面向端到端代理系统的统一超声智能

临床超声分析需要能够跨异构器官、视图和设备进行泛化的模型，同时支持可解释的工作流程级分析。现有方法通常依赖于任务自适应，并且联合学习可能由于跨任务干扰而不稳定，使得在实践中很难提供工作流级输出。为了应对这些挑战，我们推出了 USTri，这是一种用于统一多器官、多任务分析的三级超声智能管道。第一阶段在不同领域训练通用通才 USGen，以学习广泛的、可转移的先验知识，这些先验知识对设备和协议的可变性具有鲁棒性。为了更好地处理领域转移并达到与任务一致的性能，同时保留超声共享知识，Stage II 通过保持 USGen 冻结和微调数据集特定头来构建 USpec。第三阶段引入了 USAgent，它通过协调 USpec 专家进行多步骤推理和确定性结构化报告来模仿临床医生的工作流程。在 FMC\_UIA 验证集上，我们的模型在 4 种任务类型和 27 个数据集上实现了最佳整体性能，优于最先进的方法。此外，定性结果表明 USAgent 生成的临床结构化报告具有高精度和可解释性。我们的研究提出了一种可扩展的超声智能路径，可泛化异构超声任务并支持一致的端到端临床工作流程。该代码可在以下位置公开获取：https://github.com/MacDunno/USTri。