学位论文简介
胎儿超声影像被广泛用于产前健康检查和胎儿疾病诊断。本文结合实际临床需求，从多角度系统性地解决了胎儿超声图像自动判读和辅助诊断中存在的多个关键难题，该研究为推动深度学习在产前超声检查中的应用提供了坚实的技术基础和有效示范，具备良好的临床实用价值和应用前景。
（1）本文提出图卷积增强的多尺度结构感知集成网络，通过局部到全局的多粒度特征融合与结构关系建模，融合细粒度多分类器联合判别与置信评估损失，能够准确评估切面质量，标准切面识别准确率达到94.24%，较其它先进模型提升1.63%–31.63%。
（2）基于几何约束与端点聚焦的端到端生物测量网络，利用跨层特征融合和注意力机制提升位置敏感性，结合几何先验损失约束测量端点间的关系。在胎儿生长参数测量任务上相对误差降低至0.044、相关性系数达到0.979，实现了高精度一体化的测量。
（3）为解决多中心数据域差异及泛化问题，基于医学视觉基础模型MedSAM，提出了提示增强与密集特征融合的多中心域持续学习框架。结合分阶段冻结/解冻、随机权重恢复训练，实现对胎儿脑部和腹部结构的稳健检测与跨域适应。
（4）胎儿脊柱裂是罕见病中发病率较高的发育异常。本文结合临床诊断过程，构建自动化胎儿椎体计数与测量方法，应对孕早期或病灶表征不明显的脊柱裂筛查。同时，聚焦胎儿脊柱和小脑切面，构建基于特征蒸馏与模糊匹配的异常检测模型，提升对脊柱裂异常病灶的检测性能。
主要学术成果
Zhan Gao, Zean Tian, Bin Pu, Shengli Li, Kenli Li. Deep endpoints focusing network under geometric constraints for end-to-end biometric measurement in fetal ultrasound images [J]. Computers in Biology and Medicine 165 (2023): 107399. (SCI, 第一作者)
Zhan Gao, Guanghua Tan, Chunlian Wang, Jianxin Lin, Bin Pu, Shengli Li, Kenli Li. Graph-enhanced ensembles of multi-scale structure perception deep architecture for fetal ultrasound plane recognition [J]. Engineering Applications of Artificial Intelligence 136 (2024): 108885. (SCI, 第一作者)
Zhan Gao; Yan Ding; Ningbo Zhu; Hongjie Zhang; Chunlian Wang; Shengli Li, Kenli Li. Automated screening network for fetal closed spina bifida with semantic enhancement and projected attention [J]. IEEE Journal of Biomedical and Health Informatics (2024). (SCI, 第一作者)
Zhan Gao; Qika Lin; Huaxuan Wen; Bin Pu; Mengling Feng; Kenli Li. Incorporating Large Vision Model Distillation and Fuzzy Perception for Improving Disease Diagnosis [J]. IEEE Transactions on Fuzzy Systems (2025). (SCI, 第一作者)
Zhan Gao, Ling Huang, Qika Lin, Bin Pu, Kai He, Mengling Feng, Kenli Li. Domain-continual learning for multi-center anatomical detection via prompt-enhanced and densely-fused MedSAM [J]. Information Fusion (2025): 103614. (SCI, 第一作者)
