产前超声检查中胎儿心脏标准平面的确定对于医学超声诊断至关重要。医生获取胎儿心脏标准平面通常需要对胎儿心脏解剖学有透彻的了解和丰富的经验,对于没有经验的医生来说非常具有挑战性,对于临床专家来说是耗时的。设计一个好的分类模型定位胎儿心脏标准平面有助于提高专家的效率。目前已有的胎儿心脏标准平面分类模型都是人工设计的网络结构,网络的体系结构参数是复杂的、离散的、无序的。为了获得一个有效网络模型需要从深度、宽度、跳连接等多个维度进行调整,还需要进行大量试错实验进行验证。针对胎儿心脏标准平面任务设计相应的网络体系结构,既耗时又依赖专家知识。因此,为了在短时间内获得有效的胎儿心脏标准平面分类模型,本文基于可微分架构搜索方法自动设计了两个胎儿心脏标准平面分类模型。本文具体研究工作如下:1.针对胎儿心脏超声图像分类任务设计相应的网络体系结构,既耗时又依赖专家知识的问题。本文提出了一种数据驱动的胎儿心脏超声图像自适应分类模型,首次将可微分架构搜索算法应用于胎儿心脏超声图像分类模型的网络结构搜索,使用胎儿心脏超声图像数据驱动进行网络结构搜索,在短时间内自动搜索适用于胎儿心脏超声图像分类的神经网络架构。实验结果表明,该模型识别性能超过了主流的人工设计的分类网络。2.为了进一步提高分类模型的识别精度,本文还提出了一种基于通道注意力的胎儿心脏超声图像分类模型,该模型将通道注意力机制引入数据驱动的胎儿心脏超声图像自适应分类模型,通过学习胎儿心脏超声图像特征通道之间关联,进一步提高网络模型的表示能力。实验结果表明,通过在第一个模型的基础上引入通道注意力机制模块,可以实现更高的识别性能。3.设计并实现了一个胎儿心脏超声图像辅助识别系统,该系统主要包括胎儿心脏超声图像分类模块和标准扫描结构的演示模块。胎儿心脏超声图像分类模块通过识别标准平面图像能帮助用户对胎儿心脏超声图像中相关结构的识别;胎儿心脏超声III级筛查各个平面的标准扫描结构的演示模块通过展示标准平面扫描手法和描述,可以为经验不足的医生和非专业人士提供学习和参考。