识别，判断该图像是否含有性器官；

步骤3、如果含有性器官的胎儿图像的显示频率超过预定的正常频率，则监控系统进行记录。

本发明通过在医生可能对孕妇进行胎儿性别鉴别时进行记录，可以防止单纯以性别鉴定为目的的对胎儿的B超操作。

附图说明

图1是本发明识别和记录的位置的一个示意图；

图2是本发明对B超胎儿性别进行鉴别的一个实施例示意图；

图3是本发明对B超胎儿性别进行鉴别的另一个实施例示意图；

图4是本发明中遗传算法示意图；

图5是本发明使用特征模板进行匹配的方法示意图；

图6是本发明中一个完整处理流程的实施例。

具体实施方式

本发明的技术关键是让B超机在生成胎儿图像显示给医生的同时，监控系统自动识别出当前图像是否含有胎儿性器官；因为B超检查是一个动态获取图像信息的过程，正常检查时在一定时间内不应该过多显示含有胎儿性器官的图像；当显示含有胎儿性器官图像的频率超过预定的正常频率时，监控系统进行记录。

为了实现上述目的，本发明从技术角度增加了对胎儿性器官进行识别以及记录的步骤，可以在医生可能对孕妇进行胎儿性别鉴别时进行记录，所述记录步骤采用了加密技术，具有不可更改性，以达到监控的目的。本发明对B超胎儿性别鉴别进行记录的方法，包括如下步骤：

步骤1、通过B超成像装置获得待测胎儿图像并显示；

步骤2、监控系统对显示的待测胎儿图像进行识别，判断该待测胎儿图像中是否含有性器官图像；

步骤3、如果含有性器官图像的待测胎儿图像的显示频率超过预定的正常频率，则监控系统进行记录。

如图1所示，所述监控系统的识别记录可以是在B超设备中完成；也可以通过一个外接设备，由视频或其它方法采集图像进行记录监控，监控系统设备和B超的连接可以采用视频连接，也可以采用数字传输协议进行连接。

本发明对B超胎儿性别鉴别进行记录的实施例1，如图2所示，使用SVM方法训练B超胎儿样本库图像，生成SVM分类函数；将待测胎儿图片送入SVM分类函数进行识别判断；满足报警条件，则进行记录。

在本实施例中，B超胎儿样本库由4066幅典型B超胎儿图像(其中含性器官的胎儿图像为1918幅，不含性器官的图像为2148幅)组成，这些图片是从B超科临床获取的15万多张胎龄从4个月到8个月的胎儿B超图片中经B超科及妇产科主任医师和计算机图像处理工程师共同确认选取的。该库涵盖了孕妇不同体位和胎儿不同状态下的标准样本。

B超胎儿样本库的图像数据存在不完整性、噪声和不一致性，因此在在使用SVM方法进行训练以前，同样需要对B超胎儿样本库的图像进行预处理。

采集到的B超胎儿样本库图像包含大量有噪声的背景，有的图像看起来太暗，有的太亮，因此图像预处理的第一步是利用去噪技术对图像进行处理。经过去噪声处理后，可以去掉图像中的大多数背景信息和噪声。

图像预处理的第二步是图像增强，增强处理包括对图像经过图像灰度和深度变换，图像分割及归一化处理，突出胎儿图像特征；在图像的生成、传输或变换过程中，由于多种因素的影响，总会造成图像质量的下降，因此可以采用空域法或频域法；前者是在原图像上直接进行处理，后者是在图像的变换域上进行修改或增强感兴趣的部分，比如，直方图均衡化是在空域中进行的灰度增强算法。

