切换至 "中华医学电子期刊资源库"

中华医学超声杂志(电子版) ›› 2020, Vol. 17 ›› Issue (11) : 1061 -1069. doi: 10.3877/cma.j.issn.1672-6448.2020.11.003

所属专题: 妇产科超声影像学 产前超声 文献 妇产科超声

妇产科超声影像学

新型智能产前超声技术在中晚孕期产前超声检查中的应用价值
罗丹丹1, 文华轩1, 彭桂艳1, 林毅1, 廖伊梅1, 梁美玲1, 秦越1, 曾晴1, 党静2, 李胜利1,()   
  1. 1. 518028 深圳,南方医科大学附属深圳妇幼保健院超声科
    2. 518057 深圳开立生物医疗科技股份有限公司
  • 收稿日期:2019-11-12 出版日期:2020-11-01
  • 通信作者: 李胜利
  • 基金资助:
    国家重点研发计划(2018YFC1002202); 国家自然科学基金(81771598); 深圳市科技计划项目(JCYJ20170307091013214)

Value of smart fetus technique in prenatal ultrasound examination during the second and third trimesters

Dandan Luo1, Huaxuan Wen1, Guiyan Peng1, Yi Lin1, Yimei Liao1, Meiling Liang1, Yue Qin1, Qing Zeng1, Jing Dang2, Shengli Li1,()   

  1. 1. Department of Ultrasound, Affiliated Shenzhen Maternity & Child Healthcare Hospital, Southern Medical University, Shenzhen 518028, China
    2. SonoScape Medical Corp., Shenzhen 518057, China
  • Received:2019-11-12 Published:2020-11-01
  • Corresponding author: Shengli Li
  • About author:
    Corresponding author: Li Shengli, Email:
引用本文:

罗丹丹, 文华轩, 彭桂艳, 林毅, 廖伊梅, 梁美玲, 秦越, 曾晴, 党静, 李胜利. 新型智能产前超声技术在中晚孕期产前超声检查中的应用价值[J]. 中华医学超声杂志(电子版), 2020, 17(11): 1061-1069.

Dandan Luo, Huaxuan Wen, Guiyan Peng, Yi Lin, Yimei Liao, Meiling Liang, Yue Qin, Qing Zeng, Jing Dang, Shengli Li. Value of smart fetus technique in prenatal ultrasound examination during the second and third trimesters[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2020, 17(11): 1061-1069.

目的

探讨新型智能产前超声技术(SF)技术包括标准切面自动识别与获取(SFDA)技术和生长参数自动测量(SFM)技术的临床使用价值。

方法

使用SF技术和传统超声技术对2018年8月至2019年1月南方医科大学附属深圳妇幼保健院妊娠16~41周正常连续单胎1005例进行丘脑水平横切面(A)、上腹部水平横切面(B)和股骨长轴切面(C)3个标准切面的识别与获取,测量双顶径(BPD)、头围(HC)、腹围(AC)和股骨长(FL)4个生长参数。另选择60例胎儿进行2种技术观察者内和观察者间重复性测量分析;运用Wilcoxon带符号秩检验比较2种技术进行切面识别与获取以及参数测量所需的时间;使用组内相关系数评价传统超声与SF技术测量的一致性,并评价SF技术切面获取及生长参数测量的准确率。

结果

与传统超声技术相比,SF技术测量的重复性更好。使用SF与传统技术测量4个生长参数的组内相关系数分别为0.998、0.995、0.998、0.998。通过判定,使用SF技术识别与获取标准切面A、B和C成功率分别为98.00%、99.10%和99.60%,测量BPD、HC、AC和FL成功率分别为100%、100%、99.60%和100%。无论是同时进行切面自动识别、获取与参数测量,还是单独进行参数测量时,SF技术明显比传统技术用时短[21.26(5.24)s vs 52.24(14.90)s;2.78(0.66)s vs 35.70(8.25)s],差异均具有统计学意义(Z=-27.366、-27.352,P均<0.001)。

结论

SF技术可自动化、智能化识别、获取胎儿超声3个标准切面,并对4个生长参数进行自动化测量,该技术在切面识别与获取的成功率和生长参数自动测量的准确性高,并可极大地减少标准切面获取及测量的时间,是一项智能、精准、高效的产前超声检查技术。

Objective

To evaluate the clinical value of smart fetus (SF) technique, which includes smart fetus distinguishment and acquirement (SFDA) technique and smart fetus measurement (SFM) technique.

