CN113855080A - 孕21-23周预测足月新生儿出生体重的方法 - Google Patents

孕21-23周预测足月新生儿出生体重的方法 Download PDF

Info

Publication number
CN113855080A
CN113855080A CN202111241454.4A CN202111241454A CN113855080A CN 113855080 A CN113855080 A CN 113855080A CN 202111241454 A CN202111241454 A CN 202111241454A CN 113855080 A CN113855080 A CN 113855080A
Authority
CN
China
Prior art keywords
fetus
newborn
fetal
weight
weeks
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
Application number
CN202111241454.4A
Other languages
English (en)
Inventor
杨芳
徐彩玲
廖淑欣
邱庭英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Hospital Southern Medical University
Original Assignee
Southern Hospital Southern Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Hospital Southern Medical University filed Critical Southern Hospital Southern Medical University
Priority to CN202111241454.4A priority Critical patent/CN113855080A/zh
Publication of CN113855080A publication Critical patent/CN113855080A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Abstract

本发明公开了一种孕21‑23周预测足月新生儿出生体重的方法，包括以下步骤，S1：建立新生儿体重预测模型；所述新生儿体重预测模型为EFW＝5016.51‑205.71×X1+16.30×X2+102.19×X3+86.64×X4，式中，EFW为新生儿预测体重，g；X1为超声检查时的准确孕周，X2为孕妇中孕期B超检查的身体质量指数，kg/m2；X3为超声检查时胎儿的部分大腿容积，cm3；X4为超声检查时胎儿的腹围，cm；S2：采集孕妇的孕周和孕妇妊娠前身体质量指数；S3：孕21‑23周胎儿二维超声测量胎儿腹围；S4：孕21‑23周胎儿三维超声测量胎儿的部分大腿容积；S5：将步骤S2‑S4中采集到的数据代入新生儿体重预测模型中，计算求得新生儿的预测体重。该方法能够提高足月新生儿出生体重预测的准确率，且将孕产妇管理提早到孕中期，科学改善妊娠结果。

