近日，我校医学部生物医学工程学院倪东教授团队，联合佛山市第一人民医院、香港大学、香港科技大学和深圳市罗湖医院等单位，在国际医学图像分析领域的顶级期刊《Medical Image Analysis》（影响因子10.9），发表了一篇题为“FetusMapV2: Enhanced fetal pose estimation in 3D ultrasound”的高质量论文。深圳大学医学部生物医学工程学院倪东教授和佛山市第一人民医院超声科的黄伟俊教授为共同通讯作者，生物医学工程学院博士生陈超宇和助理教授杨鑫为共同第一作者，深圳大学为第一署名单位。

  三维超声中的胎儿姿势估计的本质是识别一组具有相关性的胎儿解剖结构。其主要目的是通过结构之间的连接关系分析胎儿的全面信息，从而方便于各种重要应用，如生物测量、平面定位和胎动监测等。然而，在超声容积中准确估计三维胎儿姿势面临着一些严峻挑战，包括图像质量差、处理高维数据的 GPU 内存有限、对称或模糊的解剖结构以及胎儿姿势的巨大变化等。在本研究中，提出了一个新颖的三维胎儿姿势估计框架（称为 FetusMapV2）来克服上述挑战。团队的贡献有三方面：首先，团队提出了一种启发式方案，探索互补的网络结构无约束和激活无保留的GPU内存管理方法，在 GPU 内存有限的情况下增大输入图像分辨率以获得更好的结果。其次，团队设计了一种新颖的 "配对损失"（Pair Loss）来减轻对称和相似解剖结构造成的混淆。最后，我们提出了一种基于形状先验的自监督学习方法，通过选择相对稳定的地标来在线完善胎儿姿势。在大规模三维胎儿超声数据集（1000例）上的广泛实验和多样化应用证明，团队的方法优于其他方案。

图1. 文章的主要任务和研究困难点。(a) 文章中需要估计的胎儿姿态(由22个关键点构成)示意图。（b）一个典型的胎儿超声三维容积。（c）数据集中500个标注样本叠加在一起的展示图，可以看出，数据集中胎儿的姿态多种多样。（d-g）500个样本经过简单的刚体配准后，不同视角的展示结果。可以看出，胎儿四肢的关键点变化很大，但是躯干和头部的关键点相对稳定。

图2.更多样本中本文的方案（蓝色的点和连接线）和真实标注结果（绿色点和紫色连接线）的对比。

研究成果链接：

https://www.sciencedirect.com/science/article/abs/pii/S1361841523002736