经过去噪声处理和增强处理后，就可以从B超胎儿样本库图像中抽取所需要的特征向量。在本实施例中，抽取的特征向量为灰度值矩阵。

抽取的特征向量组织在一个数据库中，作为使用SVM方法进行训练的样本，生成SVM分类函数。使用SVM算法生成所述的SVM分类函数，具体步骤包括：

步骤1、SVM核函数采用RBF核函数，利用遗传算法搜索，选取使SVM分类函数的支持向量数最少的C和γ的参数组合作为最优参数；

步骤2、使用SVM方法训练B超胎儿样本库图像的特征向量，生成SVM分类函数。按照广义线性判别函数分析，B超胎儿图像的分类问题，是要解决一个非线性问题，通过非线性变换转换为另一高维空间的线性问题，在此空间中求最优分类曲面(超平面)。根据Hilbert-Schmidt原理，只要运算满足Mercer条件，上述变换即可以内积的形式计算。因此，本实施例构造了一个支持向量数相对较少的最优分类面，训练B超胎儿样本库图像，形成SVM分类函数。其形成的最优分类函数为：

$f\left(x\right)=\mathrm{sgn}\{(w^{*}\·x)+b^{*}\}=\mathrm{sgn}\{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i^{*}{y}_i(x_i\·x)+b^{*}\}$

式中x_i为训练样本，y_i为训练样本对应的目标值，x为待测试样本特征向量，b^*为分类的域值。

该最优分类函数即为本实施例中的SVM分类函数。

本实施例通过如下步骤实现对B超中待测胎儿图像的性别鉴定：监控系统对待测图像进行预处理，提取胎儿图像的特征向量，将所提取的特征向量代入SVM分类函数，判断该待测图像是否具有性器官。

由于通过B超的探头和成像装置获得的待测胎儿图像数据也存在不完整性、噪声和不一致性，因此在监控系统对待测图像进行识别之前，对待测图像进行预处理也是必要的步骤，其预处理方法同对B超胎儿样本库图像的预处理方法相同，包括去噪处理和增强处理。

监控系统提取预处理后的待测图像特征向量，并送入SVM分类函数，进行对所述待测胎儿图像是否含有性器官的识别判断；所得f(x)＞0，则该图像含有性器官；所得f(x)＜0，则该图像不含有性器官。

若含有性器官的图像出现频率大于预定频率，则进行记录。

参见图3，是本发明采用神经网络技术，建立胎儿模板库；根据遗传算法搜索胎儿模板库图像，确定待测胎儿图像是否含有性器官。

在采集大量B超胎儿图像的基础之上，根据医生鉴别胎儿性别的先验知识，建立胎儿模板库；步骤如下：

I.将胎儿图像库中的图像分成若干个胎儿性别基类，建立基类库；

本实施例中，B超胎儿图像库由4066幅典型B超胎儿图像(其中含性器官的胎儿图像为1918幅，不含性器官的图像为2148幅)组成，这些图片是从B超科临床获取的15万多张胎龄从4个月到8个月的胎儿B超图片中经B超科及妇产科主任医师和计算机图像处理工程师共同确认选取的。该库涵盖了孕妇不同体位和胎儿不同状态下的标准样本。

因为胎儿在母体中的姿态千变万化，为了减少搜索区域，在采集大量B超胎儿图像的基础之上，根据胎儿在母体中的姿态和B超医生的经验知识，把性器官及其附近区域归为一类，作为性别基类；若干性别基类组合构成基类库；这一过程相当于神经网络中人工识别步骤。

II.建立每个基类的性器官基类模板，得到基类模板库；

对同一类的图像，经过图像的预处理后，采用图像融合技术，得到一幅能代表此类B超图像的平均图像，生成该类基类模板；所述胎儿图像基类库中每一个基类都包含一个由该分类中部分或全部胎儿图像生成平均图像而得到的基类模板图像。

III.建立每个基类所有生成基类模板的图像的特征模板。

特征模板合成是建立在基类模板之上的，与基类模板相对应；使用先前生成基类模板的每一个图像，与对应基类模板图像利用图像融合技术，形成基类特征模板；模板的存在作为神经网络中的识别依据。

上述的预处理是对胎儿图像进行突出胎儿图像特征的增强处理和对胎儿图像的亮度进行归一化。增强处理是通常所指的图像去噪，增强处理，用以突出图像特征；

归一化是指，由于输入图像的大小、姿态、乃至亮度均不相同，存在位置(平移)、大小(尺度)、姿态(旋转)变化，故必须先进行归一化处理，然后方能对输入图像统一处理。本发明中归一化采用Gabor小波变换对图象进行处理，求出平移、旋转、尺度不变特征。为后续处理打下基础。具体算法如下：

