多模態超聲及人工智能用于足月妊娠引產效果的預測價值

通信作者簡介：黃澤萍，主任醫師、醫學博士、碩士生導師，中山大學附屬第三醫院超聲科副主任兼嶺南醫院超聲科主任。廣州市天河區超聲醫學質控中心副主任。廣東省女醫師協會超聲分會副主任委員，廣東省精準醫學應用學會超聲分會常務委員、廣東省中西醫結合協會超聲分會常務委員、廣東省預防醫學會盆底功能障礙防治專委會常務委員、廣東省婦幼保健協會超聲專委會委員、廣東省醫學會產前診斷分會委員、中國超聲醫學工程學會生殖健康與優生優育超聲專委會委員。廣東省“南粵家庭健康大講堂”科普專家。主持省級科研項目3項，參與多項國家級、省級科研項目，以通信作者或第一作者發表UOG、EuropeanRadiology、UMB、《中華超聲影像學雜志》等高水平論文20余篇。主編專著2本：《循序漸進，輕松掌握婦科超聲造影》《基層醫師臨床手冊》。副主編專著2本：《盆底超聲新技術臨床應用》《實用盆底超聲診斷學》。《中山大學學報（醫學科學版）》《中華腔鏡泌尿外科雜志（電子版）》等期刊審稿專家。E-mail：hzep@mail.sysu.edu.cn。

【摘要】足月引產是產科處理高危妊娠的常用手段，主要通過藥物或球囊等其他方法，通過人為干預啟動產程，減少母兒不良妊娠結局的發生。引產過程中，宮頸條件不成熟是導致引產失敗的主要原因之一。傳統的Bishop評分雖廣泛應用于宮頸成熟度的評估，但其主觀性強，難以提供準確的預測。二維、三維超聲測量顯示出較高的預測價值。此外，機器學習和深度學習技術在超聲圖像分析中的應用，進一步提升了宮頸成熟度和引產結局的預測準確性。隨著超聲技術的快速發展，多模態超聲技術逐漸成為評估宮頸成熟狀態和預測引產成功率的重要工具。文章系統總結了多模態超聲技術和人工智能技術在預測足月引產分娩結局、分娩時間等方面的研究進展，為臨床診斷提供了更為可靠的理論依據和實踐參考。

【關鍵詞】足月引產；多模態超聲技術；宮頸成熟度；人工智能；預測模型

妊娠足月引產是指孕婦存在高危因素［如高齡（年齡≥40歲）孕婦、延期妊娠、妊娠期糖尿病、胎兒宮內窘迫等］的情況下，為達到分娩目的，在自然臨產前通過藥物或其他手段促使產程發動的臨床干預措施［1］。2023年，加拿大婦產科醫師協會（SocietyofObstetriciansandGynaecologistsofCanada，SOGC）對引產成功的標準進行了定義，指出只要孕婦在引產后成功實現陰道分娩，無論其產程時間長短，均視為引產成功［2］。研究表明，約25%的孕晚期孕婦需要接受人工引產［3］。傳統上，陰道檢查評估Bishop評分是產科用于評估宮頸成熟度的主要手段。Bishop評分通過綜合評估宮頸長度、硬度、位置、胎先露位置及宮口擴張程度等多項指標判斷宮頸成熟度，通常認為Bishop評分≥6分提示宮頸成熟。然而，該方法存在主觀性強的局限性，易受檢查者手指粗細及長度等因素的影響，從而導致宮頸成熟度評估的準確性降低［4-5］。現代醫學影像技術中，多模態超聲包括多種成像手段（二維結構顯像、三維立體成像、血流動態監測、組織硬度評估及造影增強技術等），在預測引產結局方面，多模態超聲技術作為新興的評估手段，有望優化影像信息的完整性和準確性，進一步豐富了宮頸成熟度的評估手段，為精準診療提供多角度的可視化支持。此外，人工智能技術如機器學習（machinelearning，ML）和深度學習（deeplearning，DL），通過多因素聯合模型構建，有望提升引產結局預測的準確性和客觀性。本文旨在系統總結多模態超聲技術和人工智能技術在預測足月妊娠引產方面的研究進展，為臨床診斷提供更為可靠的理論依據和實踐參考。

1二維超聲

1.1宮頸長度及形態

宮頸長度是影響足月引產成功率的關鍵因素，但不同研究的宮頸長度臨界值存在差異。有研究表明，當宮頸長度≤27mm時，其預測引產結局的效能與Bishop評分≥4分相當［6］。另有研究指出，臨產前4周內宮頸長度的動態變化（如4周內縮短lt;6mm）與宮頸擴張失敗率升高相關［7］。超聲測量宮頸長度被廣泛認為是預測引產結局的有效指標［8］，但測量方法、胎次及引產成功定義不統一可能導致臨界值差異［9-10］。

此外，宮頸漏斗形態也被證實與引產成功率存在相關性［11］。宮頸漏斗（定義為羊膜膨出≥15%宮頸長度）與產程縮短相關，且宮頸漏斗可能與宮頸擴張的難易度相關，而與胎先露下降無關［12］。證據表明宮頸漏斗預測效能與Bishop評分相當。然而，近年來國內尚未開展關于宮頸漏斗的引產預測研究，而國外對宮頸漏斗與引產成功預測的研究也較為有限，且很少將其作為單一的預測指標。

