在超声检查中，图像质量与切面规范性高度依赖操作者，事后抽查难以覆盖全过程。医疗AI实验室本期尝试把质控前移到采集当场：以超声主机视频流为输入，在边缘侧运行轻量切面识别模型，对常规检查的标准切面逐帧判定，并在操作界面给出即时提示。
做法上，我们不做病灶诊断，只解决三件事：一是切面判定，判断当前画面是否落入目标切面（如肝右叶—门静脉右支、胆囊长轴）的合格区间；二是参数偏离提示，当增益过高、深度设置不合理或聚焦位置明显偏离时给出温和提醒；三是扫查覆盖记录，按解剖区域统计是否存在未扫查的盲区，便于检查结束时复核。
要点
- 进展：在脱敏回顾性视频上，切面识别对多数常规切面取得可用的判定一致性，误报主要集中在呼吸运动与探头加压导致的瞬时形变；目前定位为“提示”而非“拦截”。
- 下一步：与临床科室共同定义各切面的合格判据与提示阈值，在不增加操作负担的前提下，评估其对采集合格率与报告复核时间的影响。
评论