每幅B超图象f(x，y)，可用二维奇Gabor小波函数表示为

$f=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\ω}}_i,{\mathrm{\ψ}}_{{\stackrel{\mathrm{\ρ}}{n}}_i}+\mathrm{dc}\left(f\right),$

w_i＝<f，ψ>

其中，dc(f)为图像的平均亮度，ψ是二维奇Gabor小波基函数，w是每个小波相应的权值。二维奇Gabor小波基函数为：

$*\sin \left(s_x((x-c_x)\cos \mathrm{\&theta;}-(y-c_y)\sin \mathrm{\&theta;})\right)$

式中每个小波有5个参数，即c_x，c_y是位移因子，s_x，s_y是尺度变化因子，θ是旋转因子。图像f的小波网络(ψ，w)的权函数及网络参数(S、R、C)，可以使用下面能量函数的优化，利用Levenberg--Marquard梯度下降法求出。

能量函数为：

$E=\underset{{\stackrel{\mathrm{\&rho;}}{n}}_i,w_i,\&ForAll;i}{\min }{\left|\right|f-(\underset{i}{\mathrm{\&Sigma;}}{w}_i{\mathrm{\&psi;}}_{{\stackrel{\mathrm{\&rho;}}{n}}_i}+\mathrm{dc}\left(f\right)\left|\right|}_2^2;$

其中f为图像，dc(f)为图像的平均亮度，即图像所有象素点亮度的平均值。

对于一幅新图像g(x，y)，利用gabor小波网络的复位技术，便可以把模板的特征经下面仿射变换

$\stackrel{\mathrm{\&rho;}}{S}=\left(\begin{array}{cc}{s}_x& 0\\ 0& s_y\end{array}\right),$ $\stackrel{\mathrm{\&rho;}}{R}=\left(\begin{array}{cc}\cos \mathrm{\&theta;}& -\sin \mathrm{\&theta;}\\ \sin \mathrm{\&theta;}& \cos \mathrm{\&theta;}\end{array}\right),$ c＝(c_x，c_y)^T

定位在新图像上。

上述的图像融合技术是指对同一类图像(可能有N幅)，将其融合为一幅图像；比如，特征模板就是在专业医生指导下，手工提取各个图像中感性趣的子区域并融合为一幅图像；本技术所采用的图像融合方法是模糊平均法，即将被融合的各个图像中的对应像素取其平均值，具体公式如下：

avg＝(A+B+C+…)/N；

其中，A、B、C分别是灰度图像，N是图像的幅数。

本实施例通过如下步骤实现对B超中待测胎儿图像的性别鉴定：通过比较测得的B超图像与其存储的胎儿图像基类库中基类模板图像，识别测得胎儿的B超图像的所属基类，确定待测胎儿图像是否含有性器官。

为了方便图像之间的比较，可以首先对图像进行处理。识别单元可以对获得的图像进行预处理，去掉图像的干扰像素，然后再进行比较，或者对图像进行增强处理，突出图像特征，再进行比较，或者对图像的亮度进行归一化处理，然后再进行比较；也可以采用以上处理方式的任意组合对图像进行处理。

被测图像与模板图像比较过程如下：被测图像经过前期的预处理后，与基类模板库中的模板图像进行相似计算。比较被测图像与各模板之间的相似度；采用以下的公式来分别计算测得的B超图像与各个基类模板图像的相似度：

对于图像A和B，相似度r的计算公式如下：

$r=\frac{\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}{\sqrt{\left(\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}{(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})}^2\right)\left(\mathrm{\&Sigma;\&Sigma;}{(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}^2\right)}}$

其中，A表示测得的B超图像，A_mn表示A的像素，A表示A的像素平均值；B表示基类模板图像，Bmn表示B的像素，B表示B的像素平均值；r表示相似度。

对于计算的结果，采用“强者取胜“的法则，相似值越大，认为被测图像与该模板越相似；技术上规定，当被测图像与基类模板图像的相似值最大时，把所测图像视为与该基类摸板同属于一类；根据经验，相似值达到0.65时，其图像被认为与模板为同一类。

