面向客观产前超声评估：对比性表征学习用于胎儿运动检测
计算机视觉与模式识别
2025-10-24 v1
摘要
准确的胎儿运动（FM）检测对于评估妊娠健康至关重要，因为异常的运动模式可能指示潜在的子宫功能障碍或胎儿症状。传统方法，包括母亲感知和胎动监护（CTG），存在主观性和有限准确性的问题。为此，我们提出了对比性超声视频表征学习（CURL），一个用于从长时间胎儿超声视频记录中进行FM检测的新型自监督学习框架。我们的做法利用双对比损失，融合了空间和时间对比学习，以学习鲁棒的运动表征。此外，我们引入了一个任务特定的抽样策略，确保在自监督训练期间有效分离运动和非运动片段，同时通过一种概率式微调方法实现对任意长度超声视频记录的灵活推断。在92名受试者（每人30分钟超声）的人工数据集上评估，CURL 实现了78.01%的灵敏度和81.60%的AUROC，表明其在可靠的FM分析方面具有潜力。这些结果凸显了自监督对比学习在胎儿运动分析中的潜力，为改进产前监护和临床决策提供了可能。
引用
@article{arxiv.2510.20214,
title = {Towards Objective Obstetric Ultrasound Assessment: Contrastive Representation Learning for Fetal Movement Detection},
author = {Talha Ilyas and Duong Nhu and Allison Thomas and Arie Levin and Lim Wei Yap and Shu Gong and David Vera Anaya and Yiwen Jiang and Deval Mehta and Ritesh Warty and Vinayak Smith and Maya Reddy and Euan Wallace and Wenlong Cheng and Zongyuan Ge and Faezeh Marzbanrad},
journal= {arXiv preprint arXiv:2510.20214},
year = {2025}
}
备注
This is the preprint version of the manuscript submitted to IEEE Journal of Biomedical and Health Informatics (JBHI) for review