1.2宮頸后角與產程進展角

超聲評估宮頸后角和產程進展角（angleofprogression，AOP）在預測引產結局中具有積極的作用［13-15］。宮頸后角測量方法：在宮頸矢狀面，以宮頸內口為頂點，連接內口-外口與子宮下段后壁-內口的兩線夾角（圖1A）；AOP則為恥骨聯合縱軸線與恥骨至胎兒顱骨輪廓線的夾角（圖1B）。宮頸后角主要用于評估宮頸朝向，而AOP主要用于評估先露高低。研究顯示，足月引產成功者宮頸后角和AOP顯著更大，且宮頸后角預測效能優于AOP［15-16］。Eser等［17］的研究則提出，宮頸角度測量與引產至分娩的時間間隔密切相關。另有研究顯示引產前AOPgt;89°的產婦經陰道分娩的概率增加［18］。有學者通過meta分析系統評估了第二產程中經會陰測量AOP對分娩方式的預測效能，結果表明陰道分娩組的AOP角度比剖宮產組更大、進展速率更快［19］。盡管上述參數臨界值未統一，二者均為預測引產結局的重要超聲指標。

1.3胎頭胎頭-會陰部距離

產程監測和分娩結局預測逐漸成為熱點。動態監測AOP和胎頭-會陰部距離（head-perineumdistance，HPD）評估引產結局，對陰道試產的孕婦行超聲測量AOP、HPD和胎頭旋轉角（FetalHeadDirection，HD）速率，計算潛伏期和活躍期的速率［20］，該研究中AOP和HPD速率的計算方法基于單位時間內的變化值（°/h和cm/h），并以AOP速率≤4.23°/h和HPD速率≤0.26cm/h作為預測中轉剖宮產的陽性標準進行統計分析，顯示AOP速率在預測中轉剖宮產方面具有較高的靈敏度，但特異度較低；HPD速率的預測效果較差，而HD速率對分娩方式的預測無顯著價值。AOP在測量宮口大小和胎頭位置方面與陰道指檢比較差異無統計學意義，而HPD則存在差異。此外，AOP速率聯合體質量指數（bodymassindex，BMI）和胎方位可以提高對中轉剖宮產的預測能力。有研究將足月孕婦分為觀察組（三維超聲監測）和對照組（傳統陰道指檢），顯示觀察組的陰道分娩率較高且母嬰不良結局發生率下降［21］。研究顯示宮頸長度聯合HPD預測分娩時間效果不佳，可能是因為僅使用指檢估計和經會陰超聲測量，使測量結果存在偏倚［22］。多參數預測模型（宮頸長度、宮頸后角和HPD）的研究發現其預測能力為70.74%（靈敏度為78.3%，特異度為52.9%，陽性預測值為79.7%，陰性預測值為50.7%），對陰道分娩有一定預測價值，但特異度有待提高［23］。由于HPD測量易受胎位、肥胖等因素影響，目前多主張將其與其他超聲指標聯合應用，未來研究需進一步優化測量方法以提高預測準確性［20-21］。

1.4子宮下段肌層厚度

剖宮產術后再次妊娠的足月婦女，超聲測量子宮下段肌層厚度（loweruterinesegmentthickness，LUST）是評估子宮破裂風險的重要手段。研究表明，經腹超聲測量的宮底及后壁肌層厚度與引產過程中插入球囊至排出的時間間隔存在關聯［24］，而經陰道超聲測量的LUST則顯示出良好的可重復性。Hamza等［25］進行的前瞻性隊列研究發現LUST及其應變值不能預測引產結局。部分研究認為LUST與剖宮產風險相關［26］。目前關于LUST在引產結局預測中的應用仍存在爭議，其臨床價值有待更多研究證實。

2三維超聲

2.1宮頸容積

有學者通過三維成像測量宮頸體積評估引產結局。研究顯示，采用圓柱體公式（V=πr2h）計算的宮頸容積對預測24h內陰道分娩具有一定價值，曲線下面積（areaunderthecurve，AUC）為0.74［27］，但在宮頸機能不全產婦中（陰道分娩率為74%，剖宮產率為26%）預測價值有限［28］。2項前瞻性研究分別探討了單純宮頸體積測量和多參數聯合評估的預測效能，結果存在差異。雖然現有研究較少且結論不一，但三維超聲測量的宮頸體積在預測陰道分娩方面展現出潛在應用價值，值得深入探索。

2.2恥骨弓角度

恥骨弓角度（pubicarchangle，PAA）通過二維定位結合三維重建技術測量，首先在二維模式下確定恥骨聯合長軸平面，切換至三維模式采集體積數據，經三維重建后直接測量兩側恥骨間夾角，實現了骨盆出口形態的精準評估。陳捷等［29］經會陰三維超聲檢測PAA對初產婦陰道分娩及分娩時間的預測價值，比較2組（是否陰道分娩）的臨床資料及超聲參數指標，結果顯示PAA為陰道分娩的獨立影響因素，且PAA與AOP、HPD聯合預測陰道分娩的AUC為0.896，具有較高的預測價值；此外，PAAgt;99°的孕婦分娩時間較短。

