CN113855081A - 孕37-42周预测足月新生儿出生体重的方法 - Google Patents

孕37-42周预测足月新生儿出生体重的方法 Download PDF

Info

Publication number
CN113855081A
CN113855081A CN202111241542.4A CN202111241542A CN113855081A CN 113855081 A CN113855081 A CN 113855081A CN 202111241542 A CN202111241542 A CN 202111241542A CN 113855081 A CN113855081 A CN 113855081A
Authority
CN
China
Prior art keywords
fetus
fetal
circumference
newborn
volume
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.)
Granted
Application number
CN202111241542.4A
Other languages
English (en)
Other versions
CN113855081B (zh
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 CN202111241542.4A priority Critical patent/CN113855081B/zh
Publication of CN113855081A publication Critical patent/CN113855081A/zh
Application granted granted Critical
Publication of CN113855081B publication Critical patent/CN113855081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Gynecology & Obstetrics (AREA)
  • Pregnancy & Childbirth (AREA)

Abstract

本发明公开了一种孕37‑42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＝357.642×PC1‑121.302×PC2+3233.567，其中，PC1＝0.688×XBPD+0.643×XHC+0.786×XAC+0.672×XHL+0.695×XFL+0.866×XTvol+0.809×XTmid+0.850×XAvol+0.808×XAmid；PC2＝0.347×XBPD+0.466×XHC+0.097×XAC+0.423×XHL+0.471×XFL‑0.350×XTvol‑0.393×XTmid‑0.339×XAvol‑0.393×XAmid；S2：孕37‑42周胎儿二维超声参数测量；S3：孕37‑42周胎儿三维超声参数测量；S4：将步骤S2和S3中测量到的胎儿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。该方法将胎儿二维超声数据和三维超声数据结合起来，能够提高足月新生儿出生体重预测的准确率。

