陳彬，嚴雨霖，杜海雯，黃麗莉，陳穎，應(yīng)濤

(上海交通大學(xué)附屬第六人民醫(yī)院超聲科 上海市超聲醫(yī)學(xué)研究所，上海 200233)

超聲憑借其無輻射、廉價、便捷等優(yōu)勢成為目前產(chǎn)科檢查中應(yīng)用最廣泛的影像學(xué)檢查手段，可檢測整個妊娠周期母體變化和胎兒生長發(fā)育情況。一方面，超聲可在孕早期篩查出異常妊娠，以便臨床及時治療；另一方面，通過觀察胎兒的生長發(fā)育，篩查先天畸形，并對胎兒的發(fā)育進行評估，以為產(chǎn)婦分娩提供恰當(dāng)?shù)呐R床決策，從而使產(chǎn)婦和胎兒獲得最佳的產(chǎn)前準(zhǔn)備和妊娠結(jié)局[1]。然而，當(dāng)前產(chǎn)科超聲的實際運用仍存在一些問題，如需要測量的評價參數(shù)眾多、醫(yī)師工作量大、檢查時間長、經(jīng)驗依賴性強、測量評估的重復(fù)性差，因此需要進一步優(yōu)化產(chǎn)科超聲檢查，以提高診查效率[2]。

人工智能指通過模仿人類智能特征的計算機算法來解決問題或?qū)W習(xí)，其在識別、測算等特定領(lǐng)域具有比人類更快速、更準(zhǔn)確的完成任務(wù)的潛力[3]。近年來，隨著數(shù)學(xué)算法研究的不斷深入、大數(shù)據(jù)時代的來臨及5G技術(shù)的成熟與普及，機器能處理的數(shù)據(jù)量不斷提高，數(shù)據(jù)處理效率及傳輸速度劇增，人工智能領(lǐng)域飛速發(fā)展，其在醫(yī)學(xué)圖像識別與處理領(lǐng)域的優(yōu)勢也不斷顯現(xiàn)，并逐步運用于產(chǎn)科超聲[4]。通過構(gòu)建機器學(xué)習(xí)的各類模型，訓(xùn)練計算機“學(xué)習(xí)”圖像中的各種特征，從而實現(xiàn)胎兒結(jié)構(gòu)智能識別、參數(shù)自動測量以及生長發(fā)育智能輔助評估等功能[5-7]?，F(xiàn)就人工智能在產(chǎn)科超聲中的應(yīng)用進展予以綜述。

1 人工智能在產(chǎn)科超聲結(jié)構(gòu)識別中的應(yīng)用

圖像采集是產(chǎn)科超聲評估的基礎(chǔ)，采集的切面是否標(biāo)準(zhǔn)將會影響后續(xù)的判斷，但獲取最佳的評估切面往往依賴于超聲醫(yī)師的經(jīng)驗，而一些新手醫(yī)師明確標(biāo)準(zhǔn)切面則需要很長時間，且易直接在不具備測量或評估條件的超聲圖像上進行測量，導(dǎo)致測量誤差或造成不同程度的漏診。為此，研究者試圖構(gòu)建各種自動識別模型，以智能定位符合診斷標(biāo)準(zhǔn)的結(jié)構(gòu)或切面，實現(xiàn)圖像采集的標(biāo)準(zhǔn)化與便捷化。