Description

孕21-23周预测足月新生儿出生体重的方法
技术领域
本发明涉及新生儿出生体重预测技术领域，尤其涉及孕21-23周预测足月新生儿出生体重的方法。
背景技术
随着超声在产科临床中的广泛应用，分娩前结合各超声测量参数估计新生儿出生体重应用甚广。目前超声估测新生儿出生体重多与晚孕期临产前1-2周应用，不能从孕中期开始对孕妇进行科学的管理。而且孕晚期超声检查以二维超声测量居多，较少利用三维超声参数进行新生儿出生体重预测。传统的二维超声图像采集及成像系统，所提供的是胎儿某部位及切面下的二维图像，常见超声二维测量指标包括：双顶径、头围、腹围、股骨长、肱骨长等，二维超声测量重点考虑胎儿骨性结构和实质脏器大小等对胎儿体重的影响，但对于胎儿软组织计算的超声指标少，因此，二维超声估测胎儿体重效果欠佳。
三维超声成像系统的基本原理是将连续采集的动态二维切面图像经过计算机的一系列处理，并按照一定顺序排列重新组合成组织器官等解剖结构的三维图像，应用三维图像可以同时获得横断面、矢状面、冠状面图像的信息，能直观立体地展示胎儿结构、胎儿上臂和大腿，采集胎儿肢体容积数据，可使新生儿出生体重估计参数更加丰满合理。但是目前尚无在孕21-23周，使用二维、三维超声参数预测新生儿出生体重的新模型。
发明内容
针对上述存在的问题，本发明旨在提供一种孕21-23周预测足月新生儿出生体重的方法，能够在孕21-23周时对新生儿出生体重进行预测，使孕产妇管理提早到中孕期，改善妊娠结果；此外，使用二维、三维超声参数联合孕妇身体质量指数预测新生儿出生体重，可提高新生儿出生体重预测的准确性。
为了实现上述目的，本发明所采用的技术方案如下：
孕21-23周预测足月新生儿出生体重的方法，其特征在于，包括以下步骤，
S1：建立新生儿体重预测模型；所述新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4，式中，EFW为新生儿预测体重，单位为g；X1为超声检查时的准确孕周，X2为孕妇中孕期B超检查时的身体质量指数，单位为kg/m2；X3为超声检查时胎儿的部分大腿容积，单位为cm3；X4为超声检查时胎儿的腹围，单位为cm；
S2：采集孕妇临床信息；
S3：孕21-23周胎儿二维超声参数测量；
S4：孕21-23周胎儿三维超声参数测量；
S5：将步骤S2-S4中采集到的孕妇临床信息、胎儿二维超声参数信息和胎儿三维超声参数数据代入步骤S1中的新生儿体重预测模型中，计算求得新生儿的预测体重。
进一步的，步骤S1的具体操作包括，
S101：采集单胎妊娠周数为21-23周的孕妇指标、胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
S102：将步骤S101中采集的孕妇、胎儿和新生儿数据分为预测组和验证组；
S103：采用线性回归法对预测组中的孕妇指标和胎儿超声数据进行单因素线性回归分析，得出与新生儿出生体重显著相关的因素，即孕妇中孕期的身体质量指数、超声检查时胎儿的部分大腿容积以及超声检查时胎儿的腹围；
S104：将步骤S103中得出的与新生儿出生体重显著相关的因素，采用多元线性回归分析构建新生儿体重预测模型，得到新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4；
S105：使用验证组数据对步骤S104中构建出来的新生儿体重预测模型进行准确性和可行性的评估。
进一步的，步骤S101中所述的孕妇指标包括孕妇身高，妊娠前、妊娠周数为21-23周、分娩前的体重；胎儿二维超声数据包括双顶径、头围、腹围、股骨长、肱骨长、上臂中部周长和大腿中部周长；胎儿三维超声数据包括部分上臂容积和部分大腿容积。
进一步的，步骤S2中所述的孕妇临床信息包括孕妇的准确孕周和孕妇中孕期B超检查时的身体质量指数。
进一步的，孕妇的准确孕周采集方法包括以下步骤：
S201：根据孕妇的末次月经和B超检查时间计算停经周数；
S202：由早孕期NT超声测量的头臀长对末次月经进行纠正；孕周误差在1周内不予纠正末次月经，否则按照头臀长推算末次月经；
S203：根据步骤S202中得出的末次月经时间，计算得到准确孕周。
进一步的，步骤S3中所述的胎儿二维超声参数具体为胎儿腹围。
进一步的，步骤S3中胎儿腹围的测量方法具体为：超声探头于孕妇腹部顺胎儿长轴方向自头侧向足侧扫动，以显示腹部脏器，旋转探头90°，做垂直于胎儿脊柱的腹部圆形或椭圆形横切面扫描，此切面可显示胎儿腹壁和脊柱椎体横断面呈“品”字结构，还可显示胃泡、脐静脉与门静脉连接，不显示胎儿肾脏和胸腔脏器；胎儿腹围即为在垂直于胎儿脊柱的腹部圆形或椭圆形横切面上沿胎儿腹壁外侧缘取椭圆形标尺测量其周径所得。
进一步的，步骤S4中所述的胎儿三维超声参数具体为胎儿的部分大腿容积。
进一步的，步骤S4中胎儿的部分大腿容积的测量方法具体为：将胎儿股骨干完全置于采样框中，设置超声探头投射角度75°，静待胎儿未活动时按3D键截取大腿中间段50％的容积对应的图像，根据截取的图像计算胎儿的部分大腿容积数据；
胎儿的部分大腿容积数据计算方法具体为：利用4D view软件，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿股骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿股骨干中点正上方及正下方皮肤边缘，将图像放大至显示框2/3以上，识别股骨干两端外侧缘，系统自动获取胎儿大腿中间段50％的容积图像，获得胎儿大腿的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿大腿的皮肤的边缘，系统即可自动得出胎儿的部分大腿容积数据值，同样步骤描画2次，取部分大腿容积平均值作为胎儿的部分大腿容积。
本发明的有益效果是：