Description

孕37-42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37-42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，且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。但是目前尚无在孕晚期使用二维超声参数结合三维超声参数预测新生儿出生体重的模型。
发明内容
针对上述存在的问题，本发明旨在提供一种孕37-42周预测足月新生儿出生体重的方法，在孕晚期使用二维超声参数结合三维超声参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37-42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＝357.642×PC1-121.302×PC2+3233.567，其中，
PC1＝0.688×XBPD+0.643×XHC+0.786×XAC+0.672×XHL+0.695×XFL+0.866×XTvol+0.809×XTmid+0.850×XAvol+0.808×XAmid；
PC2＝0.347×XBPD+0.466×XHC+0.097×XAC+0.423×XHL+0.471×XFL-0.350×XTvol-0.393×XTmid-0.339×XAvol-0.393×XAmid；
式中，EFW为新生儿预测体重，g；XBPD为超声检查时胎儿的双顶径，cm；XHC为超声检查时胎儿的头围，cm；XAC为超声检查时胎儿的腹围，cm；XHL为超声检查时胎儿的肱骨长，cm；XFL为超声检查时胎儿的股骨长，cm；XTvol为超声检查时胎儿的部分大腿容积，cm3；XTmid为超声检查时胎儿的大腿中部周长，cm；XAvol为超声检查时胎儿的部分上臂容积，cm3；XAmid为超声检查时胎儿的胎儿上臂中部周长，cm；
S2：孕37-42周胎儿二维超声参数测量；
S3：孕37-42周胎儿三维超声参数测量；
S4：将步骤S2和S3中测量到的胎儿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37-42周的胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
S102：将步骤S101中采集的胎儿超声数据和新生儿出生体重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；
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；
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S2中所述的胎儿二维超声参数包括胎儿的双顶径、头围、腹围、肱骨长、股骨长、大腿中部周长和上臂中部周长。
进一步的，胎儿的双顶径和头围的测量方法具体为：根据胎方位确定抬头位置，寻找通过胎儿丘脑的枕额方向的横切面，该切面下可显示大脑中线、丘脑、透明隔等结构，两边大脑半球对称，大脑镰居中，回声连续，仅中间部分被丘脑及透明隔隔开，双侧可见侧脑室及周围脑白质、大脑皮质，不可见小脑，同时可完整显示头颅的强回声椭圆环；双顶径：从一侧顶骨外侧缘到对侧顶骨内侧缘，测量其与中线垂直的最大径线即为双顶径，测量时声束垂直大脑中线；将椭圆形标尺沿颅骨环外缘放置，测量其周径即为头围。
进一步的，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，胎儿肱骨长和股骨长的测量方法具体为：超声显示胎儿纵轴和脊柱，以尾椎为支点旋转探头显示一侧髋骨，以髋骨为支点旋转探头显示股骨；同法在胸椎处旋转探头间一侧肩胛骨，以肩胛骨为支点旋转探头显示肱骨；
肱骨、股骨的长轴切面可清晰显示骨干两端骨化的干骺端，可见周围软组织和表皮，中央的肱骨、股骨为强回声长条形柱状结构，周围软组织回声较弱，横切面可见中央长骨横断面的强回声光斑和周围软组织的弱回声，测量长骨时测量其骨干全长，不包括两侧骨骺，测得长骨的长度即为对应的肱骨长或股骨长。
进一步的，胎儿大腿中部周长的测量方法具体为：超声探头与胎儿股骨平面垂直，股骨图像置于画面中间，自动截取股骨中部测量周长，得到胎儿大腿中部周长平面，测量时光标放置于胎儿股骨皮肤外侧缘，描画外侧缘距离，重复测量两次，取两次描画外侧缘距离的平均值为胎儿大腿中部周长；
胎儿上臂中部周长的测量方法具体为：超声探头与胎儿肱骨平面垂直，肱骨图像置于画面中央，自动截取肱骨中部测量周长，测量时光标放置于胎儿肱骨皮肤外侧缘，描画外侧缘距离；重复测量两次，取两次描画外侧缘距离的平均值为胎儿上臂中部周长。
进一步的，步骤S3中所述的胎儿三维超声参数包括胎儿的部分上臂容积和部分大腿容积。
进一步的，胎儿的部分上臂容积的测量方法具体为：将胎儿肱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键采集胎儿上臂肢体容积数据；