1.1胎兒頭部結(jié)構(gòu)切面的自動識別 標(biāo)準(zhǔn)的胎兒顱腦評估切面是胎兒頭部參數(shù)準(zhǔn)確測量及顱腦發(fā)育評估的重要前提，智能識別胎兒頭部及其內(nèi)部結(jié)構(gòu)有利于實現(xiàn)標(biāo)準(zhǔn)化的圖像采集。近年來，隨著人工智能技術(shù)的不斷發(fā)展，多種深度學(xué)習(xí)算法被用于胎兒頭部標(biāo)準(zhǔn)切面的自動分割，且準(zhǔn)確性和一致性均較好[8]。Yaqub等[9]通過聯(lián)合多種深度學(xué)習(xí)算法逐步實現(xiàn)了大腦的準(zhǔn)確定位、包含感興趣結(jié)構(gòu)區(qū)域的檢測、感興趣區(qū)域內(nèi)標(biāo)準(zhǔn)切面的驗證，并能夠智能識別95%以上的胎兒顱腦評估切面。除智能識別頭部標(biāo)準(zhǔn)切面外，Yang等[10]通過聯(lián)合基于編碼器-解碼器的分割任務(wù)器及混合注意力機制，實現(xiàn)了對整個胎頭三維圖像的自動分割，不僅提高了運算性能，還增強了對于邊界的分割，其胎頭圖像分割準(zhǔn)確度可達96%以上。

1.2胎兒面部結(jié)構(gòu)切面的自動識別 超聲醫(yī)師主要通過眼軸平面、正中矢狀平面和鼻唇溝冠狀平面等胎兒面部標(biāo)準(zhǔn)切面觀察胎兒面部輪廓，并篩查唇腭裂等各種胎兒面部發(fā)育畸形[11]。然而，胎兒面部超聲檢查受其體位的影響較大，且其面部常被手、腳等遮擋，給超聲檢查帶來一定的困難，故胎兒面部標(biāo)準(zhǔn)切面的獲取對檢查醫(yī)師的經(jīng)驗依賴性較強。近年來，胎兒面部切面智能識別模型的開發(fā)有望解決上述問題。其中，一部分研究基于胎兒面部形態(tài)特征進行模型構(gòu)建，Lei等[12]通過底層特征和多層費希爾向量特征編碼來構(gòu)建完整的圖像特征，再聯(lián)合支持向量機分類器完成標(biāo)準(zhǔn)胎兒面部平面的準(zhǔn)確定位。隨后，余鎮(zhèn)等[13]憑借深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)強大的特征識別功能，結(jié)合遷移學(xué)習(xí)策略及數(shù)據(jù)增強技術(shù)，進一步提高了識別性能，對胎兒面部的識別率可達95%。另一部分研究則主要基于胎兒面部圖像的紋理特征實現(xiàn)模型的構(gòu)建，Wang等[14]提出了一種用于胎兒面部標(biāo)準(zhǔn)切面的自動識別和分類的紋理特征融合方法，通過提取圖像的紋理特征并采用支持向量機分類器進行預(yù)測分類，在保證胎兒面部標(biāo)準(zhǔn)切面自動識別準(zhǔn)確率的同時，解決了以往卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練困難、過程復(fù)雜、運算速度慢等問題。

1.3胎兒腹部結(jié)構(gòu)切面的自動識別 胎兒腹部標(biāo)準(zhǔn)切面的自動識別是進一步實現(xiàn)腹圍自動測量的基礎(chǔ)，然而胎兒腹部標(biāo)準(zhǔn)切面涉及結(jié)構(gòu)較多且腹圍邊緣對比度偏低，增加了腹部切面智能識別模型構(gòu)建的難度[15]。針對腹部輪廓提取的困難，早期研究結(jié)合基于邊緣、區(qū)域、形狀模型和變形模型4種圖像分割技術(shù)對腹部切面進行識別[16]。針對大樣本量腹部智能識別模型的需求，Chen等[17]通過構(gòu)建域轉(zhuǎn)移深度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)胎兒腹部標(biāo)準(zhǔn)切面的智能識別，并提出了一種遷移學(xué)習(xí)策略，從而減少訓(xùn)練樣本量小導(dǎo)致的過擬合。近年來，腹部標(biāo)準(zhǔn)切面智能識別模型常通過聯(lián)合多個卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建而成，通過不同的卷積神經(jīng)網(wǎng)絡(luò)分別實現(xiàn)腹部標(biāo)準(zhǔn)平面所在范圍的檢測、胎兒腹部標(biāo)準(zhǔn)切面關(guān)鍵結(jié)構(gòu)(胃泡、臍靜脈、膽囊等)的檢測、脊柱位置和骨骼區(qū)域的檢測、所得切面的驗證等，通過結(jié)合多種卷積神經(jīng)網(wǎng)絡(luò)，進一步優(yōu)化智能軟件的性能，提高胎兒腹部標(biāo)準(zhǔn)切面識別的準(zhǔn)確性，結(jié)果顯示，與人工操作獲得的結(jié)果基本相同[18-19]。