1、本发明中新生儿出生体重预测方法利用二维超声、三维超声结合孕妇身体质量指数和孕周建立了预测足月新生儿出生体重的新模型，首次将胎儿的部分大腿容积这一超声参数应用到新生儿出生体重的预测中，且经临床验证，本模型对新生儿出生体重预测的准确率在相对误差±10％的情况下能够达到70.29％。
2、本发明中新生儿出生体重预测方法针对的是孕周为21-23周，可根据预测结果对孕妇孕中期和晚期的饮食进行科学的管理和规划，使孕产妇管理提早到中孕期，科学改善妊娠结果。
附图说明
图1为本发明中胎儿腹围测量示意图。
图2为本发明中胎儿部分大腿容积测量示意图。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
孕21-23周预测足月(37周以后)新生儿出生体重的方法，包括以下步骤，
步骤S1：建立新生儿体重预测模型；所述新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4，式中，EFW为新生儿预测体重，单位为g；X1为超声检查时的准确孕周，X2为孕妇孕21-23周的身体质量指数，单位为kg/m2；X3为超声检查时胎儿的部分大腿容积(大腿中间段50％的容积)，单位为cm3；X4为超声检查时胎儿的腹围，单位为cm；
具体的，建立新生儿体重预测模型的操作包括以下步骤，
S101：采集单胎妊娠周数为21-23周的孕妇指标、胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
所述的孕妇指标包括孕妇身高，妊娠周数为21-23周、分娩前的体重；胎儿二维超声数据包括双顶径、头围、腹围、股骨长、肱骨长、上臂中部周长和大腿中部周长；胎儿三维超声数据包括部分上臂容积和部分大腿容积。
S102：将步骤S101中采集的孕妇、胎儿和新生儿数据分为预测组和验证组；在本实施例中，预测组包括700例，验证组包括313组。
S103：采用线性回归法对预测组中的孕妇指标和胎儿超声数据进行单因素线性回归分析，单因素回归分析结果显示，孕妇中孕期B超检查时身体质量指数BMI(体重/身高2)，中孕期超声检查孕周，中孕期胎儿部分大腿容积Tvol、中孕期胎儿腹围AC与新生儿出生体重有关(p≤0.05)；
S104：将步骤S103中得出的与新生儿出生体重显著相关的因素，采用多元线性回归分析构建新生儿体重预测模型；最终得出新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4，式中，EFW为新生儿预测体重，单位为g；X1为超声检查时的准确孕周，X2为中孕期孕妇的身体质量指数，单位为kg/m2；X3为超声检查时胎儿的部分大腿容积，单位为cm3；X4为超声检查时胎儿的腹围，单位为cm；
S105：使用验证组数据对步骤S104中构建出来的新生儿体重预测模型进行准确性和可行性的评估。
利用本发明中的新生儿体重预测模型预测新生儿出生体重范围为2698.6-3919.3g，出生体重平均值3187g，出生孕周37-41.3周，平均分娩孕周39.4周。体重预测绝对误差＝预测体重-实际体重(g)，体重预测相对误差＝(预测体重-实际体重)÷实际体重×100％，按此方法计算，验证组313例病例中，用该预测公式预测新生儿出生体重与实际出生体重绝对误差±250g以内有169例，预测准确率54％，相对误差±10％以内有220例，预测准确率70.29％，说明本发明中用于预测足月新生儿出生体重的预测模型是可行的。
进一步的，步骤S2：采集孕妇临床信息；
具体的，孕妇临床信息包括孕妇的准确孕周和孕妇中孕期B超检查时的身体质量指数。
孕妇的准确孕周采集方法包括以下步骤：
S201：根据孕妇的末次月经和B超检查时间计算停经周数；
S202：由早孕期NT超声测量的头臀长对末次月经进行纠正；孕周误差在1周内不予纠正末次月经，否则按照头臀长推算末次月经；
S203：根据步骤S202中得出的末次月经时间，计算得到准确孕周。
进一步的，步骤S3：孕21-23周胎儿二维超声参数测量；
具体的，胎儿二维超声参数具体为胎儿腹围，单位为cm。
胎儿腹围的测量方法具体为：超声探头于孕妇腹部顺胎儿长轴方向自头侧向足侧扫动，以显示腹部脏器，旋转探头90°，做垂直于胎儿脊柱的腹部圆形或椭圆形横切面扫描，此切面可显示胎儿腹壁和脊柱椎体横断面呈“品”字结构，还可显示胃泡、脐静脉与门静脉连接，不显示胎儿肾脏和胸腔脏器，胎儿腹围即为在垂直于胎儿脊柱的腹部圆形或椭圆形横切面上沿胎儿腹壁外侧缘取椭圆形标尺测量其周径所得，如附图1所示。
进一步的，步骤S4：孕21-23周胎儿三维超声参数测量；
具体的，胎儿三维超声参数具体为胎儿的部分大腿容积。
胎儿的部分大腿容积的测量方法具体为：将胎儿股骨干完全置于采样框中，设置超声探头投射角度75°，静待胎儿未活动时按3D键截取大腿中间段50％的容积对应的图像，根据截取的图像计算胎儿的部分大腿容积数据；
胎儿的部分大腿容积数据计算方法具体为：利用4D view软件，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿股骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿股骨干中点正上方及正下方皮肤边缘，将图像放大至显示框2/3以上，识别股骨干两端外侧缘，系统自动获取胎儿大腿中间段50％的容积图像，获得胎儿大腿的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿大腿的皮肤的边缘，如附图2所示，系统即可自动得出胎儿的部分大腿容积数据值，同样步骤描画2次，取部分大腿容积平均值作为胎儿的部分大腿容积
S5：将步骤S2-S4中采集到的孕妇临床信息、胎儿二维超声参数信息和胎儿三维超声参数数据代入步骤S1中的新生儿体重预测模型中，计算求得新生儿的预测体重。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.孕21-23周预测足月新生儿出生体重的方法，其特征在于，包括以下步骤，
