1.课题来源与背景：本课题由国家自然科学基金委员会资助，项目名称：胎儿颜面部三维超声标准切面自动提取方法研究，资助经费：22万元，课题编号：61101026。胎儿颜面部畸形是常见的三大出生缺陷之一。超声检查作为产前缺陷儿筛查的首选影像检查方法，标准切面的定位是其关键步骤之一。在目前的超声产前诊断中，标准切面的定位高度依赖于操作者的技巧，标准化水平低。本课题融合超声图像处理、计算机视觉和机器学习理论，提出一种从三维超声图像中自动提取胎儿颜面部标准切面的新方法：1）研究能反映胎儿颜面部超声图像本质信息的特征提取方法，利用张量分解理论对高维特征向量降维，提高分类器训练和在线检测的效率与性能；2）研究具有较强分类能力和运算效率的 Ada-SVM 树模型，有效解决分类器的过拟合问题；3）研究半监督学习模型，充分利用未标注数据，降低医生手动标注的工作量；4）结合先验知识和边缘空间模型，研究三维空间快速搜索策略，提高在线检测速度和鲁棒性。本研究的开展将推动三维超声技术在产前超声诊断中的应用，对于提高产前诊断与畸形儿筛查的水平，提高我国出生人口素质有重要意义。

    2.技术原理及性能指标：（1）研究能反映三维超声中胎儿颜面部标准切面本质信息的特征提取方法和降维方法，提高分类器训练和在线检测的效率与性能；（2）研究对于目标和背景具有较强判别能力、需要较少已标注训练数据的学习模型，有效解决分类器的过拟合问题，减轻医生的工作量；（3）利用边缘空间模型，结合先验知识机制，研究三维空间快速搜索策略，提高在线检测的速度和鲁棒性。

    3.技术的创造性与先进性：（1）在国际上首次提出一种超声图像中胎儿标准切面自动提取的通用方法，我们提出一种基于深度学习和知识转移的新方法，可表征胎儿标准切面复杂表观的特征，克服标准切面类内差异大，类间差异小的挑战。该方法在不同类型的标准切面的自动检测上均取得了高精度。该方法在医学图象顶级会议 MICCAI 和机器学习顶级会议 NIPS 上均引起众多专家注意看，并获得好评。（2）在国际上首次提出一种基于径向组元模型和选择性搜索的胎儿腹围自动检测方法。该方法获得多个国际知名学者的好评（包括英国牛津大学 Alison Nobel 教授、加拿大西安大略大学 Aron Fenster 教授等），在投稿到期刊 Ultrasound in Medicine and Biology 的评审中，被评审者评为是 Excellent 的工作。（3）在国际上首次提出胎儿颜面部自动校对多个基准标准切面导航系统，根据颜面部解剖结构：双眼球、鼻骨和 face profile line, 建立颜面部新的三维空间参考坐标系。实验结果表明正中矢状、水平横切面和面额冠状切面三个基准标准切面的角度误差在 2.541 度-4.601 度之间。（4）提出一种基于 DSIFT 特征提取与 SVM 分类方法的胎儿颜面部标准切面自动提取方法，该方法可以达到 93.27%的识别精度。（5）提出了标准切面中胎儿头围与腹围的自动测量方法，头围自动测量结果与国际竞赛（ISBI 2012Challenge）结果相比，精度处于竞赛成绩前列，但是检测速度大大提高（第一、二名速度为 5 分/帧和 196 秒/帧，而我们方法仅为 1秒/帧）。

    4.存在的问题：本项目前期存在的问题主要在于三维超声数据的采集，因为三维超声数据在临床医学超声设备上一般是加密的。项目组通过与深圳迈瑞医疗电子股份有限公司合作，获得了解密的三维超声数据，项目从而得到了顺利实施。本项目属于计算机科学与医学影像的结合，而计算机科学的研究主要依赖于人力，因此希望在资金预算中可增加劳务费比例，聘请高水平博士后加入到课题中，使得项目能够取得更多国际一流的科研成果。同时，项目组深深体会到医工结合的重要性，希望自然科学基金委能够鼓励医工结合项目的开展。