許美玲等［30］發現PAA在100°～119°范圍內的產婦占70.27%，且PAA異常與早產和低體重兒的發生率相關。Liang等［31］分析PAA與分娩方式（如陰道分娩、剖宮產等）及分娩時間的關系，研究分為4組（產前剖宮產組、產時剖宮產組、正常陰道分娩組和產鉗助產組），發現PAA的最小角度為81°，最大角度為122.2°，且陰道分娩組的PAA大于產時剖宮產組，是陰道分娩的正向預測因子，AUC為0.782，具有良好的預測能力。此外，PAA與第二產程時間呈負相關，PAA越小，第二產程時間越長。不同研究分別從產前骨盆評估、胎頭-骨盆匹配度及產程動態監測等角度，證實了三維超聲測量PAA對分娩方式和產程時間的預測價值。

3彈性成像技術

超聲彈性成像最早由Ophir等［32］于1991年提出。目前主要采用應變式彈性成像和剪切波彈性成像2種方法測量宮頸彈性指標，該技術已從最初應用于甲狀腺、肝臟等器官擴展至產科領域，為Bishop評分中的宮頸評估提供了客觀量化手段。

3.1應變彈性成像

研究表明，宮頸應變值、LUST及其應變值對24h內成功引產和分娩的預測能力有限。具體而言，在無剖宮產史的單胎妊娠婦女中，宮頸彈性圖、LUST及應變值對引產成功的預測差異無統計學意義［25］。為進一步提升預測效能，有學者將宮頸應變彈性成像與傳統的Bishop評分及宮頸長度進行比較［33］。為避免陰道超聲探頭施壓標準化困難及組織形變受呼吸運動和血壓波動影響的問題，研究者采用峰值應變比并結合視覺應變模式（cowspotpatterns）進行分析［34］，結果表明應變彈性成像對引產結局具有一定的預測價值。此外，研究還發現，將彈性成像與宮頸長度聯合應用時，其預測引產結局的準確性顯著優于單獨使用宮頸長度［35］。近年來，半自動化軟件E-cervix被引入宮頸彈性力學參數的評估中。該軟件通過操作者繪制宮頸管輪廓，并在宮頸內口和外口之間設置4點感興趣區域（regionsofinterest，ROI），自動生成包含整個宮頸區域的ROI。每個ROI被定義為2個半徑為1cm的扇形區域，進而計算彈性指數和硬度比。研究表明，硬度比與宮頸長度聯合使用的預測效能高于單獨使用宮頸長度［4，36］。E-cervix作為半自動化軟件，其優勢在于無需手動加壓，測量結果不受操作者施力及胎兒活動等因素干擾，而是基于子宮動脈搏動引起的組織形變進行彈性成像，具有更高的客觀性、可重復性及更小的測量誤差，可為臨床醫師提供更為精確的產程預測信息［25］。然而，盡管E-cervix在技術上具有顯著優勢，但其作為一種新型的應變彈性成像方法，國內外相關研究仍較為有限，尚需進一步探索和驗證。

3.2剪切波彈性成像

92例晚孕期初產婦，所有參與者均在引產前Costas等［37］的前瞻性觀察性研究中，納入了24h內接受了剪切波彈性成像（shearwaveelastography，SWE）、宮頸長度和胎兒生物測量。SWE測量將宮頸分為6個區域（前側和后側的內、中、外部分），旨在探討SWE在預測晚孕期初產婦引產成功中的價值，并與傳統的宮頸長度和Bishop評分進行比較，驗證SWE是否可以作為預測引產成功的有效工具。研究結果表明，SWE在宮頸的測量值具有較高的預測能力（AUC為0.809），且與引產成功相關。另一項前瞻性研究側重于評估SWE對預測剖宮產風險中的應用價值，通過經陰道超聲測量了宮頸長度、宮頸后角、AOP以及SWE［38］。SWE測量將宮頸分為前側和后側的內、中、外3個區域，分別測量其彈性值，研究通過多因素回歸分析評估了這些超聲參數與引產結果（包括剖宮產及其亞組，如未能進入活躍期、進展失敗、胎兒窘迫等）之間的關聯，并通過受試者工作特征（receiveroperatingcharacteristic，ROC）曲線比較了不同預測模型的準確性，結果發現宮頸的彈性從內到外逐漸降低，宮頸內口區域的彈性值高于其他區域。宮頸內口的SWE值是剖宮產的獨立預測因素，尤其是在未能進入活躍期的剖宮產亞組中表現出顯著的預測能力。結合宮頸內口SWE、宮頸長度、產婦身高和產次（多產或初產）的預測模型在預測剖宮產時的AUC為0.815，而在預測未能進入活躍期的剖宮產時的AUC為0.888，優于僅使用Bishop評分的模型（AUC為0.819）。SWE作為一種定量化的宮頸彈性測量方法，具有較高的重復性和客觀性，但其應用需要一定的技術經驗，且設備成本較高。SWE與宮頸長度結合使用可能取代Bishop評分，成為預測引產成功的更有效工具。然而，這需要更大樣本量的多中心研究來進一步驗證這些發現。