胎儿的部分上臂容积计算方法具体为：4D view软件上，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿肱骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿肱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，识别肱骨干两端外侧缘，系统自动获取胎儿上臂中间段50％的容积图像，获得胎儿上臂的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿上臂的皮肤的边缘，系统可自动得出胎儿上臂容积数据值，同样步骤描画2次，取上臂容积平均值作为胎儿的部分上臂容积。
进一步的，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键采集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：
本发明中新生儿出生体重预测方法针对的是孕周为37-42周，利用二维超声结合三维超声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和部分上臂容积这两个三维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±5％的情况下能够达到73.199％，而在相对误差±10％的情况下能够达到100％。
附图说明
图1为本发明中胎儿双顶径和头围测量示意图。
图2为本发明中胎儿腹围测量示意图。
图3为本发明中胎儿肱骨和股骨测量示意图。
图4为本发明中胎儿大腿中部周长测量示意图。
图5为本发明中胎儿上臂中部周长测量示意图。
图6为本发明中胎儿部分上臂容积测量示意图。
图7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37-42周预测足月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＝357.642×PC1-121.302×PC2+3233.567，其中，
PC1＝0.688×XBPD+0.643×XHC+0.786×XAC+0.672×XHL+0.695×XFL+0.866×XTvol+0.809×XTmid+0.850×XAvol+0.808×XAmid；
PC2＝0.347×XBPD+0.466×XHC+0.097×XAC+0.423×XHL+0.471×XFL-0.350×XTvol-0.393×XTmid-0.339×XAvol-0.393×XAmid；
式中，EFW为新生儿预测体重，g；XBPD为超声检查时胎儿的双顶径，cm；XHC为超声检查时胎儿的头围，cm；XAC为超声检查时胎儿的腹围，cm；XHL为超声检查时胎儿的肱骨长，cm；XFL为超声检查时胎儿的股骨长，cm；XTvol为超声检查时胎儿的部分大腿容积，cm3；XTmid为超声检查时胎儿的大腿中部周长，cm；XAvol为超声检查时胎儿的部分上臂容积，cm3；XAmid为超声检查时胎儿的胎儿上臂中部周长，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37-42周的胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
所述二维超声数据具体为：胎儿双顶径(BPD)、头围(HC)、腹围(AC)、肱骨长(HL)、股骨长(FL)，胎儿上臂中部周长(Amid)、大腿中部周长(Tmid)，数值均以单位厘米(cm)表示；
三维超声数据具体为：部分上臂容积Avol、部分大腿容积Tvol，单位立方厘米(cm3)；
S102：将步骤S101中采集的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600例，验证组包括597组。
S103：采用线性回归法对预测组中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(p≤0.05)，具体为：胎儿双顶径(BPD)、头围(HC)、腹围(AC)、肱骨长(HL)、股骨长(FL)，胎儿上臂中部周长(Amid)、大腿中部周长(Tmid)、胎儿肢体容积(部分上臂容积Avol、部分大腿容积Tvol)；
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；对相关性强的超声参数进行标准化转换，即Z转换，对所有超声变量Kwiser Meyer-Olkin检验，KMO值为0.861，表明变量相关性强，共同因素多，可用PCA(主成分分析)中的降维“因子分析”，将所有9个超声变量加入进行因子分析，选出特征值大于1的主成分，得出主成分PC1和PC2，新建数据按两个主成分分组，将两个主成分对应变量转换，计算变量，在因子分析“得分”时选择保存变量的回归以及显示因子得分系数矩阵，得到函数表达式为EFW＝357.642×PC1-121.302×PC2+3233.567，其中，
PC1＝0.688×XBPD+0.643×XHC+0.786×XAC+0.672×XHL+0.695×XFL+0.866×XTvol+0.809×XTmid+0.850×XAvol+0.808×XAmid；
PC2＝0.347×XBPD+0.466×XHC+0.097×XAC+0.423×XHL+0.471×XFL-0.350×XTvol-0.393×XTmid-0.339×XAvol-0.393×XAmid；