通过上面的方法，可以得到所属基类。但使用上面的相似计算方法，误判率较高，比如，本来不含有性器官的图片，有可能由于图像与某一基类的相似而被误判为含有性器官。因此获得测得的B超图像所属的基类以后，需要根据被测图像所属的基类，利用图4所示遗传算法，在被测图像中使用该基类的特征模板进行搜索，寻找出最佳的匹配，以保证判断的准确度；如图5所示，具体过程如下：

1)选择编码策略，把图像的中各象素点的位置集合X转换为位串结构空间S(二进制序列)；

2)定义相关函数为位适应度函数f(X)：

$f\left(X\right)=r=\frac{\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}{\sqrt{\left(\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}{(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})}^2\right)\left(\mathrm{\&Sigma;\&Sigma;}{(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}^2\right)}},$

其中，A、B是被测图像，A、B是图像A、B的平均值。

3)确定遗传策略，包括确定选择、交叉、变异方法，以及确定交叉的概率pc、变异概率pm等遗传参数；

选择：例如，选择群体大小n＝20；

交叉：例如对两个二进制序列01101010和01010101后四位交换生成新的序列01100101和01011010。

变异：例如对于二进制序列01010101的第二位数1换成0，生成新的序列00010101。

保留群体中适应度函数最大的两项放在最前面，然后对剩下的群体进行交叉和变异，变异的概率为1％；

4)确定迭代次数和门限阈值，第一迭代次数为20，第二迭代次数为50，门限阈值0.65；

5)随机初始化生成群体P；

6)计算群体中的个体位串解码后的适应度函数f(X)；

7)按照遗传策略，运用选择、交叉和变异算子作用于群体，形成下一代群体；

8)如果群体性能达到设定的阈值，或者已完成预定迭代次数，则结束搜索过程；否则，返回步骤7)，后者修改遗传策略再返回步骤7)；例如，当迭代次数满20，且达到适应度函数值达到0.65则认为找到目标，胎儿含有性器官；否则扩大10代一直到50代，期间判断适应度函数值是否达到0.65，达到，也认为胎儿含有性器官；若达到50代适应度寒暑值仍未达到0.65，则认为胎儿图像不含有性器官。

若含有性器官的图像出现频率大于预定频率，则进行记录。

获得了待测图像是否含有胎儿性器官的信息以后，就可以通过自身设定的程序，监控B超操作员在检查过程中，是否集中观察含有胎儿性器官的图片以确定胎儿性别。正常的检查过程中，不会集中观察胎儿图像性器官部位，因此在显示的图像中，含有胎儿性器官的图片不会很多，如果超过一定的比例，则可以认为B超操作员是有意查看胎儿的性器官。

实施例3，监控系统通过对每一组判别序列中含有性器官的胎儿图像的数量是否超过预定的正常数量进行监控，实现对B超操作员是否有意查看胎儿的性器官的监控。胎儿性别器官图像被送出显示的时刻，监控系统自动开始进行监控。

在步骤3之前，监控系统对含有性器官的待测胎儿图像的显示频率是否超过预定的正常频率进行判断，其步骤为：

步骤301、将当前获得的图像帧存入判别序列中；若判别序列的图像帧数量超过预定值，则删除最先存入的图像帧。比如，将获取的图像帧存入一个12帧数组组成的判别序列中，每新获得一幅图像帧，就去掉最早的那帧，相当于在图像帧流上的一个滑动窗，滑动窗对应的图像是当前图像和前面的11帧；被删除的图像帧保存于系统缓存中，以备以后调用；