Methods

One thousand and five normal single fetuses between 16 and 41 weeks were selected at Affiliated Shenzhen Maternity & Child Healthcare Hospital, Southern Medical University from August 2018 to January 2019. The standard sections, including transverse section of the thalamus (A), transverse section of the abdomen (B), and longitudinal section of the femur (C) were obtained and growth parameters, including biparietal diameter (BPD), head circumference (HC), abdominal circumference (AC), and femur length (FL) were measured by the SF and traditional technique, separately. Sixty fetuses were selected and measured for intra- and inter-observer repeatability analyses. Wilcoxon signed rank test was used to compare the time required for section and parameter acquirement; intraclass correlation coefficients were calculated to evaluate the agreement between the two techniques, and the accuracy of SF technique for section acquisition and growth parameter measurement was evaluated.

Results

Compared with traditiond technique, the SF had a better intra- and inter-observer agreements. The intraclass correlation coefficients of the four growth parameters were 0.998, 0.995, 0.998, and 0.998, separately. According to the expert judgement, the successful rates of sections A, B, and C acquirement by SFDA technique were 98.0%, 99.1%, and 99.6%, separately, and the accuracy for BPD, HC, AC, and FL measurement was 100%, 100%, 99.5%, and 100%, separately. The times required to obtain sections and parameters or just make the measurements by SF were both shorter than those by the traditional technique [21.26 (5.24) s vs 52.24 (14.90) s, Z=-27.366, P<0.001; 2.78 (0.66) s vs 35.70 (8.25) s, Z=-27.352, P<0.001].

Conclusion

SF technique is an automatic and intelligent technique for fetal standard section acquirement and growth parameter measurement, having a very high successful rate for standard sections acquirement and extremely high accuracy for fetal growth parameter measurement. Furthermore, it can greatly reduce the amount of time required for prenatal ultrasound examination, representing an efficient and reliable technique in prenatal ultrasound examination.

