CN113040746A - 一种基于智能化的胎儿生长发育检测方法 - Google Patents
一种基于智能化的胎儿生长发育检测方法 Download PDFInfo
- Publication number
- CN113040746A CN113040746A CN202110378459.5A CN202110378459A CN113040746A CN 113040746 A CN113040746 A CN 113040746A CN 202110378459 A CN202110378459 A CN 202110378459A CN 113040746 A CN113040746 A CN 113040746A
- Authority
- CN
- China
- Prior art keywords
- fetus
- growth
- development
- organ
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
- A61B5/4362—Assessing foetal parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Reproductive Health (AREA)
- Pediatric Medicine (AREA)
- Pregnancy & Childbirth (AREA)
- High Energy & Nuclear Physics (AREA)
- Gynecology & Obstetrics (AREA)
- Radiology & Medical Imaging (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于智能化的胎儿生长发育检测方法，用于智能化监测胎儿25至40周生长发育状态。包括：MRI扫描数据的获取，基于体绘制和面绘相结合的方法对胎儿及胎儿各器官进行三维重建，计算胎儿各器官与胎儿自身体积的比值，基于该比值以及胎儿脏器生长发育参考范围，智能分析出胎儿各个重要器官的生长发育情况，形成胎儿的生长发育检测结果，依据检测结果对胎儿达到生长发育状况进行评价，并对胎儿生长发育的趋势进行分析，达到预先发现问题的目的。本发明的检测精度高，评价面广，智能化及延续性强；可以快速给出检查结果，并且可以检测并分析胎儿的发育趋势。
Description
技术领域
本发明涉及医学检测领域，具体涉及一种基于智能化的胎儿生长发育检测方法。
背景技术
随着医院各功能科室信息化的不断发展，临床科室对于CT、MRI、B超等医疗设备的使用越来越频繁。医生基于该类设备所产出的二维图像进行诊断治疗。二维图像仅能显示身体器官或组织在某一平面上的大小，无法还原器官或组织的完整形态。因此，仅通过二维图像进行器官大小评价时，误差较大，难以进行精确判断。
胎儿的生长发育指标成为医院产科和父母尤为关注的问题。传统的方法是产科医生根据B超成像加上产前常规检查，结合医生的临床经验来进行判断。最终给出检查结果，这个结果的量化数据不够客观准确。并且，结合临床经验进行判断的结果包含较多主观因素，不同医生或同一医生在不同时间会得出不同的检查结果，难以在怀孕整个过程中进行标准化、延续性的监测。此外，现有技术仅能给出胎儿自身体积的大致大小，无法检测出胎儿体内各个器官的发育状态。
因此，在胎儿生长发育检测技术方面，需要一种检测精度高，延续性好，能够检测胎儿各器官发育状况的检测方法。
发明内容
本发明的目的在于，提供一种智能化、高精度检测胎儿生长发育的方法，提高胎儿生长发育检测的精度和效率，并对胎儿生长发育的趋势进行分析。特别是检查25至40周的胎儿的器官是否优良方面，提供一种更加精准和高效的方法，为实现上述目的，本发明采用如下技术方案：
一种基于智能化的胎儿生长发育检测方法，其特征在于，包括如下步骤：
S1.使用MRI设备对孕妇进行扫描检查，得到胎儿及胎儿各器官的MRI薄层数据；
S2.利用MRI薄层数据基于灰度识别技术对胎儿及胎儿各器官进行三维重建；
S3.利用三维重建数据获得胎儿及胎儿各器官的体积数据；
S4.分别计算胎儿各器官与胎儿自身体积的比值；
S5.根据胎儿各器官与胎儿自身体积的比值以及胎儿脏器生长发育参考范围，智能分析出胎儿各个重要器官的生长发育情况，形成胎儿的生长发育检测结果，依据检测结果对胎儿的生长发育做出评价。
作为改进，所述胎儿各器官包括：大脑、肝脏、肺部、心脏及胎盘。
作为改进，S4中所述比值由计算机自动计算所得，并根据计算出的比值自动与胎儿脏器生长发育参考范围比较，然后自动生成胎儿的生长发育检测结果。
作为改进，使用所述检测方法进行单次检测后，将检测数据建档储存，然后收集并分析怀孕各时期胎儿的生长发育趋势。
作为改进，所述检测方法利用三维重建模型，从形态学角对度胎儿及胎儿各器官的空间分布情况、形态、大小做进一步分析，从定性的角度，为胎儿生长发育进行参考和分析。
本发明的优点在于：
1.本发明采用MRI技术，相较于传统的B超检测，可以避免器官和组织声阻抗差改变，缺乏特异性的影响因素，具有更高的检测精度。
2.本发明在获得二维的MRI薄层图像数据后，对数据进行三维重建，然后计算重建和三维模型的体积，可以精确获得胎儿自身及身体各重要器官的体积大小，便于更加精确的进行后续评定和分析。
3.本发明采用胎儿各器官与胎儿自身体积的比值作为评定胎儿生长发育的评价标准，具有评价精度高，效率快，评价器官多的优点。可以从多器官，全方位的评定胎儿自身及各器官的发育状况。
4.本发明全程可以通过计算机自动化计算完成，检测过程中智能化程度高、标准化程度高，可以精确给出胎儿发育状态的量化数据。
5.本发明可以定期对胎儿进行持续性的检测，并根据检测的结果分析胎儿及各器官的生长发育趋势，并根据发育趋势为孕妇给予针对性的医嘱。