S1：建立新生儿体重预测模型；所述新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4，式中，EFW为新生儿预测体重，单位为g；X1为超声检查时的准确孕周，X2为孕妇中孕期B超检查时的身体质量指数，单位为kg/m2；X3为超声检查时胎儿的部分大腿容积，单位为cm3；X4为超声检查时胎儿的腹围，单位为cm；
S2：采集孕妇临床信息；
S3：孕21-23周胎儿二维超声参数测量；
S4：孕21-23周胎儿三维超声参数测量；
S5：将步骤S2-S4中采集到的孕妇临床信息、胎儿二维超声参数信息和胎儿三维超声参数数据代入步骤S1中的新生儿体重预测模型中，计算求得新生儿的预测体重。
2.根据权利要求1所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于，步骤S1的具体操作包括，
S101：采集单胎妊娠周数为21-23周的孕妇指标、胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
S102：将步骤S101中采集的孕妇、胎儿和新生儿数据分为预测组和验证组；
S103：采用线性回归法对预测组中的孕妇指标和胎儿超声数据进行单因素线性回归分析，得出与新生儿出生体重显著相关的因素，即孕妇中孕期B超检查时的身体质量指数、超声检查时胎儿的部分大腿容积以及超声检查时胎儿的腹围；
S104：将步骤S103中得出的与新生儿出生体重显著相关的因素，采用多元线性回归分析构建新生儿体重预测模型，得到新生儿体重预测模型为EFW＝5016.51-205.71×X1+16.30×X2+102.19×X3+86.64×X4；
S105：使用验证组数据对步骤S104中构建出来的新生儿体重预测模型进行准确性和可行性的评估。
3.根据权利要求1所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于：步骤S101中所述的孕妇指标包括孕妇身高，妊娠前、妊娠周数为21-23周、分娩前的体重；胎儿二维超声数据包括双顶径、头围、腹围、股骨长、肱骨长、上臂中部周长和大腿中部周长；胎儿三维超声数据包括部分上臂容积和部分大腿容积。
4.根据权利要求1所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于：步骤S2中所述的孕妇临床信息包括孕妇的准确孕周和孕妇中孕期B超检查时的身体质量指数。
5.根据权利要求4所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于，孕妇的准确孕周采集方法包括以下步骤：
S201：根据孕妇的末次月经和B超检查时间计算停经周数；
S202：由早孕期NT超声测量的头臀长对末次月经进行纠正；孕周误差在1周内不予纠正末次月经，否则按照头臀长推算末次月经；
S203：根据步骤S202中得出的末次月经时间，计算得到准确孕周。
6.根据权利要求1所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于：步骤S3中所述的胎儿二维超声参数具体为胎儿腹围。
7.根据权利要求6所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于，步骤S3中胎儿腹围的测量方法具体为：超声探头于孕妇腹部顺胎儿长轴方向自头侧向足侧扫动，以显示腹部脏器；旋转探头90°，做垂直于胎儿脊柱的腹部圆形或椭圆形横切面扫描，此切面可显示胎儿腹壁和脊柱椎体横断面呈“品”字结构，还可显示胃泡、脐静脉与门静脉连接，不显示胎儿肾脏和胸腔脏器；胎儿腹围即为在垂直于胎儿脊柱的腹部圆形或椭圆形横切面上沿胎儿腹壁外侧缘取椭圆形标尺测量其周径所得。
8.根据权利要求1所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于，步骤S4中所述的胎儿三维超声参数具体为胎儿的部分大腿容积。
9.根据权利要求8所述的孕21-23周预测足月新生儿出生体重的方法，其特征在于，步骤S4中胎儿的部分大腿容积的测量方法具体为：将胎儿股骨干完全置于采样框中，设置超声探头投射角度75°，静待胎儿未活动时按3D键截取大腿中间段50％的容积对应的图像，根据截取的图像计算胎儿的部分大腿容积数据；
胎儿的部分大腿容积数据计算方法具体为：利用4D view软件，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿股骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿股骨干中点正上方及正下方皮肤边缘，将图像放大至显示框2/3以上，识别股骨干两端外侧缘，系统自动获取胎儿大腿中间段50％的容积图像，获得胎儿大腿的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿大腿的皮肤的边缘，系统即可自动得出胎儿的部分大腿容积数据值，同样步骤描画2次，取部分大腿容积平均值作为胎儿的部分大腿容积。
CN202111241454.4A 2021-10-25 2021-10-25 孕21-23周预测足月新生儿出生体重的方法 Pending CN113855080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111241454.4A CN113855080A (zh) 2021-10-25 2021-10-25 孕21-23周预测足月新生儿出生体重的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111241454.4A CN113855080A (zh) 2021-10-25 2021-10-25 孕21-23周预测足月新生儿出生体重的方法

