基础模型驱动的盲扫超声胎儿出生体重估算的关键解剖帧选择

在分娩前不久准确估计胎儿出生体重 (FBW) 具有临床价值，但由于依赖操作员的专业知识，尤其是在资源匮乏的环境中，因此具有挑战性。为了减少这种依赖性，我们通过产前 48 小时内采集的盲扫超声 (US) 视频研究近期出生体重回归，产后称重为 真值。因此，我们提出了一种基础模型驱动的关键解剖帧选择框架，尽管盲扫中没有平面约束，但该框架仍能实现准确的 FBW 回归。我们的亮点如下：（1）我们相信这是第一个使用盲扫美国视频来估计 FBW 的工作，从而实现独立于操作员的评估。 (2)提出了一种配备视觉语言基础模型的解剖引导帧选择模块，用于无约束扫描中的关键帧收集。 (3) 冗余感知特征压缩模块旨在压缩帧特征，同时保留任务相关信息，从而减轻时间冗余。我们的方法对 839 名患者的前瞻性收集数据进行了广泛验证，其 MAE 达到 161.3 g，其中 90.23% 和 100% 的病例绝对百分比误差在 10% 和 15% 之内，优于典型的 Hadlock 估计和强大的竞争对手。代码可在 https://github.com/ouleoule/BlindSweep-EBW 获取。