陸堯勝/白杰云團(tuán)隊(duì)在Medical Image Analysis發(fā)表成果：創(chuàng)新超聲視頻多任務(wù)框架-實(shí)現(xiàn)分娩進(jìn)展智能精準(zhǔn)評估
暨南大學(xué)融媒體中心訊 近日，暨南大學(xué)信息科學(xué)技術(shù)學(xué)院、暨南大學(xué)第一附屬醫(yī)院（華僑醫(yī)院）、廣州市婦女兒童醫(yī)療中心，中山大學(xué)第三附屬醫(yī)院，聯(lián)合全球多所知名高校與醫(yī)療機(jī)構(gòu)完成的最新研究成果《Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Method for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos》在醫(yī)學(xué)影像領(lǐng)域國際權(quán)威期刊Image Analysis（IF=11.8）發(fā)表。該研究在前期產(chǎn)時超聲智能測量國際基準(zhǔn)研究基礎(chǔ)上，進(jìn)一步深挖母胎超聲視頻的臨床價值，首次構(gòu)建了面向臨床應(yīng)用的產(chǎn)時超聲視頻多任務(wù)自動測量框架，為解決資源匱乏地區(qū)超聲專業(yè)人員短缺、分娩進(jìn)展評估效率低等臨床痛點(diǎn)提供了全新的深度學(xué)習(xí)解決方案，推動智能圍產(chǎn)保健技術(shù)向更貼近臨床的視頻分析方向邁進(jìn)。陸堯勝教授與鄭崢主任為該研究共同通訊作者。
全球每年約有 28.7 萬例孕產(chǎn)婦死亡、240 萬例新生兒死亡和 190 萬例死產(chǎn)，其中 45% 的悲劇發(fā)生在分娩階段，中低收入國家受此影響尤為嚴(yán)重。產(chǎn)時超聲生物測量是監(jiān)測分娩進(jìn)展的關(guān)鍵手段，其核心指標(biāo)角度進(jìn)展度（AoP）和頭恥距（HSD）能有效預(yù)測分娩結(jié)局、降低不必要剖宮產(chǎn)率，但傳統(tǒng)人工評估方式不僅耗時費(fèi)力、易受主觀因素影響，還依賴專業(yè)超聲醫(yī)師的操作，在醫(yī)療資源有限地區(qū)難以普及。同時，產(chǎn)時超聲視頻存在的圖像偽影、胎體動態(tài)運(yùn)動、解剖結(jié)構(gòu)變形等問題，也為自動化分析帶來了巨大技術(shù)挑戰(zhàn)。為攻克上述難題，陸堯勝教授團(tuán)隊(duì)聯(lián)合奧克蘭大學(xué)、悉尼大學(xué)、牛津大學(xué)、穆罕默德本扎耶德人工智能大學(xué)等全球數(shù)十家機(jī)構(gòu)，依托 MICCAI 2024 Intrapartum Ultrasound Grand Challenge（IUGC）挑戰(zhàn)賽，開展了基于產(chǎn)時超聲視頻的分娩進(jìn)展評估深度學(xué)習(xí)分析系統(tǒng)性研究。研究團(tuán)隊(duì)構(gòu)建了目前全球規(guī)模最大的多中心產(chǎn)時超聲視頻數(shù)據(jù)集，該數(shù)據(jù)集涵蓋來自 3 家醫(yī)院的 774 段視頻（含 68106 幀圖像），均為經(jīng)會陰采集的分娩期母胎超聲影像，嚴(yán)格遵循國際婦產(chǎn)超聲學(xué)會（ISUOG）采集規(guī)范，同時設(shè)置了明確的納入與排除標(biāo)準(zhǔn)，保證了數(shù)據(jù)的臨床代表性和可靠性。
文章發(fā)表頁面截圖
基于該數(shù)據(jù)集，研究團(tuán)隊(duì)創(chuàng)新設(shè)計(jì)了融合標(biāo)準(zhǔn)平面分類、胎頭- 恥骨聯(lián)合分割、生物參數(shù)測量的多任務(wù)自動測量框架，實(shí)現(xiàn)了從超聲視頻中端到端的分娩進(jìn)展關(guān)鍵指標(biāo)提取。該框架突破了傳統(tǒng)單張超聲圖像分析的局限性，充分挖掘視頻的時空特征，讓算法能夠利用多維度時空互補(bǔ)信息，顯著提升分娩進(jìn)展評估的準(zhǔn)確性和魯棒性。本次挑戰(zhàn)賽吸引了全球 18 個國家的 126 支團(tuán)隊(duì)注冊參與，最終 16 支團(tuán)隊(duì)完成有效提交，研究團(tuán)隊(duì)對其中 8 支頂尖團(tuán)隊(duì)的算法方案進(jìn)行了全面剖析，從預(yù)處理、數(shù)據(jù)增強(qiáng)、學(xué)習(xí)策略、模型架構(gòu)、后處理五個維度展開系統(tǒng)性研究，深入挖掘了不同深度學(xué)習(xí)方法在產(chǎn)時超聲視頻分析中的優(yōu)勢與不足。研究結(jié)果顯示，最優(yōu)算法在標(biāo)準(zhǔn)平面分類、胎頭- 恥骨聯(lián)合分割及 AoP、HSD 測量等任務(wù)上展現(xiàn)出優(yōu)異性能，其中分割任務(wù)的骰子相似系數(shù)（DSC）達(dá)0.8857，AoP 測量絕對誤差低至9.1557°，HSD 測量絕對誤差僅10.3878 mm，部分指標(biāo)已接近資深臨床超聲醫(yī)師水平。同時，研究團(tuán)隊(duì)通過大量對照實(shí)驗(yàn)，明確了一系列提升算法性能的關(guān)鍵策略：在預(yù)處理階段，圖像尺寸歸一化和對比度增強(qiáng)能有效降低數(shù)據(jù)復(fù)雜度；數(shù)據(jù)增強(qiáng)方面，結(jié)合幾何變換與強(qiáng)度調(diào)整的復(fù)合策略可使模型準(zhǔn)確率提升約24%；模型架構(gòu)上，Video Swin Transformer 等視頻專用網(wǎng)絡(luò)能更好捕捉時空特征，Segment Anything Model（SAM）在分割和參數(shù)測量任務(wù)中表現(xiàn)出顯著優(yōu)勢；后處理階段，直接基于分割輪廓提取關(guān)鍵點(diǎn)的方式，比橢圓擬合更適合動態(tài)的產(chǎn)時超聲影像分析。
IUGC 2024 基于超聲視頻的分娩進(jìn)展評估流程示意圖
此外，研究團(tuán)隊(duì)還針對臨床實(shí)際應(yīng)用中的關(guān)鍵問題展開深入探究。通過對不同醫(yī)院、不同超聲設(shè)備采集的數(shù)據(jù)進(jìn)行分層分析，發(fā)現(xiàn)算法在跨設(shè)備、跨中心場景下的魯棒性仍有提升空間，為后續(xù)域自適應(yīng)學(xué)習(xí)、多源數(shù)據(jù)融合等研究指明了方向；通過評估三位資深醫(yī)師的人工標(biāo)注一致性，明確了產(chǎn)時超聲測量的固有臨床難度，為算法性能評估設(shè)定了更貼合實(shí)際的參考標(biāo)準(zhǔn)；通過對比兩階段訓(xùn)練與端到端訓(xùn)練、圖像基分析與視頻基分析等不同范式，證實(shí)了視頻基端到端多任務(wù)學(xué)習(xí)范式是未來產(chǎn)時超聲自動化分析的重要發(fā)展方向。
該研究得到了國家自然科學(xué)基金、廣東省自然科學(xué)基金、廣州市重點(diǎn)研發(fā)計(jì)劃、歐盟“地平線歐洲”計(jì)劃等多個項(xiàng)目的聯(lián)合資助。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S136184152600112X
責(zé)編：李梅