步骤302、计算当前判别序列中含有性器官的待测胎儿图像的帧数；每次获取一幅新图像后，都会重新计算一次滑动窗(12幅)中判定为有的图像数；

步骤303、如果计算结果超过预定值，比如，含有6个或以上含胎儿性器官的图像，则该判别序列中含有性器官的待测胎儿图像的显示频率超过预定的正常频率。

当超过预定的正常频率，监控系统自动在硬盘上进行记录，记录内容包括此序列及该序列对应的前后各32帧的动态录像、操作时间等。这些记录采用数字证书技术进行加密，数字证书采用公钥体制，即利用一对互相匹配的密钥进行加密、解密。每个证书设定一把特定的私有密钥(私钥)，用它进行解密和签名；同时设定一把公共密钥(公钥)并公开，用于加密和验证签名。通过数字的手段保证加密过程是一个不可逆过程，即只有用私有密钥才能解密。如果配备IC卡用户管理系统，在B超开机时用户必须插入IC卡进行认证，在记录时采用用户IC卡的私钥对信息加以处理，由于密钥仅为本人所有，这样就产生了别人无法生成的文件，也就形成了数字签名。采用数字签名，能够确认以下两点：

1、保证该记录信息是由签名者自己操作的，签名者不能否认或难以否认；

2、保证该记录信息自签发后到收到为止未曾作过任何修改，签发的文件是真实原始文件。

记录的项目至少包括：操作对象、操作时间、静态/动态图像。在设有用户权限管理的情况下，记录的项目还可以包括操作人员的姓名。记录内容包括但不限于操作对象、操作时间、静态或动态图像，在配备I C卡或用户权限管理系统的情况下，还可记录操作人员姓名。

这些记录(不包括图像)可以按计划通过网络传递.需要时，系统可以内置管理部门的公钥，如果有管理部门的私钥(可以是IC卡)进行授权，就可以查看和输出所有记录。

图6所示，本发明一个完整处理流程，当医师进行B超检查时，监控系统通过以下步骤完成在医师启动B超设备进行一次新的操作时，可能出现的对性别进行鉴定的记录：

步骤101、监控系统提取B超设备当前显示的图像帧a、b、c......k、l并组成判别序列；

步骤102、图像帧a到图像帧1暂存于监控系统缓冲区；

步骤103、监控系统对图像帧a到图像帧1进行预处理；

步骤104、监控系统分别提取每幅图像帧中的灰度值矩阵作为特征向量；

步骤105、监控系统分别将每幅图像帧中的特征向量送入SVM分类函数；

函数值大于0，则当前图像帧含有性器官；函数值小于0，则当前图像帧不含性器官；

步骤106、统计判别序列的监控结果，大于6，执行步骤107；小于6，执行步骤101，对下一组判别序列进行判断；

步骤107、监控系统从缓冲区调出该判别序列及其前后各32帧录像数据，以及操作对象、操作时间、操作人员姓名数据，并进行加密和硬盘记录；

步骤108、报警系统启动，通过显示界面或者蜂鸣器警示B超操作人员；本次B超操作结束，清除监控系统缓冲区；记录系统自动生成报表，通过网络上传到监控中心，进行统计分析，对于可疑情况可以及时发现。

最后所应说明的是：以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围。

Claims (22)

1、一种对B超胎儿性别鉴别进行记录的方法，其特征在于：包括如下步骤：

步骤1、通过B超成像装置获得待测胎儿图像并显示；

步骤2、监控系统对显示的待测胎儿图像进行识别，判断该待测胎儿图像中是否含有性器官图像；

步骤3、如果含有性器官图像的待测胎儿图像的显示频率超过预定的正常频率，则监控系统进行记录。

2、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤2中所述的监控系统是集成在B超设备中或是一个外接设备，通过视频方法采集图像进行监控记录。

3、根据权利要求2所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述监控系统是外接设备时，与B超的连接采用视频连接或采用数字传输协议进行连接。

4、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤2中监控系统对显示的待测胎儿图像进行识别的过程为：

步骤201、对所述待测胎儿图像进行预处理，包括去噪处理和增强处理；

步骤202、从待测胎儿图像中提取其特征向量；

步骤203、将所提取的特征向量代入SVM分类函数；

步骤204、SVM函数值大于0，则所述待测胎儿图像中具有性器官图像；SVM函数值小于0，所述待测胎儿图像中无性器官图像。

5、根据权利要求4所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤201中所述的增强处理包括对图像进行图像灰度和深度变换，图像分割及归一化处理，用于使待测胎儿图像的特征突出。

