基于AI对胎儿头围的检测/测量

这是一个两周的小学期中老师布置的一个项目，运用了Python和tensorflow平台。
建议大家先大概了解一下unet算法（GitHub上有很多例子），之后做起来会比较容易。

一.项目背景

如今，父母对待自己胎儿的发育检查非常重视，会通过各种检查方法检查胎儿是否畸胎，器官功能发育异常，遗传因素稳定等。而这其中通过超声图像中胎儿头围是评估胎儿发育的重要指标之一，胎儿头围在临床上一般由医生手动进行椭圆拟合，费时费力，且存在较高的用户差异，导致胎儿发育诊断的偏差，特别是会导致分娩方式决定的错误，如今AI发展迅速，我们用科技手段去测量胎儿头围，这样对临床的诊断会减小难度，同时测量也会十分精准，便于我们对胎儿的健康指标进行评估。

二.项目目的

孕妇怀孕期间医生通过检查测量胎儿头围，主要目的是观察胎儿的发育状况。通过评估胎儿头部的大小，从而预测胎儿的发育状况，而在孕妇分娩时也可以帮助选择最佳分娩方式。

三.实现方法（步骤）

第一步，基于U-net（Keras版本）算法，通过已有图例端对端的进行训练。训练完成后，读入测试原始图像，使用模型预测，输出结果。
第二步，对输出结果图像分辨率进行修改。
第三步，对输出结果图像椭圆进行拟合，并计算出椭圆周长（即胎儿头围长度）。

四.实验结果

1. 示例：
   

2. 示例：
   

3. 示例：
   

4. 示例：

5. 示例：
   

五.结果分析

对于预测得到的图像，还不是特别清晰，原因我分析是训练量和次数不够多，对于tensorflow我安装的GPU版本，没有安装英伟达显卡版本，运算速度较慢，训练400份1次的话需要1个小时41分钟，两次的话需要3个多小时。预测的话我每次都测试20张查看结果，起初第一个学习率赋值我用1e-4，得到的loss率很高，都在0.5以上，得到的预测图片就是全黑的。而换用1e-5之后，loss率才降下来，loss率在0.1305的时候得到的预测图片 有光圈出现，没有大致轮廓。Loss率到0.0400就有了图像，但是也较为模糊，就是示例中的图。附上我在用不同学习率，训练量和次数时的loss率，loss率越低，应该说明结果更准确。另外我观察到是大的训练量是可以大幅度降低loss率的，而训练次数可以在loss率很低的情况下，再进行降低，比如训练400张训练第二次的时候每张会降低0.0001。得到预测结果之后进行椭圆拟合，然后得到周长。

附上我不同条件下的loss率

六.总结

这个项目确实花了挺长时间，首先的环境的安装出现的问题就很多。尽管Unet很多范例，代码有现成的，但是运行起来bug也很多，所以代码的调试花费了很长时间。之后的拟合和周长的计算是可以同时实现多张的，但我是一张一张去实现的，因为我本身想去预测的结果不多，一张一张的运行也比较容易比对结果。

七.还遗留的问题

（1）Unet算法能否自带拟合出图形。
（2）输出图像带大小不匹配，图象输入时的尺寸被resize成128128，结果输出是256256，我所需要的是800*540，得到结果我需要resize到正确的尺寸，这样是比较麻烦的。我尝试修改了Unet中的代码，但是结果报错。
（3）当我用1e-4的学习率处理400张训练2次，到了200张的时候loss率到0.2就是极限了，不能再低了，预测结果是全黑图象。
（4）用1e-5时候效果很好，但是到0.0400左右就是极限了，增加训练量也没有效果了，反而训练400张比200张的loss率还高了一点。
（5）周长的单位是像素。