统一超声智能：面向端到端智能体系统
计算机视觉与模式识别
2026-04-23 v2 图像与视频处理
摘要
临床超声分析需要跨不同器官、视角和设备的模型，同时支持可解释的工作流程级分析。现有方法常依赖任务式适应，联合学习可能因跨任务干扰而不稳定，难以实际中实现工作流程级输出。为解决这些挑战，我们提出USTri——一个用于统一多器官、多任务分析的三阶段超声智能管道。第一阶段在不同领域上训练通用通用模型USGen，以学习对设备和协议变异鲁妥的宽泛可迁移先验。为更好地处理领域迁移并实现任务对齐性能，同时保留超声共享知识，第二阶段通过冻结USGen并微调数据集特定头构建USpec。第三阶段引入USAgent，通过编排USpec专家进行多步骤推理和确定性结构化报告。实验表明，在FMC_UIA验证集上，我们的模型在4种任务类型和27个数据集上实现最佳整体性能，优于最新方法。此外，定性结果显示，USAgent能够生成高准确率且可解释的临床结构化报告。我们的研究表明，这是一条可扩展的超声智能路径，能够跨异构超声任务实现泛化，并支持一致的端到端临床工作流程。代码已公开：https://github.com/MacDunno/USTri。
引用
@article{arxiv.2604.16914,
title = {Unified Ultrasound Intelligence Toward an End-to-End Agentic System},
author = {Chen Ma and Yunshu Li and Junhu Fu and Shuyu Liang and Yuanyuan Wang and Yi Guo},
journal= {arXiv preprint arXiv:2604.16914},
year = {2026}
}
备注
Accepted by ISBI2026. 5 pages, 2 figures