1.4胎兒心臟結(jié)構(gòu)切面的自動識別 人工智能對于胎兒心臟結(jié)構(gòu)或標(biāo)準(zhǔn)切面的智能識別是輔助診斷先天性心臟病等胎兒心臟異常的前提，早期心臟結(jié)構(gòu)的智能識別研究主要針對成人心臟，成人心臟的掃查部位相對固定，而胎兒心臟掃查位置可隨胎兒體位而改變，因此成人心臟智能模型并不適于胎兒心臟的智能識別[20]。隨著人工智能技術(shù)的不斷發(fā)展，尤其是深度學(xué)習(xí)的出現(xiàn)，研究者構(gòu)建出多種針對胎兒心臟的智能識別模型。在二維超聲心動圖中，編碼器-解碼器卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)對胎兒心臟圖像進行自動分割的效果與專家的判斷結(jié)果接近，在保證高度準(zhǔn)確分割結(jié)果的同時還具有很高的魯棒性[21]。Dong等[22]結(jié)合了兩個分類網(wǎng)絡(luò)和一個檢測網(wǎng)絡(luò)開發(fā)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的三步深度學(xué)習(xí)框架，分別用于執(zhí)行粗略分類、分類細化和解剖檢測的流程，與其他先進的檢測網(wǎng)絡(luò)相比，該模型對胎兒超聲心臟四腔心切面中的多個解剖結(jié)構(gòu)具有強大的實時檢測能力，能夠?qū)崿F(xiàn)實時切面智能質(zhì)量控制。隨著四維超聲檢查在胎兒心臟監(jiān)測中的應(yīng)用，針對胎兒四維超聲檢查數(shù)據(jù)的“智能導(dǎo)航”技術(shù)應(yīng)運而生，其通過自動識別胎位、心軸等實現(xiàn)四維模式下胎兒心臟結(jié)構(gòu)的自動切割、9個標(biāo)準(zhǔn)胎兒超聲心動圖切面的顯示、心臟評估參數(shù)的自動測量等，從而簡化四維模式下胎兒心臟檢查流程[23]。

2 人工智能在產(chǎn)科超聲參數(shù)測量中的應(yīng)用

胎兒生物特征參數(shù)(雙頂徑、頭圍、腹圍、股骨長度等)的準(zhǔn)確測量對于估計胎兒體重、胎齡以及檢測胎兒生長發(fā)育異常至關(guān)重要，胎兒生物特征參數(shù)的傳統(tǒng)手動測量非常耗時，并且測量結(jié)果的重復(fù)性較差。人工智能技術(shù)在智能識別胎兒結(jié)構(gòu)的基礎(chǔ)上，通過結(jié)合智能測量算法，實現(xiàn)胎兒生物特征參數(shù)的自動測量，以進一步優(yōu)化產(chǎn)科超聲工作流程。早期開發(fā)的用于自動測算胎兒生物特征參數(shù)的“半自動”模型雖然準(zhǔn)確性和一致性較好，但往往需要操作者對目標(biāo)參數(shù)范圍進行初始標(biāo)記，且模型設(shè)計較為冗雜、計算效率較低、對于計算機配置有一定需求[24]。隨著機器學(xué)習(xí)的迭代，“全自動”測量模型的構(gòu)建進一步提升了用戶的操作體驗，這種模型不需要操作者定位目標(biāo)范圍，且運算效率也有所提高[25]。

