澳门理工大学研究团队开发生成式模型：AI赋能胎儿超声成像新时代

澳门理工大学研究团队开发生成式模型：AI赋能胎儿超声成像新时代

澳门理工大学应用科学学院副教授檀韬、副教授彭祥佑、博士研究生段耀菲，联同深圳大学、深圳度影医疗科技有限公司及七家医学中心，开发针对胎儿超声多切面的生成式人工智能模型FetalFlex，这一创新框架利用解剖结构和多模态信息，实现了跨多种平面的可控胎儿超声图像合成。

在产前医学检查中，胎儿超声扮演着不可替代的角色。医生需要通过多个不同平面的超声图像，全面评估胎儿发育状况并筛查可能存在的先天性异常。然而，建立完整的多平面标注胎儿超声数据集面临着巨大挑战，尤其是那些罕见或复杂的胎儿异常情况——它们不仅发病率极低，亚型还极为多样。这一困境长期以来阻碍着新手放射科医生的培训和可靠AI诊断模型的开发。

FetalFlex是首个基于统一模型灵活生成多种胎儿平面超声图像的通用框架，而无需针对不同超声切面重新训练。该框架具备强大的可控性，能够同时生成域内正常和域外异常胎儿超声图像，填补了当前医学图像生成领域的重要空白。FetalFlex框架引入了多项技术创新，在多中心数据集上的广泛实验证明，FetalFlex在图像质量方面达到了先进水平，并且与放射科医师的视觉偏好高度一致。进一步的保真度评估表明，FetalFlex生成的异常样本具有潜在的临床应用价值。此外，两项下游任务的实验结果验证，FetalFlex生成的图像显着提升了深度学习模型的性能表现，为解决胎儿超声领域长期以来的数据稀缺难题提供了切实可行的解决方案。

研究成果以“FetalFlex: Anatomy-Guided Diffusion Model for Flexible Control on Fetal Ultrasound Image Synthesis”为题，于国际顶级期刊《Medical Image Analysis》(《医学图像分析》)上刊登。FetalFlex的开发为医学影像领域带来了多方面的价值，例如为放射科医师提供多样化的训练资源，包括罕见异常案例。进一步解缓解异常胎儿超声数据稀缺的问题，支持下游AI模型的开发。值得注意的是，FetalFlex能够在没有异常样本数据的情况下，生成具有临床意义的异常胎儿超声图像，这在处理罕见疾病或新发异常时具有独特优势。通过解剖结构级别的可控编辑，医生可以模拟各种异常情况，为临床实践和教学提供宝贵资源。

《Medical Image Analysis》是Elsevier旗下专注于医学和生物学图像分析的顶级期刊，同时被SCIE、Scopus等国际权威数据库收录。期刊最新影响因子为11.8，在医学图像计算领域处于领先地位。研究成果由粤澳联合项目胎儿超声智能质量控制标准、关键技术及示范应用研究启动，受澳门镜湖医院李峻主任支持。本研究得到澳门科学技术发展基金（0021/2022/AGJ）资助。研究内容全文可浏览：https://www.sciencedirect.com/science/article/abs/pii/S1361841525002725。