(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221094976 3.5 (22)申请日 2022.08.09 (71)申请人 合肥合滨智能机 器人有限公司 地址 230601 安徽省合肥市经济技 术开发 区宿松路396 3号智能科技园C1栋401 (72)发明人 程栋梁　王晨　刘振　 (74)专利代理 机构 合肥中谷知识产权代理事务 所(普通合伙) 34146 专利代理师 袁锦波 (51)Int.Cl. A61B 8/08(2006.01) G06V 10/80(2022.01) G06V 20/40(2022.01) G06V 10/30(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06V 10/98(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种双模型融合的胎儿年龄和体重预测方 法 (57)摘要 本发明公开了胎儿年龄和体重预测技术领 域的一种双模型融合的胎儿年龄和体重预测方 法， 包括以下步骤： 步骤1： 读取胎儿扫描视频数 据， 对所述视频数据进行降噪预处理后得到待处 理视频数据； 步骤2： 将所述待处理视频数据分别 输入至3D回归网络模型与2D多任务网络模型中 进行处理， 以得到第一预测数据和第二预测数 据； 步骤3： 将所述第一预测数据和第二预测数据 进行融合并经过加权平均计算后， 得到胎儿年龄 和胎儿体重的预测值， 本发明中融合两种不同识 别路径的胎儿年龄和体重估计结果， 通过这种冗 余的方式， 降低单一模型可能的大幅度错误偏 差。 权利要求书2页 说明书6页 附图4页 CN 115349889 A 2022.11.18 CN 115349889 A 1.一种双模型融合的胎儿年龄和体重预测方法， 其特 征在于： 具体包括以下步骤： 步骤1： 读取胎儿扫描视频数据， 对所述视频数据进行降噪预处理后， 得到待处理视频 数据； 步骤2： 将所述待处理视频数据分别输入至3D回归网络模型与2D多任务网络模型中进 行处理， 以得到第一预测数据和第二预测数据； 步骤3： 将所述第一预测数据和第 二预测数据进行融合并经过加权平均计算后， 得到胎 儿年龄和胎儿体重的预测值； 其中， 所述第 一预测数据的获取过程具体为， 提取所述待处理视频数据中连续T帧的图 像数据输入到3D回归网络模型中进行处理， 得到第一预处理数据， 所述第一预处理数据经 第一预设规则进行筛 选后， 得到第一预测数据； 所述第二预测数据的获取过程具体为， 提取出所述待处理视频数据中每一帧图像数据 输入到2D多任务网络模型中进行处理， 得到第二预处理数据， 所述第二预处理数据经第二 预设规则进行筛 选后， 得到第二预测数据。 2.根据权利要求1所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述步骤1中对所述视频数据进 行降噪预 处理后， 得到待处理视频数据具体为， 采用超声图像 质量网络判断视频的每帧图像质量， 将质量估计值低于阈值的图像帧剔除后得到待处理视 频数据。 3.根据权利要求2所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述超声图像质量网络是一种基于ResNet的回归网络， 所述超声图像质量网络的输入为3 ×H ×W大小， 3代表RGB图像的通道数， H代表图像的高度， W代表图像的宽度， 所述超声图像质量 网络的输出为图像质量得分； 其中， 所述超声图像质量网络判断视频的每帧图像质量时， 图像高宽H和W为244的视频 帧。 4.根据权利要求1所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述3D回归网络模型包括设置在3D全局 池化与全连接层之间的Transformer模块， 所述3D回 归网络的输入为T ×3×H×W大小， T代表视频连续帧的数量， 3代表RGB图像的通道数， H代表 图像的高度， W代 表图像的宽度， 所述3D回归网络的输出为第一预测数据； 其中， 所述3D回归网络模型处理提取的图像数据时， 输入片段长度T为16， 图像高宽H和 W为64的视频序列。 5.根据权利要求4所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述第一预设规则具体为， 将所述第一预处理数据与阈值进行对比， 得到得分大于阈值的数 据， 将所述得分大于阈值的数据中得分最大的数据筛 选出来， 以得到第一预测数据。 6.根据权利要求1所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述2D多任务网络模型包括设置在编码器4和解码器4之间的Transformer模块， 所述2D多任 务网络的输入为3 ×H×W， 所述2D多任务网络 输出为第二预测数据； 其中， 所述2D多任务网络输出包含一个大小为10 ×H×W关键点输出和一个大小为4的 分类输出， 所述关键点10个通道输出中前0到3通道为胎 儿头部关键点a1,a2,b1,b2、 4到7为 腹部关键点c1,c2,d1,d2和8到9为股骨关键点e1，e2， 所述分类输出为背景、 头部、 腹部和股骨 4类分类输出。权　利　要　求　书 1/2 页 2 CN 115349889 A 27.根据权利要求6所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述第二预设规则具体为， 将第二预处理数据与阈值进行对比， 得到分类预测 概率大于阈值 的数据， 将所述分类预测概率大于阈值的数据中分类预测 概率最大 的数据筛选出来， 利用 筛选出的数据进行计算， 以得到第二预测数据。 8.根据权利要求7所述的一种双模型融合的胎儿年龄和体重预测方法， 其特征在于： 所 述利用筛选出的数据进 行计算， 以得到第二预测数据具体为， 利用筛选出的数据， 来计算胎 儿头部和胎 儿腹部的椭圆的长轴和短轴， 再通过长轴和短轴计算椭圆的周长， 作为头 围和 腹围， 计算胎 儿头部椭圆的短轴长度作为双顶径， 计算胎 儿股骨的两个关键点距离作为股 骨长度， 再将 头围、 腹围、 双顶径、 股骨长度输入到MLP年龄回归网络得到胎儿年龄， 将 头围、 腹围、 股骨长度输入到 MLP体重回归网络得到胎儿体重， 以得到第二预测数据； 其中， 所述利用筛选出的数据进行计算涉及的计算公式包括， 胎儿头部a1a2构成的直线 为椭圆长轴 b1b2构成的直线为椭圆短轴 胎儿腹部c1c2构成的直线为椭圆长轴 d1d2构成的直线为椭圆 短轴 胎儿股骨e1e2构成的直线为股骨长度 头围计算方式为2πb +4(a‑b)、 腹围计算方式为2πd+4(c ‑d)、 双顶径计算方式为b、 股骨 长度计算方式为e。权　利　要　求　书 2/2 页 3 CN 115349889 A 3