隨著深度學(xué)習(xí)的發(fā)展，智能模型得到優(yōu)化。一方面，通過融合多個架構(gòu)提高智能模型自動檢測與測量的性能，如Li等[26]通過隨機森林分類器、相位對稱以及快速橢圓擬合分別實現(xiàn)胎頭的自動定位、檢測及測量；而van den Heuvel等[27]聯(lián)合兩個卷積神經(jīng)網(wǎng)絡(luò)分別實現(xiàn)連續(xù)掃描記錄中胎頭的智能識別及胎頭參數(shù)的自動測量。在腹圍的智能測量中，Jang等[15]分別使用卷積神經(jīng)網(wǎng)絡(luò)及霍夫變換實現(xiàn)胃泡、羊水和臍靜脈的特征識別及腹圍的自動測算。融合多個架構(gòu)構(gòu)建的智能模型在提升模型自動測算能力的基礎(chǔ)上，優(yōu)化了模型自身結(jié)構(gòu)，從而實現(xiàn)了提升運算速度、降低硬件需求等目標(biāo)。另一方面，一些基于深度學(xué)習(xí)的智能模型還可自動測量多個參數(shù)，通過構(gòu)建多功能神經(jīng)網(wǎng)絡(luò)架構(gòu)實現(xiàn)多器官的自動識別及測量[28]。此外，在實現(xiàn)多器官自動識別及測量的基礎(chǔ)上，Ghelich Oghli等[29]采用一種新穎且有效的卷積網(wǎng)絡(luò)架構(gòu)(多特征金字塔Unet)進行自動檢測并聚焦于感興趣區(qū)域或?qū)ο螅档椭苓呍肼暡⑷コ車歉信d趣區(qū)域結(jié)構(gòu)，進一步提高模型的靈敏度和準(zhǔn)確度。

產(chǎn)科超聲參數(shù)的智能測量有較好的臨床轉(zhuǎn)化性，近年許多產(chǎn)科超聲儀器在開發(fā)時配置了智能測量的模型，并已在臨床試驗或臨床工作中應(yīng)用。臨床試驗表明，目前已投入使用的人工智能軟件(Smartplanes、EpiQ等)在生物特征參數(shù)的自動測量上具有較好的可行性與可重復(fù)性，且智能軟件所獲得的測量值與經(jīng)驗豐富超聲醫(yī)師的判斷結(jié)果的一致性較好，而人工智能輔助下的掃描能夠平均節(jié)省34.7%的時間，大大提升了工作效率[4,30-31]。

3 人工智能在胎兒生長發(fā)育評估中的應(yīng)用

人工智能技術(shù)在產(chǎn)科超聲中的應(yīng)用不斷深入，在實現(xiàn)胎兒結(jié)構(gòu)、標(biāo)準(zhǔn)切面智能識別及胎兒生物特征參數(shù)智能測算的基礎(chǔ)上，進一步對胎兒生長發(fā)育的智能評估進行探索。胎兒生長發(fā)育的智能評估提示胎兒發(fā)育異常，有助于減少醫(yī)師經(jīng)驗等原因?qū)е碌脑\斷誤差，提高產(chǎn)科超聲檢查結(jié)果的準(zhǔn)確性[7]。

3.1人工智能在胎肺成熟度評估中的應(yīng)用 胎肺發(fā)育不良可能導(dǎo)致新生兒呼吸窘迫綜合征等呼吸系統(tǒng)發(fā)育疾病的發(fā)生，因此產(chǎn)前評估胎肺成熟度有利于盡早篩查出胎肺成熟度異常并進行臨床干預(yù)。超聲胎肺成熟度評估具有非侵入性、無輻射等優(yōu)勢，近年逐漸受到重視，胎肺成熟度的超聲評價一般通過比較胎肺與肝臟、腸道和胎盤的超聲回聲進行判斷[32]。但人眼分辨對比度差異的重復(fù)性較差，且對操作者經(jīng)驗的要求較高。紋理特征分析被認為是定量分析胎肺成熟度的有效方法，其不基于圖像的直接灰度級，而是通過算法估計胎肺的紋理特征，在保證診斷準(zhǔn)確性的同時，還可保持較好的重復(fù)性。早期基于紋理特征識別軟件分析評估胎肺成熟度的靈敏度、特異度和準(zhǔn)確度分別可達95.1%、85.7%和90.3%[33-34]。Xia等[35]基于深度學(xué)習(xí)算法建立的正常胎肺、胎齡分級模型可以準(zhǔn)確識別不同胎齡、不同母體條件下胎肺的超聲圖像，與傳統(tǒng)的紋理分析算法相比，深度學(xué)習(xí)算法的魯棒性更高、處理速度更快，且可自動處理圖像。

