南方医科大学学报

作者：郑子瑜, 杨夏颖, 吴圣杰, 张诗婕, 吕国荣, 柳培忠, 王珺, 何韶铮

单位：1.华侨大学信息化建设与管理处，福建 泉州 362021；2.华侨大学工学院，福建 泉州 362021；3.福建医科大学附属第二医院超声科，福建 泉州 362000；4.泉州医学高等专科学校附属人民医院妇产科，福建 泉州 362018

关键词：产时超声,胎方位,深度学习,注意力机制,

基金：福建省科技创新联合资金项目资助(2024Y9392);福建省科技创新联合资金项目资助(2024Y9386);福建省科技创新联合资金项目资助(2024Y9435)

目的 探讨多特征融合的产时超声胎方位智能分析模型在提高分娩过程中胎方位分类准确性方面的应用效果。 方法 本研究提出模型由输入、骨干网络和分类头3部分组成。输入部分进行数据增强，以提高样本质量和模型的泛化能力；主干部分进行特征提取，在Yolov8的基础上结合了CBAM、ECA、PSA注意力机制和AIFI特征交互模块，以提升特征提取效率和模型性能；分类头由卷积层和softmax函数组成，输出最终各个类别的概率值。用医生对关键器官（眼睛，脸部，头部，丘脑，脊柱）进行画框标注后的图像用于训练，以提高对枕前、枕后和枕横方位的分类准确性。 结果 实验结果表明，本文提出的模型在胎方位分类任务中表现出色，准确率（ACC）达到了0.984，PR曲线下面积即平均精确度（PR-AUC）为0.993，特征曲线下面积（ROC-AUC）为0.984，kappa一致性检验分数为0.974，该深度学习模型表现出了非常好的性能，模型预测结果和实际类别一致。 结论 本研究提出的多特征融合模型能够高效、准确地分类产时超声图像中的胎方位，为临床提供可靠的辅助工具。

来源：2025年第7期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2025年第7期