Publications (1)

Publication Number Publication Date
CN113855080A true CN113855080A (zh) 2021-12-31

Family

ID=78997343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111241454.4A Pending CN113855080A (zh) 2021-10-25 2021-10-25 孕21-23周预测足月新生儿出生体重的方法

Country Status (1)

Country Link
CN (1) CN113855080A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117577331A (zh) * 2024-01-15 2024-02-20 北京大学第三医院（北京大学第三临床医学院） 一种个性化胎儿生长标准曲线的构建系统和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117577331A (zh) * 2024-01-15 2024-02-20 北京大学第三医院（北京大学第三临床医学院） 一种个性化胎儿生长标准曲线的构建系统和方法

Similar Documents

Publication Publication Date Title
Abuhamad et al. Obstetric and gynecologic ultrasound curriculum and competency assessment in residency training programs: consensus report
Papageorghiou et al. Ultrasound methodology used to construct the fetal growth standards in the INTERGROWTH‐21st Project
JP6118021B2 (ja) 超音波診断装置及び画像表示方法
Bethune et al. A pictorial guide for the second trimester ultrasound
EP1615565A1 (en) Method and apparatus for sonographic elastography of the cervix and uterine wall
Jiang et al. A fast 3-D ultrasound projection imaging method for scoliosis assessment
Huang et al. Scoliotic imaging with a novel double-sweep 2.5-dimensional extended field-of-view ultrasound
US20160180520A1 (en) Quantitative method for 3-d joint characterization
Chan et al. Volumetric (3D) imaging reduces inter‐and intraobserver variation of fetal biometry measurements
CN113855080A (zh) 孕21-23周预测足月新生儿出生体重的方法
CN110490855A (zh) 一种基于3d打印技术构建凶险性前置胎盘模型的方法
CN110812081A (zh) 一种智能化妇产科助产装置
Luo et al. A prenatal ultrasound scanning approach: one-touch technique in second and third trimesters
WO2023198118A1 (en) Method and apparatus for determining acetabulum-to-femoral-head distance
Grandjean et al. Prospective assessment of reproducibility of three-dimensional ultrasound for fetal biometry
Hur et al. Feasibility of three-dimensional reconstruction and automated measurement of fetal long bones using 5D Long Bone
von Kaisenberg et al. Fetal transabdominal anatomy scanning using standard views at 11 to 14 weeks' gestation
CN113855081B (zh) 孕37-42周预测足月新生儿出生体重的方法
CN111583219B (zh) 颅颌面软硬组织的分析方法及装置、电子设备
Henrich et al. Advantages of and applications for extended field-of-view ultrasound in obstetrics
Berg et al. Using three-dimensional difference maps to assess changes in scoliotic deformities
Shida et al. Heart position estimation based on bone distribution toward autonomous robotic fetal ultrasonography
Berger et al. A software program to measure the three-dimensional length of the spine from radiographic images: validation and reliability assessment for adolescent idiopathic scoliosis
CN110689792A (zh) 一种超声检查虚拟诊断培训系统及方法
CN114782375B (zh) 骨质密度测量方法、装置和设备

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