图1 传统超声技术与SFDA技术识别、获取与测量的标准切面。图a为传统超声技术获取的丘脑水平横切面及双顶径、头围测量;图b为SFDA技术识别与获取的丘脑水平横切面及双顶径、头围测量;图c为传统超声技术获取的上腹部横切面及腹围测量;图d为SFDA技术识别与获取的上腹部横切面及腹围测量;图e为传统超声技术获取的股骨长轴切面及股骨长测量;图f为SFDA技术识别与获取的股骨长轴切面及股骨长测量;SFDA为标准切面自动识别与获取技术
图2 2操作者使用生长参数自动测量技术对同一标准切面生长参数重复测量的Bland-Altman散点图。图a是对同一丘脑水平横切面进行双顶径测量;图b是对同一丘脑水平横切面进行头围测量;图c是对同一上腹部水平横切面进行腹围测量;图d是对同一股骨长轴切面进行股骨长测量
图3 同一操作者使用传统技术对同一标准切面生长参数重复测量的Bland-Altman散点图。图a是对同一丘脑水平横切面进行双顶径测量;图b是对同一丘脑水平横切面进行头围测量;图c是对同一上腹部水平横切面进行腹围测量;图d是对同一股骨长轴切面进行股骨长测量
图4 2操作者使用传统技术对同一标准切面生长参数重复测量的Bland-Altman散点图。图a是对同一丘脑水平横切面进行双顶径测量;图b是对同一丘脑水平横切面进行头围测量;图c是对同一上腹部水平横切面进行腹围测量;图d是对同一股骨长轴切面进行股骨长测量
表1 传统超声技术与SFDA技术所需时间比较[s,MQR)]
表2 传统超声技术与SFM技术所需时间比较[s,MQR)]
图5 标准切面自动识别与获取(SFDA)技术与传统技术对生长参数测量结果的Bland-Altman散点图。图a是对同一胎儿进行双顶径测量;图b是对同一胎儿进行头围测量;图c是对同一胎儿进行腹围测量;图d是对同一胎儿进行股骨长测量
表3 标准切面自动识别与获取技术(SFDA)各切面获取状况表[帧(%)]
表4 标准切面自动识别与获取技术(SFDA)生长参数测量情况表[切面数(%)]
表5 标准切面自动识别与获取技术非一次测量成功生长参数自动测量结果分析表
表6 生长参数自动测量技术(SFM)生长参数测量情况表[切面数(%)]
表7 生长参数自动测量技术(SFM)非一次测量成功生长参数自动测量结果分析表
1
李胜利,邓学东. 产前超声检查指南(2012) [J/CD]. 中华医学超声杂志(电子版), 2012, 9(7): 574-580.
2
李胜利. 对中国医师协会超声医师分会《产前超声检查指南(2012)》的深入解读 [J/CD]. 中华医学超声杂志(电子版), 2014, 11(4): 1-9.
3
李胜利,罗国阳. 胎儿畸形产前超声诊断学 [M]. 北京: 科学出版社, 2017: 11-26.
4
Salim I, Cavallaro A, Ciofolo-Veit C, et al. Evaluation of automated tool for two-dimensional fetal biometry [J]. Ultrasound Obstet Gynecol, 2019, 54(5): 650-654.
5
Espinoza J, Good S, Russell E, et al. Does the use of automated fetal biometry improve clinical work flow efficiency? [J]. J Ultrasound Med, 2013, 32(5): 847-850.
6
Yazdi B, Zanker P, Wanger P, et al. Optimal caliper placement: manual vs automated methods [J]. Ultrasound Obstet Gynecol, 2014, 43(2): 170-175.
7
孟璐,王冰,解丽梅,等. 自动容积导航技术获得胎儿颅脑切面及自动测量参数的可靠性和准确性 [J]. 中国医学影像技术, 2018, 34(11): 1672-1676.
8
Ambroise Grandjean G, Hossu G, Bertholdt C, et al. Artificial intelligence assistance for fetal head biometry: Assessment of automated measurement software [J]. Diagn Interv Imaging, 2018, 99(11): 709-716.
9
Rizzo G, Aiello E, Pietrolucci ME, et al. The feasibility of using 5D CNS software in obtaining standard fetal head measurements from volumes acquired by three-dimensional ultrasonography: comparison with two-dimensional ultrasound [J]. J Matern Fetal Neonatal Med, 2016, 29(14): 2217-2222.
10