式中，EFW为新生儿预测体重，g；XBPD为超声检查时胎儿的双顶径，cm；XHC为超声检查时胎儿的头围，cm；XAC为超声检查时胎儿的腹围，cm；XHL为超声检查时胎儿的肱骨长，cm；XFL为超声检查时胎儿的股骨长，cm；XTvol为超声检查时胎儿的部分大腿容积，cm3；XTmid为超声检查时胎儿的大腿中部周长，cm；XAvol为超声检查时胎儿的部分上臂容积，cm3；XAmid为超声检查时胎儿的胎儿上臂中部周长，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。
利用验证组数据，结合本发明中的新生儿体重预测模型预测新生儿出生体重平均值3230.85g，平均分娩孕周39.11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597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相对误差±5％时预测准确率为73.199％，相对误差±10％时预测准确率为100％，预测组和验证组的人群特征比较数据如下表1所示，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。
表1 EFW模型预测组(n＝600)与验证组(n＝597)人群一般特征比较结果
Figure BDA0003319356310000081
进一步的，步骤S2：孕37-42周胎儿二维超声参数测量；
具体的，胎儿二维超声参数包括胎儿的双顶径、头围、腹围、肱骨长、股骨长、大腿中部周长和上臂中部周长。
胎儿的双顶径和头围的测量方法具体为：根据胎方位确定抬头位置，寻找通过胎儿丘脑的枕额方向的横切面，该切面下可显示大脑中线、丘脑、透明隔等结构，两边大脑半球对称，大脑镰居中，回声连续，仅中间部分被丘脑及透明隔隔开，双侧可见侧脑室及周围脑白质、大脑皮质，不可见小脑，同时可完整显示头颅的强回声椭圆环；双顶径：从一侧顶骨外侧缘到对侧顶骨内侧缘，测量其与中线垂直的最大径线即为双顶径，测量时声束垂直大脑中线；将椭圆形标尺沿颅骨环外缘放置，测量其周径即为头围，如附图1所示。
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沿胎儿腹壁外侧缘取椭圆形标尺测量其周径所得，如附图2所示。
胎儿肱骨长和股骨长的测量方法具体为：超声显示胎儿纵轴和脊柱，以尾椎为支点旋转探头显示一侧髋骨，以髋骨为支点旋转探头显示股骨；同法在胸椎处旋转探头间一侧肩胛骨，以肩胛骨为支点旋转探头显示肱骨；
肱骨、股骨的长轴切面可清晰显示骨干两端骨化的干骺端，可见周围软组织和表皮，中央的肱骨、股骨为强回声长条形柱状结构，周围软组织回声较弱，横切面可见中央长骨横断面的强回声光斑和周围软组织的弱回声，测量长骨时测量其骨干全长，不包括两侧骨骺，测得长骨的长度即为对应的肱骨长或股骨长，如附图3所示。
胎儿大腿中部周长的测量方法具体为：如附图4所示，超声探头与胎儿股骨平面垂直，股骨图像置于画面中间，自动截取股骨中部测量周长(如附图4中a部分所示)，得到胎儿大腿中部周长平面(如附图4中b部分所示)，测量时光标放置于胎儿股骨皮肤外侧缘，描画外侧缘距离(如附图4中c部分所示)，重复测量两次，取两次描画外侧缘距离的平均值为胎儿大腿中部周长；
胎儿上臂中部周长的测量方法具体为：如附图5所示，超声探头与胎儿肱骨平面垂直，肱骨图像置于画面中央，自动截取肱骨中部测量周长(如附图5中a部分所示)，得到胎儿上臂中部周长平面(如附图5中b部分所示)，测量时光标放置于胎儿肱骨皮肤外侧缘，描画外侧缘距离(如附图5中c部分所示)；重复测量两次，取两次描画外侧缘距离的平均值为胎儿上臂中部周长。
进一步的，步骤S3：孕37-42周胎儿三维超声参数测量；
具体的，胎儿三维超声参数包括胎儿的部分上臂容积和部分大腿容积。
胎儿的部分上臂容积的测量方法具体为：将胎儿肱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键采集胎儿上臂肢体容积数据；
胎儿的部分上臂容积计算方法具体为：4D view软件上，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿肱骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿肱骨干中点正上方及正下方皮肤边缘，如附图6所示，将图像放大至显示框2/3以上，识别肱骨干两端外侧缘，系统自动获取胎儿上臂中间段50％的容积图像，获得胎儿上臂的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿上臂的皮肤的边缘，系统可自动得出胎儿上臂容积数据值，同样步骤描画2次，取上臂容积平均值作为胎儿的部分上臂容积。
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键采集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，如附图7所示，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。
S4：将步骤S2和S3中测量到的胎儿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 (10)

