自适应对比度调整模块：一种临床启发的插即式方法用于增强胎儿平面分类
计算机视觉与模式识别
2025-09-03 v1 人工智能
摘要
胎儿超声标准平面分类是可靠产前诊断的关键，但面临低组织对比度、边界模糊及操作者依赖的图像质量差异等固有挑战。为克服这些限制，我们提出一种插即式自适应对比度调整模块 (ACAM)，其核心设计灵感来自医生调整图像对比度以获得更清晰、更具判别性结构信息的临床实践。该模块采用浅层纹理敏感网络预测临床可行的对比度参数，通过可微分映射将输入图像转化为多种对比度增强视图，并在下游分类器中进行融合。在由六个解剖学类别组成的 12,400 张多中心数据集上验证，模块在不同模型下均实现性能提升，轻量级模型准确率提升 2.02 百分点，传统模型准确率提升 1.29 百分点，最新前沿模型准确率提升 1.15 百分点。该模块的创新之处在于其内容感知自适应能力，取代随机预处理，采用基于物理的信息化变换，符合超声医生的工作流程，同时通过多视角融合提高了对图像异质性的鲁棒性。该方法有效桥接了低层图像特征与高层语义，为面向实际图像质量变化的医学图像分析树立了新范式。
引用
@article{arxiv.2509.00808,
title = {Adaptive Contrast Adjustment Module: A Clinically-Inspired Plug-and-Play Approach for Enhanced Fetal Plane Classification},
author = {Yang Chen and Sanglin Zhao and Baoyu Chen and Mans Gustaf},
journal= {arXiv preprint arXiv:2509.00808},
year = {2025}
}