目的研发智能胎儿NT图像质量控制系统对胎儿NT图像进行质量控制,并对此套系统的可行性进行研究。资料与方法1.连续选取自2019年2月至2021年3月期间于我院进行早孕期产前筛查的NT图像1700张,按时间顺序标序为图像1-1700。2.使用 GE Voluson E8、GE Voluson E6、Philps EPIQ7 进行图像采集,使用Pair智能标注软件进行图像后处理。3.根据英国胎儿医学基金会指南的规定,合格的标准颈项透明层（NT）图像需符合以下5个标准:①胎儿仰卧位姿势为自然仰卧位;②正中矢状面标准;③颈后皮肤完整;④图像放大合适;⑤图像增益合适。4.将胎儿自然仰卧位量化为上颚下缘与前胸壁切线的夹角∠A。5.由2名具有英国胎儿医学基金会NT培训证书的医师于图像1-1500中,筛选356张合格的标准NT图像导入计算机中。6.由超声医师甲、乙（具有英国胎儿医学基金会NT培训证书）,通过Pair智能标注软件对356张合格的标准NT图像的∠A进行两次测量,记录结果。7.对测量结果进行统计,对甲、乙测量角度的结果进行正态性检验、分析角度测量的可靠性与重复性,计算角度数值的95%可信区间,制定胎儿自然仰卧位的范围。8.由2名具有胎儿基金医学会NT培训证书的专家对356张合格的标准NT图像,进行NT图像中胎儿自然仰卧位（∠A）、正中矢状面、颈后皮肤、图像放大、图像增益标签的标注。9.训练模型:将356张标准的NT图像归为训练组,利用多标签分类网络和点定位网络对5个标准进行判断,建立智能胎儿NT图像质量控制系统（此后简称为智能NT质控系统）的模型。10.测试模型:自1700张NT图像中连续选取图像1501-1700,共200张未标注的NT切面图像归为测试组,进行智能胎儿NT图像质量控制系统的模型测试。由2名超声专家（具有英国胎儿医学基金会NT培训证书）分别对NT图像的5个标准进行判断,将2人的一致性意见作为5个NT标准图像的参照标准。11.对超声专家及智能NT质控系统的判断结果进行统计,分析判断结果。结果1.分别分析医师甲、乙组内之间的差异,甲分别两次测量∠A的均值为30.49,标准差为4.94,ICC为0.898,总体ICC的95%可信区间为（0.876,0.917）,一致性好;乙分别两次测量∠A的均值为30.64,标准差为4.98,ICC为0.913,总体ICC的95%可信区间为（0.894,0.929）,一致性好。2.分析甲、乙间的组间差异,甲在两个不同时间对∠A的测量结果显示,差异没有统计学意义（t=0.184,P=0.854）。乙在两个不同时间对∠A的测量结果显示,差异没有统计学意义（t=0.461,P=0.145）;甲和乙分别在两个不同时间对∠A的测量结果显示,差异没有统计学意义（P>0.05）。3.甲、乙两次测量∠A的结果均符合正态分布。计算∠A的均值为30.55,标准差为4.91,95%可信区间为（20.95-40.15）°,预测当∠A处于（20.95°-40.15）°范围内时,胎儿位于自然仰卧位。4.采用配对四格表资料（McNemar检验、Kappa检验）对超声专家与智能NT质控系统判断自然仰卧位∠A的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.699,两者一致性较好;对超声专家与智能NT质控系统判断正中矢状面的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.531,两者一致性较好;对超声专家与智能NT质控系统判断颈后皮肤的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.849,两者一致性好;对超声专家与智能NT质控系统判断图像放大的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.683,两者一致性较好;对超声专家与智能NT质控系统判断图像增益的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.424,两者一致性较好;对超声专家、智能NT质控系统判断NT图像的结果进行分析,两者差异没有统计学意义（P>0.05）,Kappa值为0.683,两者一致性较好。结论1.将胎儿自然仰卧位量化为以上颚下缘平行线和前胸壁切线为两条边的∠A,在医师间测量结果一致性及稳定性较好。通过统计∠A的95%可信区间范围得出,自然仰卧位∠A的范围为（20.95-40.15）°。2.智能NT质控系统对自然仰卧位∠A、正中矢状面、颈后皮肤、图像放大、图像增益以及NT图像的判断结果与专家的判断结果无明显差异,且一致性好,该系统可用于临床中对胎儿NT图像的质量控制。