AURORA：面向鲁棒超声图像分析的自适应统一表示
计算机视觉与模式识别
2026-03-23 v1
摘要
超声图像在不同扫描仪、操作员和解剖靶点之间差异很大，这常导致在新医院和临床条件下训练的模型泛化效果差。Foundation Model Challenge for Ultrasound Image Analysis（FMC-UIA）反映了这一困难，要求单个模型能够处理包括分割、检测、分类和 landmarks 回归在内的多种任务，跨越多种器官和数据集。我们提出了一个基于Qwen3-VL系列转换器视觉编码器的统一多任务框架。中间token特征被投影到空间特征图中，通过轻量级多尺度特征金字塔进行融合，实现像素级预测和全局推理的共享表示。每个任务由小型任务特定预测头处理，训练时使用任务感知抽样和选择性损失平衡来管理异构监督并减少任务不平衡。我们的方法设计简洁，可在广泛的超声图像分析任务中灵活应用。在验证集上性能提升从67%提升至85%，在官方测试集上所有任务的平均分为81.84%。代码已公开：https://github.com/saitejalekkala33/FMCUIA-ISBI.git
引用
@article{arxiv.2603.19364,
title = {AURORA: Adaptive Unified Representation for Robust Ultrasound Analysis},
author = {Ufaq Khan and L. D. M. S. Sai Teja and Ayuba Shakiru and Mai A. Shaaban and Yutong Xie and Muhammad Bilal and Muhammad Haris Khan},
journal= {arXiv preprint arXiv:2603.19364},
year = {2026}
}