学位论文简介

先天性心脏病（Congential Heart Disease, CHD）是全球最为频发的一种出生缺陷，也是我国排在首位的新生儿出生缺陷，先天性心脏病及与其密切相关的下呼吸道感染、早产均是导致婴儿死亡的主要原因。超声检查具备安全、实时、便捷、相对廉价的特点，在早孕期、中孕期就能够有效的提供胎儿的形态结构、器官发育、心脏功能以及胎动等信息，一直是筛查先天性心脏病的首选方法。常规的胎儿心脏筛查流程包括在超声视频中快速识别切面、标准切面质量控制、关键解剖结构的分割测量、疾病诊断等环节。但上述工作高度依赖超声医生的临床经验与解剖学知识储备，并随着医疗资源的不均衡与工作强度的增大，极易导致结果的不一致性加剧。

针对上述问题，本文旨在研究胎儿先天性心脏病辅助筛查的关键技术。首先研究胎心超声切面的粗粒度识别，在此基础上，我们又研究了胎心超声标准切面的质量控制、四腔心及腹部切面多器官自动分割以及法洛四联症辅助诊断，本学位论文主要创新点总结如下：

（1）提出了一种多任务架构的胎儿心脏超声细粒度图像识别模型，称为FCSD，通过检测切面中的标志性关键组织结构，以定位胎儿心脏超声切面，其由主干网络、检测模块和分类模块组成。在检测模块中，引入了特征融合金字塔和坐标注意力机制，以有效地定位不同类型的胎儿心脏超声图像中的重要关键解剖结构。在分类模块中，采用了特征融合的策略，并通过引入残差连接和深度可分离卷积等模组，有效提高了对胎儿心脏超声切面的筛查效果。通过在非公开的胎儿心脏超声数据集上与先进方法进行广泛的实验，证明了FCSD模型的有效性。

（2）提出了一种基于混和注意力机制的胎心超声标准切面质量控制模型，称为FCUM。通过融入混合注意力机制模块并借助于多任务学习策略辅助超声医生进行快速智能化诊断。首先，在骨干网络和检测模块的特征融合金字塔中嵌入了自主设计的轻量级注意力机制模块，然后，我们设计了一种基于多层特征融合的残差结构应用于分类模块中，提升与胎儿心脏疾病相关的超声标准切面的分类效果。通过对不同地理区域、不同设备获取的胎儿心脏超声图像数据集进行了综合实验。实验结果表明，本章节所提出的模型在检测精度和分类精度方面相比于当前最流行的模型取得了更好的效果。

（3）提出一种保留池化索引和融合原始特征的端到端语义分割模型，称为SDI-SegNet++。SDI-SegNet++模型包括4个模块，即超声图像编码器，密集融合模块、多维度注意力机制融合模块和语义分割解码器，超声图像编码器以ResNet主干和保留最大池化方式编码图像，并向密集融合模块、多维度注意力机制融合模块和语义分割解码器提供五个高阶维度原始特征，利用密集融合模块深度挖掘和学习抽象特征，同时利用多维度注意力机制融合模块沟壑抽象特征中的重要目标结构特性学习，输入到解码器中利用编码器所得的池化索引进行反池化恢复分割目标数据，从而分割胎儿四腔心切面和胎儿腹部切面的20种关键解剖结构，经验证结果表明，所提出的方法的性能超过了近年来多种先进对比方法。

（4）提出一种辅助诊断法洛四联症疾病的视频分类模型。本模型简称ViMamba，ViMamba模型主要由视频特征编码器Mamba和视频分类器MLP Head组成。利用Mamba编码器对输入的视频数据提取法洛四联症特异性特征，然后利用视频分类器MLP Head对此特异性特征进行统计分类，进而完成法洛四联症的诊断。在不同地区视频数据集进行实验，结果表明我们的方法优于现阶段先进的视频分类模型。我们的方法达到了与有经验临床医生相当的质控水准，同时本研究为第一个以视频分类的形式完成法洛四联症疾病的诊断。

主要学术成果

[1] Jie He, Lei Yang*, Bocheng Liang, et al. Fetal cardiac ultrasound standard section detection model based on multitask learning and mixed attention mechanism，Neurocomputing，2024, 579:1-15（第一作者，中科院SCI- 2区，IF：6.0）

[2] Jie He, Lei Yang*, Yunping Zhu, et al. Fetal Cardiac Structure Detection Using Multi-task Learning, International Conference on Intelligent Computing, Springer, Tianjin, 2024. ( 第一作者，EI, CCF C类会议，Accepted )

[3] Wenyao Wang, Chenhao Wu, Jie He*. CLeBPI: Contrastive Learning for Bug Priority Inference，Information and Software Technology, 2023, 164：1-14（通讯作者，中科院SCI-2区，IF:3.9）

[4] 杨磊，贺杰，程鑫.一种利用 DCT 进行图像块分类的分形图像压缩方法及系统, 专利号：ZL202311111147.3 ，授权号:CN117241042B

[5] 贺杰，杨磊，程鑫.一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法, 申请号：2023111129392（实审）