4人工智能及預測模型

4.1人工智能在產科分娩預測中的早期應用

Devoe等［39］早期將人工智能技術（神經網絡）應用于產科分娩預測，該研究首次驗證了神經網絡在預測第一產程時長中的優越性（神經網絡r=0.88vs.傳統產程圖r=0.35），其采用的三層前饋反向傳播網絡架構為現代深度學習模型（如神經網絡、集成學習）奠定了基礎，后續研究雖使用更復雜的架構，但核心思想仍延續了通過多參數輸入（如超聲指標、臨床數據）優化預測性能的邏輯。

4.2機器學習和深度學習在醫學成像中的應用

目前，ML和DL在醫學成像領域，尤其是在超聲技術的應用上展現出顯著的進展，這些進展主要體現在圖像識別、分類、檢測和分割等方面，在胎兒超聲成像中，DL模型通過卷積神經網絡等架構，能夠高效識別標準切面（如腦部橫斷面、心臟四腔心切面），并自動完成生物測量（如頭圍、股骨長度），顯著減少了操作者依賴性和測量誤差［40-41］。

4.3多因素聯合模型在引產結局預測中的應用

國內外的研究者們也進行了多因素聯合模型構建，以預測引產結局。劉源瀛等［42］通過回顧性分析178例引產孕婦的數據，發現宮頸Bishop評分聯合超聲彈性成像參數如彈性對比指數（elasticitycontrastindex，ECI）、宮頸外口應變平均值（externalcervicalos，EOS）、宮頸長度，以及血清松弛素水平可提高預測準確性，AUCROC達0.940，優于單一指標或兩兩聯合。這一結果提示，超聲彈性成像技術能夠定量評估宮頸組織的軟硬度，而松弛素作為調控宮頸重塑的關鍵激素，其血清水平與引產成功率有關。該研究還發現引產失敗組的宮頸長度更長，進一步驗證了宮頸形態學參數在預測中的重要性。另有學者利用ML與超聲圖像評估中國孕婦的宮頸成熟度，采用了XGBoost、CatBoost和RandomForest這3種集成學習方法，基于孕婦的年齡、宮頸長度、Bishop評分、宮頸角度、引產時間及測量時間等多項參數進行孕婦宮頸成熟度的預測［43］。研究者利用ML模型預測從引產到分娩的時間，結果顯示XGBoost模型表現最優，其平均絕對誤差和均方根誤差分別為13.49h和16.98h，低于傳統Bishop評分方法的19.45h和24.55h。此外，特征重要性分析表明引產時間、測量時間以及是否采用人工破膜對預測結果影響較大，而Bishop評分的貢獻相對有限（在XGBoost模型中重要性排名第7）。這一結果不僅驗證了機器學習模型在宮頸成熟度評估中的客觀性和準確性，還提示超聲參數（如宮頸長度和角度）與臨床時間變量的結合可提升預測效能。有研究者在交叉驗證的模型評估中發現，產婦年齡、超聲胎枕位置（胎兒枕位）、靜止時AOP和引產前的宮頸長度是足月初產婦引產結局的良好預測指標。Kamel等［44］通過前瞻性隊列分析（n=344）構建了多變量預測模型，結果顯示上述指標的聯合應用具有較高的預測效能（研究組的AUC為0.79，驗證組的AUC為0.88）。值得注意的是，該研究通過超聲客觀測量參數降低了傳統Bishop評分的主觀性差異，同時結合胎枕后位（occiputposterior，OP）的識別（OR=5.7了可靠的生物學標志。，P=0.006），為人工智能算法的特征工程提供

4.4多模態數據與人工智能的融合

近年來，研究者對多種ML算法（如邏輯回歸、多層感知器、隨機森林、支持向量機、XGBoost和AdaBoost等ML模型）以及深度學習架構（如Inception、ResNet和Xception等CNN模型）在預測宮頸成熟度及分娩方式方面的有效性進行了系統性比較。Ferreira等［45］的研究通過回顧性分析808例引產孕婦的2024張超聲圖像發現，傳統的Logistic回歸模型在僅使用臨床數據時表現出預測性能（AUC為0.772），但其預測效能仍受限于主觀性較強的Bishop評分，研究進一步創新性地整合了胎兒生物測量參數（頭圍、雙頂徑、腹圍）與股骨超聲圖像特征，通過集成學習方法構建復合模型。結果顯示，結合股骨超聲圖像與臨床數據的AdaBoost-Inception集成模型提升了預測精度（F1分數為0.689，陽性預測值為0.693），其特異度（0.908）與靈敏度（0.668）的平衡性優于單一臨床模型（如AdaBoost模型的F1分數0.736，但假陽性率高達13.3%）。該模型通過深度學習自動提取的股骨圖像特征彌補了傳統生物測量參數的局限性，為客觀評估分娩風險提供了新維度。與主觀的Bishop評分相比，這種基于多模態數據的人工智能算法不僅降低了觀察者間變異，還能通過量化胎兒-母體相互作用（如胎兒大小與母體骨盆的匹配度）更精準地預測引產結局，為降低不必要的剖宮產率展現了潛在臨床應用價值。