1.孕37-42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＝357.642×PC1-121.302×PC2+3233.567，其中，
PC1＝0.688×XBPD+0.643×XHC+0.786×XAC+0.672×XHL+0.695×XFL+0.866×XTvol+0.809×XTmid+0.850×XAvol+0.808×XAmid；
PC2＝0.347×XBPD+0.466×XHC+0.097×XAC+0.423×XHL+0.471×XFL-0.350×XTvol-0.393×XTmid-0.339×XAvol-0.393×XAmid；
式中，EFW为新生儿预测体重，g；XBPD为超声检查时胎儿的双顶径，cm；XHC为超声检查时胎儿的头围，cm；XAC为超声检查时胎儿的腹围，cm；XHL为超声检查时胎儿的肱骨长，cm；XFL为超声检查时胎儿的股骨长，cm；XTvol为超声检查时胎儿的部分大腿容积，cm3；XTmid为超声检查时胎儿的大腿中部周长，cm；XAvol为超声检查时胎儿的部分上臂容积，cm3；XAmid为超声检查时胎儿的胎儿上臂中部周长，cm；
S2：孕37-42周胎儿二维超声参数测量；
S3：孕37-42周胎儿三维超声参数测量；
S4：将步骤S2和S3中测量到的胎儿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37-42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37-42周的胎儿二维超声数据、三维超声数据，以及相对应的新生儿出生体重；
S102：将步骤S101中采集的胎儿超声数据和新生儿出生体重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；
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；
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37-42周预测足月新生儿出生体重的方法，其特征在于：步骤S2中所述的胎儿二维超声参数包括胎儿的双顶径、头围、腹围、肱骨长、股骨长、大腿中部周长和上臂中部周长。
4.根据权利要求3所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，胎儿的双顶径和头围的测量方法具体为：根据胎方位确定抬头位置，寻找通过胎儿丘脑的枕额方向的横切面，该切面下可显示大脑中线、丘脑、透明隔等结构，两边大脑半球对称，大脑镰居中，回声连续，仅中间部分被丘脑及透明隔隔开，双侧可见侧脑室及周围脑白质、大脑皮质，不可见小脑，同时可完整显示头颅的强回声椭圆环；双顶径：从一侧顶骨外侧缘到对侧顶骨内侧缘，测量其与中线垂直的最大径线即为双顶径，测量时声束垂直大脑中线；将椭圆形标尺沿颅骨环外缘放置，测量其周径即为头围。
5.根据权利要求3所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，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沿胎儿腹壁外侧缘取椭圆形标尺测量其周径所得。
6.根据权利要求3所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，胎儿肱骨长和股骨长的测量方法具体为：超声显示胎儿纵轴和脊柱，以尾椎为支点旋转探头显示一侧髋骨，以髋骨为支点旋转探头显示股骨；同法在胸椎处旋转探头间一侧肩胛骨，以肩胛骨为支点旋转探头显示肱骨；
肱骨、股骨的长轴切面可清晰显示骨干两端骨化的干骺端，可见周围软组织和表皮，中央的肱骨、股骨为强回声长条形柱状结构，周围软组织回声较弱，横切面可见中央长骨横断面的强回声光斑和周围软组织的弱回声，测量长骨时测量其骨干全长，不包括两侧骨骺，测得长骨的长度即为对应的肱骨长或股骨长。
7.根据权利要求3所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，胎儿大腿中部周长的测量方法具体为：超声探头与胎儿股骨平面垂直，股骨图像置于画面中间，自动截取股骨中部测量周长，得到胎儿大腿中部周长平面，测量时光标放置于胎儿股骨皮肤外侧缘，描画外侧缘距离，重复测量两次，取两次描画外侧缘距离的平均值为胎儿大腿中部周长；
胎儿上臂中部周长的测量方法具体为：超声探头与胎儿肱骨平面垂直，肱骨图像置于画面中央，自动截取肱骨中部测量周长，测量时光标放置于胎儿肱骨皮肤外侧缘，描画外侧缘距离；重复测量两次，取两次描画外侧缘距离的平均值为胎儿上臂中部周长。
8.根据权利要求1所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，步骤S3中所述的胎儿三维超声参数包括胎儿的部分上臂容积和部分大腿容积。
9.根据权利要求8所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，胎儿的部分上臂容积的测量方法具体为：将胎儿肱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键采集胎儿上臂肢体容积数据；
胎儿的部分上臂容积计算方法具体为：4D view软件上，在A、B、C平面投影图上调整X、Y、Z轴，选择A为参考平面，识别胎儿肱骨干中点，根据B、C平面的提示，上下极分别调整定位于胎儿肱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，识别肱骨干两端外侧缘，系统自动获取胎儿上臂中间段50％的容积图像，获得胎儿上臂的5个切面，图像识别设置为septi模式，4Dview软件线下手动描画5个胎儿上臂的皮肤的边缘，系统可自动得出胎儿上臂容积数据值，同样步骤描画2次，取上臂容积平均值作为胎儿的部分上臂容积。
10.根据权利要求8所述的孕37-42周预测足月新生儿出生体重的方法，其特征在于，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键采集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。
CN202111241542.4A 2021-10-25 2021-10-25 孕37-42周预测足月新生儿出生体重的方法 Active CN113855081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111241542.4A CN113855081B (zh) 2021-10-25 2021-10-25 孕37-42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
CN202111241542.4A CN113855081B (zh) 2021-10-25 2021-10-25 孕37-42周预测足月新生儿出生体重的方法