3.2人工智能在胎心發(fā)育異常輔助診斷中的應(yīng)用 人工智能算法對胎兒心臟的準(zhǔn)確識別和分割，可輔助評估胎兒心臟功能并智能檢測先天性心臟病。Yu等[36]提出的反向傳播神經(jīng)網(wǎng)絡(luò)模型可通過二維超聲心動圖自動測算胎兒左心室容積，并計算出左心功能參數(shù)，從而輔助評估胎兒左心室射血功能。在智能輔助診斷先天性心臟病方面，胎兒智能導(dǎo)航超聲心動圖可在具有時空相關(guān)性的三維、四維超聲數(shù)據(jù)中自動生成并顯示9個標(biāo)準(zhǔn)胎兒超聲心動圖，該系統(tǒng)可明顯簡化胎兒心臟的檢查步驟并降低超聲檢查對操作者經(jīng)驗的依賴，有助于輔助診斷心臟結(jié)構(gòu)的解剖異常，篩查法洛四聯(lián)癥、D型大動脈轉(zhuǎn)位等先天性心臟病[37-38]。Arnaout等[39]基于大數(shù)據(jù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型同樣可識別指南推薦的胎兒心臟評價的5個標(biāo)準(zhǔn)切面，并分割和測量心臟結(jié)構(gòu)，其評價先天性心臟病的靈敏度(95%)和特異度(96%)均較高。

3.3人工智能在胎腦發(fā)育異常輔助診斷中的應(yīng)用 胎腦發(fā)育異常也是產(chǎn)科常見的先天畸形，可能導(dǎo)致神經(jīng)發(fā)育遲緩和智力低下等，產(chǎn)前篩查胎腦發(fā)育異常至關(guān)重要[40]。Xie等[41]開發(fā)出一種針對腦室擴大、腦積水等常見胎腦異常的計算機輔助診斷算法，通過U-net網(wǎng)絡(luò)對顱腦區(qū)域進行分割，再通過深度卷積網(wǎng)絡(luò)的特征提取能力對切面進行分類，從而應(yīng)用于輔助診斷，有望減少胎腦發(fā)育異常篩查的假陰性。在另一項大樣本量的臨床試驗中，智能軟件對胎兒腦部自動分割的精度達到98%，區(qū)分異常腦部發(fā)育的準(zhǔn)確度達到96%，病灶定位準(zhǔn)確度達到62%，其單幅圖像的平均分析時間僅1.08 s，可能有助于提高臨床診查效率[42]。

4 小 結(jié)

人工智能技術(shù)的蓬勃發(fā)展有助于實現(xiàn)產(chǎn)科超聲的智能識別、自動量化、自動診斷等功能。產(chǎn)科超聲相關(guān)的人工智能軟件正在逐步投入臨床使用，簡化了產(chǎn)前超聲檢查的操作過程，縮短了檢查時間，保證了檢查結(jié)果的準(zhǔn)確性，從而提高超聲檢查的診療效率。人工智能在產(chǎn)科超聲中的應(yīng)用可輔助診斷，減少測量不準(zhǔn)確甚至漏診等的發(fā)生，尤其是醫(yī)療資源有限地區(qū)。目前，人工智能在產(chǎn)科超聲領(lǐng)域的應(yīng)用已取得顯著成果，但許多模型的有效性和普遍性還有待進一步優(yōu)化，且檢測準(zhǔn)確性、功能多樣性、運行速度、硬件配置需求等仍有發(fā)展空間。