附图说明
图1为本发明的流程图；
图2为对35周左右的双胞胎进行MRI扫描后的薄层数据图；
图3为根据薄层数据图三维重建后的三维模型图；
图4为计算所得胎儿各器官体积的数据图；
图5为对35周左右胎儿的薄层数据图(右)、三维重建图(中)以及体积数据图(左)。
具体实施方式
下面通过具体实施例对本发明进行详细和具体的介绍，以使更好的理解本发明，但是下述实施例并不限定本发明的保护范围。
实施例1
本实施例公开了一种基于智能化的胎儿生长发育检测方法，包括如下步骤：
S1.使用MRI设备对孕妇进行扫描检查，得到胎儿及胎儿各器官的MRI薄层数据；
S2.利用MRI薄层数据基于灰度识别原理，采用三维重建技术以体面绘结合方式创建孕妇子宫、胎盘、脐带、胎儿、胎心、胎肺、胎儿肝脏、胎儿大脑等的各器官三维重建模型；
S3.利用三维重建数据获得胎儿及胎儿各器官的体积数据；
S4.计算机自动计算胎儿各器官与胎儿自身体积的比值；
S5.根据胎儿各器官与胎儿自身体积的比值以及胎儿脏器生长发育参考范围对胎儿的生长发育做出评价。
S6.检测方法进行单次检测后，将检测数据建档储存，然后收集并分析怀孕各时期胎儿的生长发育趋势。
本实施例利用三维重建模型，从形态学角对度胎儿及胎儿各器官的空间分布情况、形态、大小做进一步分析，从定性的角度，为胎儿生长发育进行参考和分析。
胎儿脏器生长发育参考范围为：
本发明的具体实施例进行了详细描述，但其只是作为范例，本发明并不等同于以上描述的具体实施例。对于本领域技术人员而言，任何对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，不脱离本发明的精神和范围下所做的均等变换和修改，都应涵盖在本发明的范围内。
Claims (6)
1.一种基于智能化的胎儿生长发育检测方法，其特征在于，包括如下步骤：
S1.使用MRI设备对孕妇进行扫描检查，得到胎儿及胎儿各器官的MRI薄层数据；
S2.利用MRI薄层数据基于灰度识别技术对胎儿及胎儿各器官进行三维重建；
S3.利用三维重建数据获得胎儿及胎儿各器官的体积数据；
S4.分别计算胎儿各器官与胎儿自身体积的比值；
S5.根据胎儿各器官与胎儿自身体积的比值以及胎儿脏器生长发育参考范围，智能分析出胎儿各个重要器官的生长发育情况，形成胎儿的生长发育检测结果，依据检测结果对胎儿的生长发育作出评价。
2.根据权利要求1所述的一种基于智能化的胎儿生长发育检测方法，其特征在于，所述胎儿各器官包括：大脑、肝脏、肺部、心脏及胎盘。
3.根据权利要求2所述的一种基于智能化的胎儿生长发育检测方法，其特征在于，所述胎儿脏器生长发育参考范围为：
4.根据权利要求1所述的一种基于智能化的胎儿生长发育检测方法，其特征在于，S4中所述比值由计算机自动计算所得，并根据计算出的比值自动与胎儿脏器生长发育参考范围比较，然后自动生成胎儿的生长发育检测结果。
5.根据权利要求1所述的一种基于智能化的胎儿生长发育检测方法，其特征在于，使用所述检测方法进行单次检测后，将检测数据建档储存，然后收集并分析怀孕各时期胎儿的生长发育趋势。
6.根据权利要求1所述的一种基于智能化的胎儿生长发育检测方法，其特征在于，所述检测方法利用三维重建模型，从形态学角对度胎儿及胎儿各器官的空间分布情况、形态、大小做进一步分析，从定性的角度，为胎儿生长发育进行参考和分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110378459.5A CN113040746A (zh) | 2021-04-08 | 2021-04-08 | 一种基于智能化的胎儿生长发育检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110378459.5A CN113040746A (zh) | 2021-04-08 | 2021-04-08 | 一种基于智能化的胎儿生长发育检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113040746A true CN113040746A (zh) | 2021-06-29 |
Family
ID=76519084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110378459.5A Pending CN113040746A (zh) | 2021-04-08 | 2021-04-08 | 一种基于智能化的胎儿生长发育检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113040746A (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197550A (zh) * | 2021-04-30 | 2021-08-03 | 北京大学第三医院（北京大学第三临床医学院） | 一种双胎生长发育标准曲线构建的方法 |
-
2021
- 2021-04-08 CN CN202110378459.5A patent/CN113040746A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197550A (zh) * | 2021-04-30 | 2021-08-03 | 北京大学第三医院（北京大学第三临床医学院） | 一种双胎生长发育标准曲线构建的方法 |
Non-Patent Citations (9)
| Title |
|---|
| 任婧雅等: "MRI定量评估胎儿脑体积", 《中国医学影像技术》 * |
| 刘萍等: "基于MRI的在体足月胎儿体表数字化三维模型的构建", 《中国医学影像学杂志》 * |
