澳門理工大學研究團隊開發生成式模型：AI賦能胎兒超聲成像新時代（圖片來源：《Medical Image Analysis》）




澳門理工大學研究團隊開發生成式模型：AI賦能胎兒超聲成像新時代

【本報訊】澳門理工大學應用科學學院副教授檀韜、副教授彭祥佑、博士研究生段耀菲，聯同深圳大學、深圳度影醫療科技有限公司及七家醫學中心，開發針對胎兒超聲多切面的生成式人工智能模型FetalFlex，這一創新框架利用解剖結構和多模態信息，實現了跨多種平面的可控胎兒超聲圖像合成。

在產前醫學檢查中，胎兒超聲扮演著不可替代的角色。醫生需要通過多個不同平面的超聲圖像，全面評估胎兒發育狀況並篩查可能存在的先天性異常。然而，建立完整的多平面標註胎兒超聲數據集面臨著巨大挑戰，尤其是那些罕見或複雜的胎兒異常情況——它們不僅發病率極低，亞型還極為多樣。這一困境長期以來阻礙著新手放射科醫生的培訓和可靠AI診斷模型的開發。

FetalFlex是首個基於統一模型靈活生成多種胎兒平面超聲圖像的通用框架，而無需針對不同超聲切面重新訓練。該框架具備強大的可控性，能夠同時生成域內正常和域外異常胎兒超聲圖像，填補了當前醫學圖像生成領域的重要空白。FetalFlex框架引入了多項技術創新，在多中心數據集上的廣泛實驗證明，FetalFlex在圖像質量方面達到了先進水平，並且與放射科醫師的視覺偏好高度一致。進一步的保真度評估表明，FetalFlex生成的異常樣本具有潛在的臨床應用價值。此外，兩項下游任務的實驗結果驗證，FetalFlex生成的圖像顯著提升了深度學習模型的性能表現，為解決胎兒超聲領域長期以來的數據稀缺難題提供了切實可行的解決方案。

研究成果以“FetalFlex: Anatomy-Guided Diffusion Model for Flexible Control onFetal Ultrasound Image Synthesis”為題，於國際頂級期刊《MedicalImage Analysis》(《醫學圖像分析》)上刊登。FetalFlex的開發為醫學影像領域帶來了多方面的價值，例如為放射科醫師提供多樣化的訓練資源，包括罕見異常案例。進一步解緩解異常胎兒超聲數據稀缺的問題，支持下游AI模型的開發。值得注意的是，FetalFlex能夠在沒有異常樣本數據的情況下，生成具有臨床意義的異常胎兒超聲圖像，這在處理罕見疾病或新發異常時具有獨特優勢。通過解剖結構級別的可控編輯，醫生可以模擬各種異常情況，為臨床實踐和教學提供寶貴資源。

《MedicalImage Analysis》是Elsevier旗下專注於醫學和生物學圖像分析的頂級期刊，同時被SCIE、Scopus等國際權威數據庫收錄。期刊最新影響因子為11.8，在醫學圖像計算領域處於領先地位。研究成果由粵澳聯合項目胎兒超聲智能質量控制標準、關鍵技術及示範應用研究啟動，受澳門鏡湖醫院李峻主任支持。本研究得到澳門科學技術發展基金（0021/2022/AGJ）資助。研究內容全文可瀏覽：https://www.sciencedirect.com/science/article/abs/pii/S1361841525002725。