期刊简介
本刊是全国生物医学工程工作人才沟通学术思想、交流学术经验的园地。报道有创造性的最新科研论文和研究简讯。包括学科有：人工器官和生物医用材料，生物效应，生物信息与控制；生物力学；生物医学仪器；中医工程；临床工程等。读者对象是国内外生物医学工程学工作者、医务工作者以及其他从事自然科学研究和有关工程技术人员。
往期目录
-
1994
-
1998
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
首页>中国生物医学工程学报杂志
- 杂志名称：中国生物医学工程学报杂志
- 主管单位：中国科学技术协会
- 主办单位：中国生物医学工程学会
- 国际刊号：0258-8021
- 国内刊号：11-2057/R
- 出版周期：双月刊
期刊荣誉：中国期刊全文数据库(CJFD)期刊收录：医学文摘, 万方收录(中), 统计源核心期刊(中国科技论文核心期刊), CSCD 中国科学引文数据库来源期刊(含扩展版), 文摘与引文数据库, 国家图书馆馆藏, 维普收录(中), 上海图书馆馆藏, SA 科学文摘(英), JST 日本科学技术振兴机构数据库(日), CA 化学文摘(美), 北大核心期刊(中国人文社会科学核心期刊), 知网收录(中)
基于深度学习的胎儿颜面部超声标准切面自动识别
余镇；吴凌云；倪东；陈思平；李胜利；汪天富；雷柏英
关键词：胎儿颜面部标准切面识别, 超声图像, 深度卷积网络, 迁移学习
摘要：在常规胎儿超声诊断过程中,精确识别出胎儿颜面部超声标准切面(FFSP)至关重要.传统方法是由医生进行主观评估,这种人工评判的方式不仅耗费时间精力,而且严重依赖操作者经验,所以结果往往不可靠.因此,临床超声诊断亟需一种FFSP自动识别方法.提出使用深度卷积网络识别FFSP,同时还分析不同深度的网络对于FFSP的识别性能.对于这些网络模型,采用不同的训练方式:随机初始化网络参数和基于ImageNet预训练基础网络的迁移学习.在研究中,数据采集的是孕周20～ 36周胎儿颜面部超声图像.训练集包括1 037张标准切面图像(轴状切面375张,冠状切面257张,矢状切面405张)以及3 812张非标准切面图像,共计4 849张;测试集包括792张标准切面图像和1 626张非标准切面图像,共计2 418张.后测试集实验结果显示,迁移学习的方法使得网络识别结果增加9.29％,同时当网络结构由8层增加至16层时,分类结果提升3.17％,深度网络对于FFSP分类高正确率为94.5％,相比之前研究方法的好结果提升3.66％,表明深度卷积网络能够有效地检测出FFSP,为临床自动FFSP检测方法打下研究基础.
友情链接