学位论文简介

先天性心脏病是常见严重出生缺陷，我国每年新增病例约15万。产前诊断有助改善预后，超声因便携、低成本等优势为首选手段。但胎儿心脏小、跳动快，筛查复杂且依赖人工，检出率受医师水平影响大，出生前检出率不足一半。现有培训成本高，难以普及。本文聚焦智能筛查关键问题，提出针对心动周期检测、结构分割和辅助诊断的自动化方法，构建实用的智能筛查系统。研究内容如下：

(1) 长短期序列信息融合的心动周期相位检测：提出光流增强Mamba U-Net，结合短期运动与长期周期信息提升检测精度。通过光流强化特征，编码器提取多尺度周期变化，多分支解码器回归关键帧位置。

(2) 多尺度多分支解剖结构分割：提出实例分割网络IS-YOLOX，用于四腔心横切面解剖结构的自动定位与分割。不同于传统两阶段方法，IS-YOLOX无需依赖检测结果，降低任务耦合。该方法在多任务框架中引入实例分割分支，并设计三级非极大值抑制机制优化分割结果。

(3) 先验引导的半监督解剖结构分割：提出增强解剖先验的半监督超声心脏分割模型AP-Net，由解剖先验生成模块、先验特征融合模块和类别感知裁剪策略组成，以充分利用先验信息，提高分割精度。

(4) 语义知识驱动的疾病辅助诊断：提出辅助诊断框架SKGC，在语义知识引导下识别四腔心图像的正常与否，少量掩码即可提升准确率。框架包括SKEM、MFM与CM：SKEM提取高层语义，MFM融合语义与图像特征增强判别力，CM完成分类，兼容多种分类器。

主要学术成果

[1] Yuhuan Lu, Guanghua Tan, Bin Pu, Pak-Hei Yeung, Hang Wang, Shengli Li, Jagath C. Rajapakse, and Kenli Li, Optical Flow-Enhanced Mamba U-Net for Cardiac Phase Detection in Ultrasound Videos, IEEE Transactions on Medical Imaging. 2025, doi: 10.1109/TMI.2025.3550731. (SCI一区期刊 第一作者).

[2] Yuhuan Lu, Guanghua Tan, Bin Pu, Hang Wang, Bocheng Liang, Kenli Li, and Jagath C. Rajapakse, SKGC: A General Semantic-level Knowledge Guided Classification Framework for Fetal Congenital Heart Disease, IEEE Journal of Biomedical and Health Informatics, vol. 28, no. 10, pp. 6105-6116, Oct. 2024, doi: 10.1109/JBHI.2024.3426068. (SCI二区期刊 第一作者)

[3] Yuhuan Lu, Kenli Li, Bin Pu, Ying Tan, and Ningbo Zhu, A YOLOX-based Deep Instance Segmentation Neural Network for Cardiac Anatomical Structures in Fetal Ultrasound Images, IEEE/ACM Transactions on Computational Biology and Bioinformatics, vol. 21, no. 4, pp. 1007-1018, July-Aug. 2024, doi: 10.1109/TCBB.2022.3222356. (CCF B类期刊 第一作者)

[4] Yuhuan Lu, Jintang Li, Jianxin Lin, Ying Yuan, Jagath C. Rajapakse, Ningbo Zhu, Chunlian Wang, and Kenli Li, AP-Net: Semi-Supervised Ultrasound Cardiac Segmentation Using Enhanced Anatomical Prior, IEEE International Conference on Acoustics, Speech and Signal Processing, Hyderabad, India, 2025, pp. 1-5, doi: 10.1109/ICASSP49660.2025.10888667. (CCF B类会议 第一作者)