1、课题来源与背景： 出生缺陷给国家和个人带来极大负担，是世界性的重大卫生问题。超声是出生缺陷筛查的首选影像模式，对提高出生人口素质发挥了重要作用。但是，产前超声诊断尚面临以下挑战：（1）标准化程度低、用户差异大是超声诊断面临的首先挑战，使得大规模推广高水平的超声诊断极其困难。（2）产前超声诊断耗时长，效率低下。每次检查包含20-30个标准切面的探查及诊断，一般耗时在40分钟左右。（3）超声人才紧缺，导致产前诊断看病难等严重的社会问题。根据2017年国家卫计委年鉴资料，我国超声医生至少还有10万人的缺口。

    2、技术原理、技术创新与先进性、技术成熟度： 本项目长期致力于智能医学超声的理论方法、临床应用及产业转化的闭环研究，旨在通过人工智能方法的创新与应用，标准化和自动化超声扫查及诊断流程，有效提高超声诊断质量和效率，进而从根本上解决上述临床难题，具有重要的科学和临床意义，已引起国内外学术界和工业界的广泛关注和高度重视。具体而言，主要实现了以下创新技术： （1）于2011年在国际上首次提出动态影像中标准切面自动定位这一新的研究方向，并基于循环神经网络和多任务学习实现了动态影像中胎儿头围、腹围、股骨、肱骨等标准切面的自动定位，并已在临床应用，平均定位成功率为94.83%。标准切面自动定位论文的引用位居相关论文首位。 （2）基于深度卷积神经网络实现了胎儿头围、腹围、股骨长、肱骨长等生长参数的全自动精确测量，并已在临床应用，自动测量结果的正确率（自动测量结果与手动测量结果相对误差在5%以内）为94.06%。 （3）于2017年基于三维卷积神经网络和递归神经网络首次实现了胎儿、胎盘和羊毛膜腔的精确分割和容积生物参数的测量，DICE系数分别为0.88（胎儿），0.89（羊毛膜腔）和0.62（胎盘），并在人工智能医疗影像顶级学术会议MICCAI 2017上口头报告（录取率仅为3%）。 （4）于2019年在国际上首次提出基于强化学习实现三维超声中标准切面的自动定位，胎儿头部两个切面定位的平均角度偏差为9.4度，距离偏差平均为3毫米，并在人工智能医疗影像顶级学术会议MICCAI 2019上口头报告（录取率仅为3%）。此外，项目组还实现了三维超声腹部、股骨、肱骨、子宫等9个切面的自动定位及相应的生物参数测量。 （5）首次基于深度学习技术在国际上实现了胎儿头部及腹部超声图像的自动质量评估，与医生手动质量评估的一致性达到了90%以上。

    3、应用情况 ：深圳大学与深圳市妇幼保健院、超声设备龙头企业开立公司开展深入的产学研医合作，克服了临床应用存在的复杂性、实时性等巨大挑战，开发出国际首创的一键式智能产前超声系统，通过按1个键可以替代传统方法的14个步骤，同时实现标准切面定位和生长参数测量的自动化。该技术在深圳市妇幼保健院等13家医院进行了近10万人次的临床应用推广，技术检测和临床对比报告显示，标准切面定位及生物参数测量成功率超过94%，效率4倍于传统方法，产生了显著的社会效益。项目在开立公司实施的智能产前超声系统累计新增销售额13040万元，利润7640万元产生了显著的经济效益。

     4、获奖情况： 2019年获得深圳市科学技术进步奖一等奖。