UltraUPConvNet：基于 UPerNet 与 ConvNeXt 的超声组织分割与疾病预测多任务网络
图像与视频处理
2026-03-10 v3 计算机视觉与模式识别
摘要
超声声像因其成本效益高、便携性强和安全性好，广泛应用于临床实践。然而，当前人工智能研究常将疾病预测与组织分割视为两个独立任务，且其模型计算开销较大。在这种情况下，本文引入 UltraUPConvNet，一个面向超声图像分类与分割的计算高效通用框架。该模型在包含超过 9700 项标注、覆盖七个解剖区域的大规模数据集上训练，实现了在某些数据集上以更低计算开销达到最佳性能。我们的模型权重与代码已发布于 https://github.com/yyxl123/UltraUPConvNet。
引用
@article{arxiv.2509.11108,
title = {UltraUPConvNet: A UPerNet- and ConvNeXt-Based Multi-Task Network for Ultrasound Tissue Segmentation and Disease Prediction},
author = {Zhi Chen and Le Zhang},
journal= {arXiv preprint arXiv:2509.11108},
year = {2026}
}
备注
8 pages