4.5存在的挑戰

然而，ML和DL研究可能受到超聲胎兒生物測量評估中潛在誤差的影響，從而削弱其檢測異常胎兒生長的能力，且集成模型受到數據質量以及可用性的影響導致預測能力下降［40-41］。在一項前瞻性研究中，研究者通過超聲宮頸測量（包含宮頸彈性成像、宮頸長度、宮頸體積及宮頸角）開發了一種有效的預測模型，對141例（Bishop評分≤6分）宮頸不成熟足月孕婦評估了引產前的Bishop評分、宮頸長度、宮頸體積、子宮宮頸角及宮頸彈性圖參數，進行多變量Logistic回歸以確定剖宮產的潛在危險因素［28］。研究結果顯示陰道分娩率為74%，剖宮產率為26%，且剖宮產組的Bishop評分低于陰道分娩組。然而，宮頸彈性成像、宮頸體積和子宮頸角度在組間比較差異無統計學意義，未能有效預測引產結局。相比之下，宮頸長度在預測引產至分娩時間間隔方面表現出顯著價值，但在預測引產成功率方面未能提供有效的臨床參考，這可能與樣本量、測量方法的標準化以及宮頸成熟度的復雜性有關。

5結語與展望

隨著超聲技術的快速發展，多模態超聲技術在預測足月引產成功率方面展現出較好的優勢。傳統的Bishop評分雖然廣泛應用于臨床，但其主觀性強難以提供準確的預測。相比之下，二維超聲測量宮頸長度、宮頸后角、AOP和HPD等參數，提供了更為客觀的評估手段。尤其是宮頸長度，已被廣泛認為是引產成功的重要預測指標。盡管不同研究中的宮頸長度臨界值存在差異，但其預測價值得到了廣泛認可。三維超聲技術通過測量宮頸容積和PAA，進一步提高了預測的準確性，尤其是在評估骨盆形態和胎兒頭圍匹配情況方面，顯示出良好的臨床應用前景。

彈性成像技術特別是SWE，通過定量評估宮頸彈性，提高了對引產結局的預測能力。研究表明，宮頸內口的SWE值與剖宮產風險相關，尤其是在未能進入活躍期的剖宮產亞組中表現出顯著的預測能力。結合宮頸長度、產婦身高和產次的預測模型在預測剖宮產時的AUC達到0.888，優于傳統Bishop評分。此外，ML和DL技術在超聲圖像分析中的應用，進一步提升了宮頸成熟度和引產結局的預測準確性。通過集成多種超聲參數和臨床數據，ML模型在預測引產結局方面表現出更高的準確性，尤其是在減少預測誤差和提高預測靈敏度方面具有顯著優勢。

盡管多模態超聲技術和人工智能算法在引產預測中展現出巨大潛力，但仍存在一些挑戰。首先，不同研究中的測量方法和臨界值尚未統一，導致結果的可比性較差。其次，SWE和三維超聲技術的設備成本較高，且操作復雜，限制了其在臨床中的廣泛應用。且ML模型的預測能力受到數據質量和可用性的限制，并且模型指標較為復雜，未來需要更大樣本量的多中心研究來驗證這些模型的普適性和穩定性。

多模態超聲技術結合人工智能算法有望成為引產成功率預測的主流工具，未來的研究可致力于標準化測量方法，簡化并優化預測模型，并通過多中心、大樣本的研究驗證其臨床應用的可行性和有效性。此外，進一步探索宮頸彈性、骨盆形態和胎兒頭圍等因素對引產結局的影響，將有助于提高預測的準確性和臨床應用的廣泛性。利益沖突聲明：本研究未受到企業、公司等第三方資助，不存在潛在利益沖突。

參 考 文 獻

［1］中華醫學會婦產科學分會產科學組.妊娠晚期促子宮頸成熟與引產指南（2024）［J］.中華婦產科雜志，2024，59（11）：819-828.DOI：10.3760/cma.j.cn112141-20240707-00381.

ObstetricsSubgroupofChineseSocietyofObstetricsandGynecologyofChineseMedicalAssociation.Guidelineofcervicalripeningandlaborinductionduringthethirdtrimesterpregnancy（2024）［J］.ChinJObstetGynecol，2024，59（11）：819-828.DOI：10.3760/cma.j.cn112141-20240707-00381.

［2］楊麗菊，時春艷.促宮頸成熟和引產：2023年加拿大婦產科醫師協會指南解讀［J］.中華圍產醫學雜志，2023，26（10）：803-810.DOI：10.3760/cma.j.cn113903-20230921-00220.

YANGLJ，SHICY.Cervicalripeningandinductionoflabor：Interpretationof2023SocietyofObstetriciansandGynaecologistsofCanadaclinicalpracticeguideline［J］.ChinJPerinatMed，2023，26（10）：803-810.DOI：10.3760/cma.j.cn113903-20230921-00220

［3］MARTINJA，HAMILTONBE，OSTERMANMJK，etal.Births：finaldatafor2017［J］.NatlVitalStatRep，2018，67（8）：1-50.

［4］許云燕.應用E-cervix彈性技術進行臨產前宮頸成熟度評估及產程的相關性研究［D］.合肥：安徽醫科大學，2022.DOI：10.26921/d.cnki.ganyu.2022.000703.

XUYY.ApplicationofE-cervixelasticitytechnologyforpredeliverycervicalmaturityassessmentandcorrelationstudyoflaborprocess［D］.Hefei：AnhuiMedicalUniversity，2022.DOI：10.26921/d.cnki.ganyu.2022.000703.

［5］金能.宮頸彈性成像聯合宮頸管長度對足月催引產效果的預測價值［D］.杭州：浙江大學，2021.DOI：10.27461/d.cnki.gzjdx.2021.003675.