Publications (2)

Publication Number Publication Date
CN113855081A true CN113855081A (zh) 2021-12-31
CN113855081B CN113855081B (zh) 2023-06-30

Family

ID=78997887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111241542.4A Active CN113855081B (zh) 2021-10-25 2021-10-25 孕37-42周预测足月新生儿出生体重的方法

Country Status (1)

Country Link
CN (1) CN113855081B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050251036A1 (en) * 2003-04-16 2005-11-10 Eastern Virginia Medical School System, method and medium for acquiring and generating standardized operator independent ultrasound images of fetal, neonatal and adult organs
EP1743581A1 (en) * 2005-07-11 2007-01-17 Esaote S.p.A. Method and system for foetal weight evaluation
CN102151149A (zh) * 2010-12-24 2011-08-17 深圳市理邦精密仪器股份有限公司 一种胎儿超声图像自动测量方法及系统
CN103239249A (zh) * 2013-04-19 2013-08-14 深圳大学 一种胎儿超声图像的测量方法
CN110738702A (zh) * 2019-05-22 2020-01-31 深圳度影医疗科技有限公司 一种三维超声图像的处理方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050251036A1 (en) * 2003-04-16 2005-11-10 Eastern Virginia Medical School System, method and medium for acquiring and generating standardized operator independent ultrasound images of fetal, neonatal and adult organs
EP1743581A1 (en) * 2005-07-11 2007-01-17 Esaote S.p.A. Method and system for foetal weight evaluation
CN102151149A (zh) * 2010-12-24 2011-08-17 深圳市理邦精密仪器股份有限公司 一种胎儿超声图像自动测量方法及系统
CN103239249A (zh) * 2013-04-19 2013-08-14 深圳大学 一种胎儿超声图像的测量方法
CN110738702A (zh) * 2019-05-22 2020-01-31 深圳度影医疗科技有限公司 一种三维超声图像的处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113855081B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
Abuhamad et al. Obstetric and gynecologic ultrasound curriculum and competency assessment in residency training programs: consensus report
EP1861016B1 (en) Method for acquiring and generating standardized operator independent ultrasound images of fetal organs
US10166002B2 (en) Ultrasonic bone motion tracking system
Bethune et al. A pictorial guide for the second trimester ultrasound
JP6118021B2 (ja) 超音波診断装置及び画像表示方法
JP5368615B1 (ja) 超音波診断システム
JPWO2010055816A1 (ja) 超音波診断装置、超音波診断装置の規格画像データ生成方法
Huang et al. Scoliotic imaging with a novel double-sweep 2.5-dimensional extended field-of-view ultrasound
CN113855080A (zh) 孕21-23周预测足月新生儿出生体重的方法
Chan et al. Volumetric (3D) imaging reduces inter‐and intraobserver variation of fetal biometry measurements
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
Sabirovna et al. BENEFITS OF ULTRASOUND EXAMINATION
WO2023198118A1 (en) Method and apparatus for determining acetabulum-to-femoral-head distance
CN113855081B (zh) 孕37-42周预测足月新生儿出生体重的方法
Hur et al. Feasibility of three-dimensional reconstruction and automated measurement of fetal long bones using 5D Long Bone
CN112634218B (zh) 一种基于横断位磁共振图像的腰椎肌肉测量方法
CN113907883A (zh) 一种耳侧颅底外科3d可视化手术导航系统及方法
Pretorius et al. Three-dimensional ultrasound in obstetrics
Deng et al. Detecting vertebra landmarks from ultrasound image using single shot multibox detector
CN110613481A (zh) 一种髋关节的成像方法以及髋关节成像系统
Omita et al. Sono-fetal tibial length evaluation as a predictor of gestational age: A case of Nigerian population
Abreu Barra et al. Specific three-dimensional display modes: 3D Cine, 4D, TUI, VCI, Omniview, SonoVCAD, and STIC
Quaresma et al. Development of a Mechanical Instrument to Evaluate Biomechanically the Spinal Column in Pregnant Women
RU2244511C2 (ru) Способ определения скелетотопических параметров при ультразвуковом исследовании органов шеи
Simonlehner New Method for 3D Ultrasound based Glenohumeral Joint Rotation Centre Measurement

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
GR01 Patent grant
GR01 Patent grant