基于子空间引导的无标注超声图像平面质量控制的语义与拓扑不变注册
计算机视觉与模式识别
2026-05-26 v1 人工智能
摘要
可靠的超声图像质量控制（QC）对于实时获取指导和事后临床审计至关重要，但现有方法依赖大量平面标注，或采用基于伪标签的方法，后者在临床获取中固有的空间变形下容易产生系统性偏差。我们提出了 STRIQ 框架，将无标注 US 平面质量控制重构为子空间引导的一致性度量问题。具体而言，STRIQ 引入潜在注册对齐器（LRA）在查询图像和基于方差谱准则从无标签数据中自主提炼的方差驱动锚点之间建立层次化特征空间对应关系。为进一步消除解剖平面间的歧义并缓解负知识迁移，我们提出了正交知识子空间（OKS）模块。OKS 将平面特定表示分解为相互正交的子空间，实现细粒度专家协作，同时防止平面间相互干扰，确保质量度量基于原则化的子空间接近性。在本机构的 US4QA 数据集和公开的 CAMUS 数据集上进行的大量实验表明，STRIQ 在临床质量评分上实现了最先进（SOTA）的相关性，建立了无标注、实时可靠的超声质量控制新范式。我们的代码已公开于 https://github.com/zhcz328/STRIQ。
引用
@article{arxiv.2605.25396,
title = {Subspace-Guided Semantic and Topological Invariant Registration for Annotation-Free Ultrasound Plane Quality Control},
author = {Chunzheng Zhu and Jianxin Lin and Feng Wang and Cheng Jiang and Guanghua Tan and Zhenyu Zhou and Shengli Li and Kenli Li},
journal= {arXiv preprint arXiv:2605.25396},
year = {2026}
}
备注
MICCAI 2026 Accepted Paper; Subspace-Guided Registration for Ultrasound Quality Control