JINN.Thepredictivevalueofcervicalelastographycombinedwithcervicalcanallengthforfull-terminducedabortion［D］.Hangzhou：ZhejiangUniversity，2021.DOI：10.27461/d.cnki.gzjdx.2021.003675.

［6］ABDULLAHZHA，CHEWKT，VELAYUDHAMVRV，etal.Pre-inductioncervicalassessmentusingtransvaginalultrasoundversusBishopscervicalscoringaspredictorsofsuccessfulinductionoflabourintermpregnancies：ahospital basedcomparativeclinicaltrial［J］.PLoSOne，2022，17（1）：e0262387.DOI：10.1371/journal.pone.0262387.

［7］KWONJY，WIEJH，CHOISK，etal.Thedegreeofcervicallengthshorteningasapredictorofsuccessfulorfailedlaborinduction［J］.TaiwanJObstetGynecol，2021，60（3）：503-508.DOI：10.1016/j.tjog.2021.03.020.

［8］劉洪莉，李俊男.《產時超聲：世界圍產醫學會和圍產醫學基金會臨床實踐指南和推薦》解讀［J/OL］.中國產前診斷雜志（電子版），2022，14（3）：1-7.DOI：10.13470/j.cnki.cjpd.2022.03.001.

LIUHL，LIJN.Interpretationofintrapartumultrasound：clinicalpracticeguidelinesandrecommendationsofworldperinatalmedicalassociationandperinatalmedicalfoundation［J/OL］.ChinJPrenatDiagnElectronVersion，2022，14（3）：1-7.DOI：10.13470/j.cnki.cjpd.2022.03.001.

［9］LIPC，TSUIWL，DINGDC.Theassociationbetweencervicallengthandsuccessfullaborinduction：aretrospectivecohortstudy［J］.IntJEnvironResPublicHealth，2023，20（2）：1138.DOI：10.3390/ijerph20021138.

［10］HOSOYAS，MAEDAY，OGAWAK，etal.Predictivefactorsforvaginaldeliverybyinductionoflaborinuncomplicatedpregnanciesat40-41gestationalweeks：aJapaneseprospectivesingle-centercohortstudy［J］.JObstetGynaecolRes，2023，49（3）：920-929.DOI：10.1111/jog.15536.

［11］MILATOVI?S，KRSMANA，BATURANB，etal.Comparingpre-inductionultrasoundparametersandthebishopscoretodeterminewhetherlaborinductionissuccessful［J］.Medicina（Kaunas），2024，60（7）：1127.DOI：10.3390/medicina60071127.

［12］KIMYN，KWONJY，KIMEH.Predictinglaborinductionsuccessbycervicalfunnelinginuncomplicatedpregnancies［J］.JObstetGynaecolRes，2020，46（7）：1077-1083.DOI：10.1111/jog.14270.

［13］鐘萬霖，卓秀芳，李菱，等.經陰道超聲測量宮頸角預測自發性早產的臨床價值［J］.影像研究與醫學應用，2023，7（20）：47-49.DOI：10.3969/j.issn.2096-3807.2023.20.014.

ZHONGWL，ZHUOXF，LIL，etal.Clinicalvalueofmeasuringcervicalanglebytransvaginalultrasoundinpredictingspontaneousprematuredelivery［J］.JImagResMedAppl，2023，7（20）：47-49.DOI：10.3969/j.issn.2096-3807.2023.20.014.

［14］盧文岳，肖慧彬，黃素梅，等.經陰道超聲測量子宮頸角聯合宮頸長度預測胎兒早產的可行性研究［J］.中國醫藥科學，2023，13（9）：118-121.DOI：10.3969/j.issn.2095-0616.2023.09.030.

LUWY，XIAOHB，HUANGSM，etal.Feasibilityoftransvaginalultrasoundmeasurementofuterocervicalangleandcervicallengthforpredictingpretermbirth［J］.ChinaMedPharm，2023，13（9）：118-121.DOI：10.3969/j.issn.2095-0616.2023.09.030.

［15］RIZZOG，MAPPAI，MAQINAP，etal.Predictionofdeliveryafter40weeksbyantepartumultrasoundinsingletonmultiparouswomen：aprospectivecohortstudy［J］.JMaternFetalNeonatalMed，2022，35（25）：7787-7793.DOI：10.1080/14767058.2021.1937109.

［16］汪銀，黃婷，劉德紅，等.宮頸后角和進展角預測引產后陰道分娩的臨床價值［J］.臨床超聲醫學雜志，2024，26（1）：70-74.DOI：10.3969/j.issn.1008-6978.2024.01.016.

WANGY，HUANGT，LIUDH.Clinicalvalueofcervicalposteriorhornandprogressionangleinpredictingvaginaldeliveryafterinducedlabor［J］.JClinUltrasoundMed，2024，26（1）：70-74.DOI：10.3969/j.issn.1008-6978.2024.01.016.

［17］ESERA，OZKAYAE.Uterocervicalangle：anultrasoundscreeningtooltopredictsatisfactoryresponsetolaborinduction［J］.JMaternFetalNeonatalMed，2020，33（8）：1295-1301.DOI：10.1080/14767058.2018.1517324.

［18］劉沫，王雯雯，呼慧蓮，等.產程進展角對妊娠晚期引產結局的預測價值［J］.中國婦幼健康研究，2023，34（11）：61-66.DOI：10.3969/j.issn.1673-5293.2023.11.009.

LIUM，WANGWW，HUHL，etal.Thevalueofangleofprogressiontopredicttheoutcomeofinductionoflaborintermpregnancy［J］.ChinJWomanChildHealthRes，2023，34（11）：61-66.DOI：10.3969/j.issn.1673-5293.2023.11.009.

［19］劉森，陳震宇，邢艷菲.以第二產程中經會陰超聲所測進展角預測分娩方式：meta分析［J］.中國醫學影像技術，2024，40（5）：752-757.DOI：10.13929/j.issn.1003-3289.2024.05.025.

LIUS，CHENZY，XINGYF.Angleofprogressionmeasuredwithtransperinealultrasoundinthesecondstageoflaborforpredictingdeliverymode：meta-analysis［J］.ChinJMedImagingTechnol，2024，40（5）：752-757.DOI：10.13929/j.issn.1003-3289.2024.05.025.

［20］彭坤航.AOP與HPD在初產婦中監測產程進展和預測分娩結局的可行性分析［D］.遵義：遵義醫科大學，2023.DOI：10.27680/d.cnki.gzyyc.2023.000359.

PENGKH.FeasibilityanalysisofAOPandHPDinmonitoringlaborprogressionandpredictingdeliveryoutcomesinprimiparouswomen［D］.Zunyi：ZunyiMedicalUniversity，2023.DOI：10.27680/d.cnki.gzyyc.2023.000359.

［21］李璐，譚燁，吳春曉.三維超聲測量AOP和HPD在異常產程中指導分娩策略的臨床價值［J］.臨床和實驗醫學雜志，2024，23（3）：285-289.DOI：10.3969/j.issn.1671-4695.2024.03.016.

LIL，TANY，WUCX.Clinicalvalueofthree-dimensionalultrasoundmeasurementofAOPandHPDinguidingdeliverystrategiesduringabnormallaborprocesses［J］.JCliniExpMed，2024，23（3）：285-289.DOI：10.3969/j.issn.1671-4695.2024.03.016

［22］CHANYTV，LAUKW，HUIW，etal.Sonographicmeasurementofcervicallengthandheadperineumdistancebeforelabortopredicttimeofdelivery［J］.JMaternFetalNeonatalMed，2022，35（25）：4905-4909.DOI：10.1080/14767058.2021.1873264.

［23］DEMIGUELMANSOS，COLOMOCA，TEJEDORJG，etal.Ultrasoundexaminationofthecervixforpredictinglaborinductionsuccess：failedvalidationinaroutineclinicalsettingofasuccessfulpreviouspilotstudy［J］.ArchGynecolObstet，2020，301（1）：75-84.DOI：10.1007/s00404-019-05383-7.

［24］SPIEGELE，WEINTRAUBAY，ARICHA-TAMIRB，etal.Theuseofsonographicmyometrialthicknessmeasurementsforthepredictionoftimefrominductionoflabortodelivery［J］.ArchGynecolObstet，2021，303（4）：891-896.DOI：10.1007/s00404-020-05811-z.

［25］HAMZAA，RADOSAJ，GERLINGERC，etal.Cervicalandloweruterineparameterultrasoundandelastographicparametersforthepredictionofasuccessfulinductionoflabor［J］.UltraschallMed，2021，42（5）：520-528.DOI：10.1055/a-1131-7736.

［26］DELCAMPOA，AIARTZAGUENAA，SUáREZB，etal.Loweruterinesegmentthicknessassessedbytransvaginalultrasoundbeforelaborinduction：reproducibilityanalysisandrelationshipwithdeliveryoutcome［J］.UltrasoundObstetGynecol，2023，61（3）：399-407.DOI：10.1002/uog.26024.

［27］ATHULATHMUDALISR，PATABENDIGEM，CHANDRASINGHESK，etal.Transvaginaltwo-dimensionalultrasoundmeasurementofcervicalvolumetopredicttheoutcomeoftheinductionoflabour：aprospectiveobservationalstudy［J］.BMCPregnancyChildbirth，2021，21（1）：433.DOI：10.1186/s12884-021-03929-9.

［28］?LERIA，Y?LD?R?MKARACAS，G?LBA??H，etal.Diagnosticaccuracyofpre-inductioncervicalelastography，volume，length，anduterocervicalangleforthepredictionofsuccessfulinductionoflaborwithdinoprostone［J］.ArchGynecolObstet，2023，308（4）：1301-1311.DOI：10.1007/s00404-023-07076-8.

［29］陳捷，黃國偉，黃秋英.第一產程經會陰二、三維超聲檢測對初產婦陰道分娩及分娩時長的預測價值［J］.廣州醫科大學學報，2024，52（5）：30-34.DOI：10.3969/j.issn.2095-9664.2024.05.06.

CHENJ，HUANGGW，HUANGQY.Thepredictivevalueoftransperineal2Dand3Dultrasoundonvaginaldeliveryandlabordurationinprimiparouswomenduringthefirststageoflabor［J］.JGuangzhouMedUniv，2024，52（5）：30-34.DOI：10.3969/j.issn.2095-9664.2024.05.06.

