学习学习胎儿超声扫描的技能评估
计算机视觉与模式识别
2026-01-01 v1
摘要
传统上，超声技能评估依赖于专家的监督和反馈，这一过程以主观性和耗时性著称。以往关于定量和自动化技能评估的工作主要采用监督学习方法，通常将分析局限于预先确定或假定的被认为对技能水平有影响的因素。在本工作中，我们提出了一种新颖的双层优化框架，该框架通过在所获取的胎儿超声图像上执行任务的优劣来评估胎儿超声技能，而无需使用手动预定义的技能评级。该框架由一个临床任务预测器和一个技能预测器组成，通过同时优化这两个网络进行联合优化。我们在扫描胎头的真实临床超声视频上验证了所提出的方法。结果表明，所提出的框架能够预测超声技能，该框架将优化的任务表现量化为技能指标。
引用
@article{arxiv.2512.23920,
title = {Learning to learn skill assessment for fetal ultrasound scanning},
author = {Yipei Wang and Qianye Yang and Lior Drukker and Aris T. Papageorghiou and Yipeng Hu and J. Alison Noble},
journal= {arXiv preprint arXiv:2512.23920},
year = {2026}
}