胎头方位是重要的分娩参数之一,头位异常容易影响正常的分娩进程,将可能带来分娩风险和费用的增加。合理评估分娩进程离不开对胎头方位的监测。医护采用适当的检查手段及时发现胎头方位异常并启动干预措施,可降低孕产妇分娩风险。临床上常用具有入侵性的阴道指检手段,该方法主观性较强且增加孕产妇不适感和感染风险。超声检查作为一种无创的检查方式,更容易被孕产妇接受。且借助超声设备评估胎头方位,能将评估结果量化,便于技术传授。但使用超声检查评估胎头方位,需要操作者具备熟练的超声技能、丰富的产科经验以及良好的空间想象转换能力,检测结果易随操作者的经验差异产生较大差距。由于存在使用技术门槛的障碍,医生和助产士难以应用超声设备进行胎头方位评估,技术难以推广应用。针对以上问题,本文提出一种融合姿态检测与超声成像的胎头方位测量新方法,研究结合九轴传感和超声成像实现姿态检测的关键技术和胎头方位测量方法,并进行实验验证。首先,分析腹部扫描超声图像与探头扫描姿态的关系,提出基于探头姿态和超声图像解剖结构特征判断胎头方位的方法并设计技术方案。根据胎儿头部超声图像特点,结合U-net和VGG9深度学习网络,提出优化的网络结构,实现胎头方位的自动判断并提升效率。其二,设计构建实验平台,研究Mahony算法进行姿态解算。然后,研究使用阈值检测方法改进姿态解算算法,使姿态解算能满足医院科室干扰环境下使用的要求。最后,验证姿态解算的精度和鲁棒性,验证深度学习网络的效率与准确率,并对比本文的胎头方位计算结果与基准值差异,进行一致性分析。实验结果:校准后的姿态检测模块输出结果具有较好的线性度,无干扰条件下航向角测量误差均小于2°;融合算法的抗磁干扰分析表明通过设置合适的阈值可以将航向角误差抑制在3°内,为本文胎头方位测量方法提供探头偏转角测量的基础;使用的深度学习网络识别胎头方位平均误差约2.2°,分类准确率达96.2%。通过胎头方位模拟测量实验和Bland-Altman一致性分析表明:测量结果与模型的基准值具有较好的一致性,测量标准差和均方根误差分别为0.96°和1.7°。由此可见,本文提出的方法可以准确测量胎头方位,为辅助医生监测分娩进程提供可靠的手段,降低医生评估胎头方位所需的技术门槛,有助于医护及时发现产程异常并启动科学的干预手段。