［30］許美玲，王雪，梁曉君.產前骨盆三維導航在陰道分娩中的應用價值［J/OL］.實用婦科內分泌電子雜志，2022，9（28）：95-97.DOI：10.3969/j.issn.2095-9664.2024.05.06.

XUML，WANGX，LIANGXJ.Applicationvalueofprenatalpelvicthree-dimensionalnavigationinvaginaldelivery［J/OL］.JPractGynecolEndocr，2022，9（28）：95-97.DOI：10.3969/j.issn.2095-9664.2024.05.06.

［31］LIANGZW，GAOWL.Predictivevalueofthetrans-perinealthree-dimensionalultrasoundmeasurementofthepubicarchangleforvaginaldelivery［J］.WorldJClinCases，2023，11（20）：4874-4882.DOI：10.12998/wjcc.v11.i20.4874.

［32］OPHIRJ，CéSPEDESI，PONNEKANTIH，etal.Elastography：aquantitativemethodforimagingtheelasticityofbiologicaltissues［J］.UltrasonImaging，1991，13（2）：111-134.DOI：10.1177/016173469101300201.

［33］STROBELMK，EVESLAGEM，K?STERHA，etal.Cervicalelastographystrainratioandstrainpatternforthepredictionofasuccessfulinductionoflabour［J］.JPerinatMed，2020，49（2）：195-202.DOI：10.1515/jpm-2020-0189.

［34］OTURINAV，HAMMERK，M?LLERSM，etal.Assessmentofcervicalelastographystrainpatternanditsassociationwithpretermbirth［J］.JPerinatMed，2017，45（8）：925-932.DOI：10.1515/jpm-2016-0375.

［35］ZHOUY，JINN，CHENQ，etal.Predictivevalueofcervicallengthbyultrasoundandcervicalstrainelastographyinlaborinductionatterm［J］.JIntMedRes，2021，49（2）：300060520985338.DOI：10.1177/0300060520985338.

［36］YANGQ，ZHOUCC，CHENY，etal.Predictionmodelforsuccessfulinductionoflaborbycervicalstrainelastographydiagnosedatlate-termpregnancyin1iparouswomen：aprospectivecohortstudy［J］.BMCPregnancyChildbirth，2023，23（1）：114.DOI：10.1186/s12884-023-05426-7.

［37］COSTAST，RODRíGUEZMO，SáNCHEZ-BARBAM，etal.Predictivevalueofcervicalshearwaveelastographyintheinductionoflaborinlate-termpregnancy1iparouswomen：preliminaryresults［J］.Diagnostics（Basel），2023，13（10）：1782.DOI：10.3390/diagnostics13101782.

［38］LUJ，CHENGYKY，HOSYS，etal.Thepredictivevalueofcervicalshearwaveelastographyintheoutcomeoflaborinduction［J］.ActaObstetGynecolScand，2020，99（1）：59-68.DOI：10.1111/aogs.13706.

［39］DEVOELD，SAMUELS，PRESCOTTP，etal.Predictingthedurationofthefirststageofspontaneouslaborusinganeuralnetwork［J］.JMaternFetalMed，1996，5（5）：256-261.DOI：10.3109/14767059609025431.

［40］ZEGARRARR，GHIT.Useofartificialintelligenceanddeeplearninginfetalultrasoundimaging［J］.UltrasoundObstetGynecol，2023，62（2）：185-194.DOI：10.1002/uog.26130.

［41］XIEHN，WANGN，HEM，etal.Usingdeep-learningalgorithmstoclassifyfetalbrainultrasoundimagesasnormalorabnormal［J］.UltrasoundObstetGynecol，2020，56（4）：579-587.DOI：10.1002/uog.21967.

［42］劉源瀛，張愛青，王永清.宮頸Bishop評分聯合宮頸超聲彈性成像及血清學標志物對宮頸成熟度評估價值的研究［J］.國際婦產科學雜志，2024，51（2）：184-188.DOI：10.12280/gjfckx.20230506.

LIUYY，ZHANGAQ，WANGYQ.Studyonthepredictivevalueofcervicalultrasoundelastographycombinedwithserologicalmakersandcervicalbishopscoreforcervicalripening［J］.JIntObstetGynecol，2024，51（2）：184-188.DOI：10.12280/gjfckx.20230506.

［43］LIUYS，LUS，WANGHB，etal.AnevaluationofcervicalmaturityforChinesewomenwithlaborinductionbymachinelearningandultrasoundimages［J］.BMCPregnancyChildbirth，2023，23（1）：737.DOI：10.1186/s12884-023-06023-4.

［44］KAMELRA，NEGMSM，YOUSSEFA，etal.Predictingcesareandeliveryforfailuretoprogressasanoutcomeoflaborinductionintermsingletonpregnancy［J］.AmJObstetGynecol，2021，224（6）：609.e1-609609.e11.DOI：10.1016/j.ajog.2020.12.1212.

［45］FERREIRAI，SIM?ESJ，PEREIRAB，etal.Ensemblelearningforfetalultrasoundandmaternal-fetaldatatopredictmodeofdeliveryafterlaborinduction［J］.SciRep，2024，14（1）：15275.DOI：10.1038/s41598-024-65394-6.

（責任編輯：林燕薇）