6、根据权利要求4所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤202中所述的特征向量采用灰度值矩阵进行描述。

7、根据权利要求4所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤203中所述的SVM分类函数采用SVM算法生成，生成步骤如下：

步骤001、利用遗传算法选取SVM分类函数的最优参数；

步骤002、训练B超胎儿样本库图像的特征向量，生成SVM分类函数。

8、根据权利要求7所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤002中，在训练之前，先对B超胎儿样本库图像进行预处理，包括去噪处理和增强处理，并提取B超胎儿样本库图像的特征向量。

9、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤2中监控系统对显示的待测胎儿图像进行识别的过程为：

步骤211、对所述待测胎儿图像进行预处理，去掉待测胎儿图像的干扰像素；

步骤212、用事先存储的胎儿图像基类库中基类模板图像与所述待测胎儿图像进行比较计算，得到待测胎儿图像的所属基类；

步骤213、用事先存储的胎儿图像基类库中所属基类的特征模板图像与所述待测胎儿图像进行比较，确定所述待测胎儿图像是否具有性器官。

10、根据权利要求9所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤211中对待测胎儿图像的预处理包括对待测胎儿图像进行突出待测胎儿图像特征的增强处理和对待测胎儿图像的亮度进行归一化处理。

11、根据权利要求9所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤212中所述胎儿图像基类库为在采集大量B超胎儿图像的基础之上，根据胎儿在母体中的姿态分类建立。

所述基类模板图像是所述胎儿图像基类库所属基类中一个由该基类部分或全部胎儿图像生成的平均图像。

12、根据权利要求11所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述基类模板图像由所属基类中部分或全部胎儿图像，经过预处理后，通过图像融合生成。

13、根据权利要求9所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤212中，计算测得胎儿图像所述基类的步骤为：分别计算测得的胎儿图像与各个基类模板图像的相似度，相似度最高的基类为测得的胎儿图像所属基类；相似度r的计算公式如下：

$r=\frac{\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}{\sqrt{\left(\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}{(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})}^2\right)\left(\mathrm{\&Sigma;\&Sigma;}{(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}^2\right)}}$

其中，A表示测得的胎儿图像，A_mn表示A的像素，A表示A的像素平均值；B表示基类模板图像，Bmn表示B的像素，B表示B的像素平均值；r表示相似度。

14、根据权利要求9所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤213中基类特征模板图像由生成所属基类模板的每一个图像与基类模板图像通过图像融合生成。

15、根据权利要求12或14所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述图像融合是将被融合的各个图像中的对应像素取其平均值。

16、根据权利要求9所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤213中用事先存储的胎儿图像基类库中所属基类的特征模板图像与所述待测胎儿图像进行比较的步骤为，根据被测图像所属的基类，利用遗传算法，在待测胎儿图像中使用该基类的特征模板进行搜索，找出最佳的匹配。

17、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤2和步骤3之间，监控系统对含有性器官的待测胎儿图像的显示频率是否超过预定的正常频率进行判断，其步骤为：

步骤301、将当前获得的图像帧存入判别序列中；

步骤302、计算当前判别序列中含有性器官的待测胎儿图像的帧数；

步骤303、如果计算结果超过预定值，则该判别序列中含有性器官的待测胎儿图像的显示频率超过预定的正常频率。

18、根据权利要求17所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：当所述步骤301中的判别序列的图像帧数量超过预定值，则从该判别序列中删除最先存入的图像帧，并将该图像帧保存于系统缓存中。

19、根据权利要求17或18所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤3中所述监控系统记录判别序列及其前后一定数量的图像帧，该判别序列为显示含有性器官图像的频率超过预定正常频率的判别序列。

20、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤3中监控系统进行记录，同时对记录的信息进行加密。

21、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：所述步骤3之后还包括：监控系统启动报警系统，通过显示界面或者蜂鸣器警示B超操作人员。

22、根据权利要求1所述的对B超胎儿性别鉴别进行记录的方法，其特征在于：步骤3之后，监控系统自动生成报表，通过网络上传到监控中心，进行统计分析。

Images