| 朱晓红等: "胎儿肺发育不良的MRI表现", 《放射学实践》 * |
| 熊春梅等: "正常胎儿标本肾脏体积与胎龄相关性的磁共振研究", 《医学影像学杂志》 * |
| 童放等: "超声对胎儿生长体积参数的研究进展", 《临床超声医学杂志》 * |
| 胡坚等: "《微创肺段手术学》", 31 August 2019 * |
| 胡章芳等: "《MATLAB仿真及其在光学课程中的应用（第3版）》", 31 August 2020 * |
| 陆媛媛等: "三维多平面切面法自动评估胎儿脑部发育的可行性研究", 《中国医学计算机成像杂志》 * |
| 魏新红: "正常胎儿肺体积及发育的MRI评估", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Artificial intelligence in obstetric ultrasound: an update and future applications | |
| JP7044796B6 (ja) | 卵胞の数及びサイズの決定 | |
| US7783095B2 (en) | System and method for fetal biometric measurements from ultrasound data and fusion of same for estimation of fetal gestational age | |
| JP2016531709A (ja) | 疾患を診断するための画像解析技術 | |
| Coelho Neto et al. | True Reproducibility of UltraSound Techniques (TRUST): systematic review of reliability studies in obstetrics and gynecology | |
| Sarno et al. | Use of artificial intelligence in obstetrics: not quite ready for prime time | |
| He et al. | Artificial intelligence in prenatal ultrasound diagnosis | |
| CN111374712B (zh) | 一种超声成像方法及超声成像设备 | |
| KR20130023735A (ko) | 장기 모델 영상 생성 방법 및 장치 | |
| JPWO2012074039A1 (ja) | 医用画像処理装置 | |
| Alnuaimi et al. | Fetal cardiac doppler signal processing techniques: challenges and future research directions | |
| Yaqub et al. | Automatic detection of local fetal brain structures in ultrasound images | |
| Diniz et al. | Deep learning strategies for ultrasound in pregnancy | |
| CN111481233B (zh) | 胎儿颈项透明层厚度测量方法 | |
| Hawkes et al. | Uterine artery pulsatility and resistivity indices in pregnancy: comparison of MRI and Doppler US | |
| CN115760851B (zh) | 一种基于机器学习的超声图像数据处理设备、系统及计算机可读存储介质 | |
| WO2021120065A1 (zh) | 解剖结构的自动测量方法和超声成像系统 | |
| Casciaro et al. | Automatic evaluation of progression angle and fetal head station through intrapartum echographic monitoring | |
| CN113040746A (zh) | 一种基于智能化的胎儿生长发育检测方法 | |
| Yang et al. | An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study | |
| WO2023133929A1 (zh) | 一种基于超声的人体组织对称性检测分析方法 | |
| CN111862014A (zh) | 一种基于左右侧脑室分割的alvi自动测量方法及装置 | |
| Zhang et al. | Advances in the Application of Artificial Intelligence in Fetal Echocardiography | |
| US20230281803A1 (en) | A system for visual data analysis of ultrasound examinations with and without a contrast medium, for early automated diagnostics of pancreatic pathologies | |
| Benjamin et al. | Comparative analysis of image based uterus fibroid detection and classification using deep learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |