买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：首都医科大学附属北京妇产医院

摘要：本发明提供了一种基于机器学习的胎儿肺脏超声影像成熟度预测方法、设备及系统，涉及智能医疗领域。所述方法包括：获取胎儿超声图像；对所述超声图像进行特征提取，得到图像特征，所述特征提取为：利用RPN在所述超声图像中生成候选区域，对所述候选区域基于全卷积网络进行分割得到全局特征图和局部特征图，对所述局部特征图采用注意力生成器调整权重分布得到加权的局部特征图，将所述加权的局部特征图与所述全局特征图进行拼接，得到所述图像特征；将所述图像特征输入机器学习模型中，预测胎儿肺脏成熟度。本发明采用先进的图像处理和机器学习技术，能够准确地评估和预测胎儿肺脏的成熟度，有重要的科研和临床价值。

主权项：1.一种基于机器学习的胎儿肺脏超声影像成熟度预测方法，其特征在于，所述方法包括：获取胎儿超声图像；对所述超声图像进行第一特征提取，即使用RPN在所述超声图像中生成候选区域，对所述候选区域基于全卷积网络进行分割得到全局特征图和局部特征图，对所述局部特征图采用注意力生成器调整权重分布得到加权的局部特征图，将所述加权的局部特征图与所述全局特征图进行拼接，得到第一图像特征；对所述超声图像进行第二特征提取，即采用结合纹理特征改进滤波过程的高斯滤波方法处理所述超声图像，得到第二图像特征；对所述超声图像进行第三特征提取，即采用CNN和Transformer集合模块混合模型对所述超声图像进行特征提取，得到第三图像特征；所述CNN和Transformer集合模块混合模型首先利用CNN提取所述超声图像的特征得到特征图，将所述特征图输入Transformer集合模块得到第三图像特征，所述Transformer集合模块包含数个Transformer单元，每个Transformer单元包括归一化层、多头自注意力层、多层感知机，所述归一化层对输入进行标准化；所述多头自注意力层提取序列中不同位置之间的关系，并将这些关系用于计算每个位置的权重；所述多层感知机用于将多头自注意力层中提取到的特征进行变换；所述得到第三图像特征的具体步骤包括：步骤1：将所述超声图像输入CNN进行特征提取得到第一特征图，所述特征提取是采用带空洞卷积的跳跃连接方法；步骤2：将部分第一特征图重塑为二维图像块进行线性投影，得到线性投影后的向量；步骤3：将所述线性投影后的向量输入Transformer集合模块，得到第二特征图；步骤4：将所述第一特征图与第二特征图进行特征融合，得到第三图像特征；将所述第一图像特征、第二图像特征和第三图像特征进行特征融合，得到第四图像特征；将所述第四图像特征输入机器学习模型中，预测胎儿肺脏成熟度。

全文数据：

权利要求：

百度查询： 首都医科大学附属北京妇产医院 基于机器学习的胎儿肺脏超声影像成熟度预测方法