学位论文简介

据统计，我国每年新增出生缺陷数约为 80 万-120 万例，占全年出生人口的 4%-6%，已成为新生儿死亡与终身致残的主要诱因之一。产前超声检查作为目前临床中最常用的筛查手段，其准确性和效率直接决定了风险识别的及时性与干预效果。然而，传统超声检查严重依赖操作者的专业经验与操作技巧，存在较强主观性和结果不一致性等问题。本文聚焦产前超声流程中最为基础的环节—标准切面识别，提出多切面识别、解剖结构约束建模以及图像质量评估等方法。研究内容如下：

(1) 基于由粗到细的多任务学习胎儿超声标准切面检测算法：该方法采用特征融合模块统一处理不同类型超声图像的多源特征差异，引入多任务机制以分阶段完成切面类型判定与标准性判断，增强模型对背景噪声与切面相似性干扰的鲁棒性。

(2) 利用拓扑约束关系检测胎儿超声图像中的解剖结构：提出一种融合结构先验的拓扑感知结构检测模型，包括类感知表征学习模块与结构特征交互机制。方法通过增强类内特征紧致性与类间特征可分性，构建特征间结构相关矩阵并引导信息交互，有效提升了解剖结构建模的整体性与准确性。

(3) 基于分数一致性和相对性协同学习的无监督超声图像质量评估方法：利用伪标签生成机制、一致性和相对性协同约束实现图像质量的精细化建模。具体方法包括：基于图像间语义分布距离构建质量伪标签，设计分数一致性与相对性排序联合损失函数，引导模型学习可泛化的连续质量评分能力。

主要学术成果

[1] Juncheng Guo, Guanghua Tan, Fan Wu, Huaxuan Wen, Kenli Li, Fetal ultrasound standard plane detection with coarse-to-fine multi-task learning[J], IEEE Journal of Biomedical and Health Informatics, 2022, 27(10): 5023-5031. (SCI二区期刊，第一作者).

[2] Juncheng Guo, Guanghua Tan, Jianxin Lin, Bin Pu, Xin Wen, Chunlian Wang, Shengli Li, Kenli Li. Anatomical structures detection using topological constraint knowledge in fetal ultrasound[J]. Neurocomputing, 2025, 619: 129143. (SCI二区期刊，第一作者)

[3] Juncheng Guo, Jianxin Lin, Guanghua Tan, Yuhuan Lu, Zhao Gao, Shengli Li, Kenli Li. Unsupervised Ultrasound Image Quality Assessment with Score Consistency and Relativity Co-learning[C]//International Conference on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer Nature Switzerland, 2024: 734-743. (CCF B类会议，第一作者)