北京
超声影像一直是临床医生的"实时望远镜"——无辐射、成本低、即查即看。但AI读超声，像极了让外国人听方言：每个字都认识，连起来就懵圈。
问题出在数据。主流医疗AI数据集里，CT、MRI占绝对主流，超声样本不足5%，像个被遗忘的方言区。更麻烦的是，同一张超声图，报告描述五花八门："边界不清"和"轮廓模糊"可能说的是一回事，传统对比学习却把它们当成两码事。
浙大城市学院联合浙大、港城大等团队，干脆给超声AI编了套"母语教材"——US-365K数据集，36.4万对图文，100%纯超声，零掺水。配套推出的Ultrasound-CLIP框架，被CVPR 2026接收，代码和数据已开源。
这套"教材"的精髓在于先立规矩。团队拉上临床医生，把超声诊断拆解成9大维度：身体系统、器官、诊断结果、形状、边缘、回声性……每个维度配一套标准词汇表。就像给方言配了普通话对照表，"边界不清"和"轮廓模糊"终于能对上号。
模型设计也顺着临床思维来。文本编码时，先把诊断标签和属性建成一张关系图，再用图神经网络"读"出病灶和特征的关联——不是死记硬背关键词，而是理解"这个结节边缘不规则+回声不均"意味着什么。
训练时玩了个双目标：一边让图文对齐，一边让语义相似的样本在向量空间里抱团。效果很实在：病灶边缘识别准确率84.44%，图文检索TOP10命中率37.45%，在乳腺、胃肠等四个下游数据集上零样本就能用。
有个细节挺有意思：数据经专家逐例审核，有效率超90%。团队没追求"大数据"的虚荣，而是确保每对图文都经得起临床推敲——毕竟超声AI要进诊室，容不得"差不多"。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
