醫療檢查設備包括超音波檢查設備、電腦斷層攝影等，以產前胎兒生長檢查為例，超音波檢查在產前診斷上扮演極重要之角色。醫師可在第一孕期的超音波影像進行胎兒頸部透明帶與生長參數之量測，做為早期唐氏症、胎兒基因缺陷或發育不全之篩檢。然而，胎兒超音波影像通常有過多雜訊、邊界模糊等缺點，而且，第一孕期之超音波影像更因為胎兒發育尚未完整，以及胎兒本身附著於子宮內膜造成邊界不明顯等問題，使得目前超音波影像量測與評估大都仰賴專業臨床人員的手動操作與經驗，也易於導致人為操作的誤差。此外，胎兒頸部透明帶厚度需要在胎兒正中矢狀面（Middle Sagittal Plane，MSP）上量測，但如何在超音波影像中找到此正確觀察面，這是一件相當耗時與困難的技術。因此，如何提供一種自動能找出矢狀面的技術，已成為非常重要課題。有鑑於上述課題，本發明之目的為提供一種能自動找出矢狀面的方法。本系統採用人工智慧(AI)深度學習中之對抗生成卷積神經網路，來完成偵測三維超音波胎兒正中矢狀面之任務，比起一般卷積神經網路與傳統影像處理方法更為有效且穩定。目前透過成大醫療院所提供的影像資料來建立AI模型，證明本發明系統具有非常高之準確度，偵測之運算時間非常快速。本系統多項核心技術均己提出國內外發明專利申請與獲證，方法與實驗結果亦己投稿國際期刊論文。

胎兒頸部透明帶厚度需要在胎兒正中矢狀面（MSP）上量測，傳統影像處理或一般卷積神經網路方法都必需先尋找胎兒頭部或其它部位，接著求取MSP的位置。本發明利用深度學習生成對抗網路，可直接獲得MSP的位置，實驗證實本系統具有非常高的準確性，且速度比過往方法都快非常多，為自動偵測與實際應用上之重大突破。

超音波掃描具有低成本、即時和非侵入性等優點，廣泛使用於產前檢查。目前超音波影像量測與評估大都仰賴專業臨床人員的經驗。如何在超音波影像中找到正確觀察面，是一件相當耗時與困難的技術。本發明利用深度學習生成對抗網路，自動偵測用來量測部透明帶厚度的正中矢狀面位置，實驗證明本系統能提供快速且準確的解決方案。