学位论文简介
随着三胎政策的开放，高龄产妇和新生胎儿数量可能逐渐增多，从而导致产科医生的压力和工作强度增大。针对上述问题，本文旨在研究胎儿先天性心脏病辅助诊断的关键技术，提高产科医生筛查先天性心脏病的一致性并降低工作强度，主要研究工作及贡献如下：
提出一种基于双流时空特性的多任务学习模型，简称为FUSPR，用于定位标准切面。FUSPR模型包括一个CNN组件和一个RNN组件，通过多任务方式来学习超声视频流的空间和时间特征。在超过1000个超声视频上进行广泛实验，结果表明FUSPR模型具有优越的性能。
提出了一种融合的分类算法来定位胎儿收缩末期（ES）和舒张末期（ED）帧。该算法集成了感兴趣区域定位组件，时间信息融合模块和一个深度迁移的CNN分类模块。感兴趣区域定位模块确定影像中四腔心的位置并过滤不相关的视图，时间信息模块将时间差异信息融入图像通道来提取短时信息，迁移的CNN模块提取深层次的高级特征最终进行分类。
提出了一个基于目标检测的端到端融合神经网络，以有效地从胎儿超声视频中检测标准心动周期。所提出的模型包括3个模块，即解剖结构检测模块，ES和ED帧定位模块，以及用于识别标准化的切面识别模块。实验表明，我们在测试数据集和临床案例中都取得了先进性能。
提出一种新的语义分割模型，简称为MobileUNet-FPN。MobileUNet-FPN模型利用MobileNet不同阶段的高阶特征作为编码器处理模糊的超声图像，并在语义分割模型中构建特征金字塔网络，分割心尖四腔心切面的13种关键解剖结构。
提出一种关系知识推理模型，简称为SGRDM，对胎儿心脏四切面进行质量控制。SGRDM主要由图知识构建模块和关系知识推理模块组成。图知识构建模块是在正负样本中构建解剖结构的位置关系知识。关系知识推理模块是学习不同解剖结构的位置关系依赖。在心脏四个切面的数据进行实验，结果表明我们的方法优于现阶段检测方法。
主要学术成果
MVSTT: A Multi-View Spatial-Temporal Transformer Network for TrafficForecasting, IEEE Transactions on Cybernetics. (第一作者, SCI一区, Accepted).
Automatic Fetal Ultrasound Standard Plane Recognition Based on Deep Learning and IIoT, IEEE Transactions on Industrial Informatics, vol. 17, no. 11, pp. 7771-7780, Nov. 2021, doi: 10.1109/TII.2021.3069470. (第一作者, SCI一区)
MobileUNet-FPN: A Semantic Segmentation Model for Fetal Ultrasound Four-chamber Segemation in Edge Computing Environments, IEEE Journal of Biomedical and Health Informatics, doi:10.1109/JBHI.2022.3182722. (第一作者, SCI二区).
Fetal cardiac cycle detection in multi-resource echocardiograms using hybrid classification framework. Future Generation Computer Systems, 2021, 115: 825-836. (第一作者, SCI二区)
ED-ACNN: Novel attention convolutional neural network based on encoder-decoder framework for human traffic prediction. Applied Soft Computing, 2020, 97: 106688. (第一作者, SCI二区)
UFNGBM (1, 1): A novel unbiased fractional grey Bernoulli model with Whale Optimization Algorithm and its application to electricity consumption forecasting in China. Energy Reports, 2021, 7: 7405-7423. (第一作者, SCI二区)
HN-PPISP: A Hybrid Network Based on MLP-Mixer for Protein-protein Interaction Site Prediction, Briefings in Bioinformatics, doi:10.1093/bib/bbac480. (通信作者, SCI二区, CCF B类推荐期刊, Accepted)
A Hybrid Two-stage Teaching-Learning-Based Optimization Algorithm For Feature Selection in Bioinformatics, IEEE/ACM Transactions on Computational Biology and Bioinformatics, doi:10.1109/TCBB.2022.3215 129. (通信作者, SCI三区, CCF B类推荐期刊)