Li J, Wang Y, Lei B, et al. Automatic fetal head circumference measurement in ultrasound using random forest and fast ellipse fitting [J]. IEEE J Biomed Health Inform, 2018, 22(1): 215-223.
11
Thomas JG, Jeanty P, Peters RA 2nd, et al. Automatic measurements of fetal long bones. A feasibility study [J]. J Ultrasound Med, 1991, 10(7): 381-385.
12
Pashaj S, Merz E, Petrela E. Automated ultrasonographic measurement of basic fetal growth parameters [J]. Ultraschall Med, 2013, 34(2): 137-144.
13
李璟,倪东,李胜利, 等. 超声图像中胎儿头围的自动测量 [J]. 深圳大学学报理工版, 2014, 31(5): 455-463.
14
郑末晶,王博源,丁红, 等. 基于图像处理测量超声图像中胎儿的生长发育指标 [J]. 中华生物医学工程杂志, 2018, 24(5): 342-346.
15
姜玉新,张运. 超声医学 [M]. 北京: 人民卫生出版社, 2016: 297.
[1] 武玺宁, 欧阳云淑, 张一休, 孟华, 徐钟慧, 张培培, 吕珂. 胎儿心脏超声检查在抗SSA/Ro-SSB/La抗体阳性妊娠管理中的应用[J]. 中华医学超声杂志(电子版), 2023, 20(10): 1056-1060.
[2] 杨水华, 何桂丹, 覃桂灿, 梁蒙凤, 罗艳合, 李雪芹, 唐娟松. 胎儿孤立性完全型肺静脉异位引流的超声心动图特征及高分辨率血流联合时间-空间相关成像的应用[J]. 中华医学超声杂志(电子版), 2023, 20(10): 1061-1067.
[3] 张梅芳, 谭莹, 朱巧珍, 温昕, 袁鹰, 秦越, 郭洪波, 侯伶秀, 黄文兰, 彭桂艳, 李胜利. 早孕期胎儿头臀长正中矢状切面超声图像的人工智能质控研究[J]. 中华医学超声杂志(电子版), 2023, 20(09): 945-950.
[4] 赵红娟, 赵博文, 潘美, 纪园园, 彭晓慧, 陈冉. 应用多普勒超声定量分析正常中晚孕期胎儿左心室收缩舒张时间指数[J]. 中华医学超声杂志(电子版), 2023, 20(09): 951-958.
[5] 张璟璟, 赵博文, 潘美, 彭晓慧, 毛彦恺, 潘陈可, 朱玲艳, 朱琳琳, 蓝秋晔. 胎儿超声心动图测量McGoon指数在评价胎儿肺血管发育中的应用[J]. 中华医学超声杂志(电子版), 2023, 20(08): 860-865.
[6] 旺久, 陈军, 朱霞, 米玛央金, 赵胜, 陈欣林, 李建华, 王双. 山南市妇幼保健院开展胎儿系统超声筛查的效果分析[J]. 中华医学超声杂志(电子版), 2023, 20(07): 728-733.
[7] 徐鹏, 李军, 高巍伦, 王峥, 庞珅, 李春妮, 朱霆. 快速旋转扫查法在胎儿超声心动图检查中的应用价值[J]. 中华医学超声杂志(电子版), 2023, 20(07): 761-766.
[8] 谭芳, 杨娇娇, 沈玉琴, 李炎菲海, 王海蕊, 范思涵, 纪学芹. 胎儿心脏定量分析技术对正常胎儿心脏形态及收缩功能的评价[J]. 中华医学超声杂志(电子版), 2023, 20(06): 598-604.
[9] 罗刚, 泮思林, 陈涛涛, 许茜, 纪志娴, 王思宝, 孙玲玉. 超声心动图在胎儿心脏介入治疗室间隔完整的肺动脉闭锁中的应用[J]. 中华医学超声杂志(电子版), 2023, 20(06): 605-609.
[10] 黄佳, 石华, 张玉国, 胡佳琪, 陈茜. 胎儿左头臂静脉正常与异常超声图像特征及其临床意义[J]. 中华医学超声杂志(电子版), 2023, 20(06): 610-617.
[11] 袁泽, 庄丽. 超声检测胎儿脐动脉和大脑中动脉血流对胎儿宫内窘迫的诊断价值[J]. 中华医学超声杂志(电子版), 2023, 20(06): 618-621.
[12] 唐玮, 何融泉, 黄素宁. 深度学习在乳腺癌影像诊疗和预后预测中的应用[J]. 中华乳腺病杂志(电子版), 2023, 17(06): 323-328.
[13] 李晓阳, 刘柏隆, 周祥福. 大数据及人工智能对女性盆底功能障碍性疾病的诊断及风险预测[J]. 中华腔镜泌尿外科杂志(电子版), 2023, 17(06): 549-552.
[14] 邢晓伟, 刘雨辰, 赵冰, 王明刚. 基于术前腹部CT的卷积神经网络对腹壁切口疝术后复发预测价值[J]. 中华疝和腹壁外科杂志(电子版), 2023, 17(06): 677-681.
[15] 雷漫诗, 邓锶锶, 汪昕蓉, 黄锦彬, 向青, 熊安妮, 孟占鳌. 人工智能辅助压缩感知技术在上腹部T2WI压脂序列中的应用[J]. 中华肝脏外科手术学电子杂志, 2023, 12(05): 551-556.
阅读次数
全文


摘要