EchoCare - Гонконгская академия наук с открытым исходным кодом Большая модель ультразвуковой базы

Что такое EchoCare?

EchoCare - это большая модель ультразвуковой базы, разработанная Центром искусственного интеллекта и робототехники (CAIR) Гонконгского института инноваций и исследований Китайской академии наук (CAS), обученная на основе крупнейшего в мире набора данных ультразвуковых изображений (более 4,5 млн изображений), охватывающего мультицентровые, мультирегиональные, мультиэтнические и более 50 органов человека. Модель использует структурированный контрастный механизм самоконтроля, который может автономно изучать глубокие семантические особенности ультразвуковых изображений, не полагаясь на экспертную аннотацию, эффективно решая проблемы недостаточной способности к обобщению и сильной зависимости от аннотации данных традиционного ультразвукового ИИ. Модель демонстрирует отличные результаты при решении клинических задач: чувствительность при определении доброкачественных и злокачественных опухолей яичников достигает 85,6%, специфичность - 88,7%, средняя точность определения узлов щитовидной железы составляет 88,8%, а общая производительность на 3%-5% выше, чем у лучших моделей в мире. Ретроспективная проверка модели была завершена в больнице Qilu Шаньдунского университета, больнице Xiangya Центрального южного университета и других учреждениях.

Особенности EchoCare

• Крупномасштабная многоцентровая подготовка данных: На основе крупнейшего в мире набора данных ультразвуковой визуализации, содержащего более 4,5 миллионов изображений, охватывающих более 20 стран и регионов, несколько центров, несколько этнических групп и более 52 органов всего тела, что обеспечивает широкую применимость и высокую способность модели к обобщению.
• Структурированное сравнение систем самоконтролируемого обученияМодель способна самостоятельно изучать глубокие семантические характеристики ультразвуковых изображений, не полагаясь на аннотацию эксперта, отделяя изучение характеристик от последующих задач и эффективно повышая адаптивность модели к многосайтовости и многозадачности.
• Иерархическая двухзвенная архитектура: Инновационный дизайн кодера изображений и двухразветвленного декодера для моделирования клинической диагностической логики, повышение надежности краевых признаков, постепенное извлечение и классификация анатомических структурных признаков для повышения точности диагностики и интерпретации.
• Отличные клинические показатели: Производительность в семи основных медицинских задачах была улучшена в среднем на 3%~5% по сравнению с традиционной моделью SOTA, при этом чувствительность классификации доброкачественных и злокачественных опухолей яичников достигла 85,6% и специфичность 88,7%, а средняя точность обнаружения узлов щитовидной железы - 88,8%.
• Многоцентровая клиническая валидация и применение в полевых условияхКомпания завершила ретроспективную проверку в больнице Qilu при Шаньдунском университете, больнице Xiangya при Центральном южном университете и т. д. В будущем она планирует сотрудничать с поставщиками оборудования для продвижения широкомасштабного применения в первичной медицинской помощи и неотложной медицине, помогая повысить эффективность диагностики и стандартизировать ее.

Основные преимущества LISTEN EchoCare

• Сверхкрупномасштабная многоцентровая подготовка данных: На основе крупнейшего в мире набора данных ультразвуковой визуализации, содержащего более 4 миллионов изображений, охватывающих более 20 стран и регионов, несколько центров, несколько этнических групп и более 52 органов всего тела по всему миру, обеспечивается широкая применимость модели и мощная способность к обобщению.
• Инновационная система самоконтролируемого обученияВпервые применен метод "структурированного контрастного самоконтроля", который позволяет самостоятельно изучать глубокие семантические особенности ультразвуковых изображений, не опираясь на большой объем экспертно-аннотированных данных, что позволяет отделить изучение особенностей от последующих задач и значительно повысить адаптивность модели к нескольким сайтам и нескольким задачам, а также эффективность обучения.
• Отличные клинико-диагностические характеристикиПроизводительность модели SOTA в семи основных медицинских задачах, таких как сегментация, классификация и обнаружение изображений, повышается в среднем на 3%~5% по сравнению с традиционной моделью SOTA. В частности, чувствительность в задаче классификации доброкачественных и злокачественных опухолей яичников достигает 85,6%, специфичность 88,7%, а средняя точность в задаче обнаружения узлов щитовидной железы достигает 88,8%, что эффективно снижает количество утечек и количество ошибочных диагнозов основных заболеваний.
• Мощное обобщение и совместимостьМодель эффективно преодолевает проблему "вариабельности" изображения, вызванную алгоритмическими различиями между разными производителями ультразвукового оборудования и разными привычками врачей, преодолевая традиционную проблему "фрагментарного развития" ультразвукового ИИ, и совместима с разным оборудованием и разными клиническими сценариями. Он совместим с различными устройствами и разнообразными клиническими сценариями.

Что такое официальный сайт EchoCare

• Веб-сайт проекта:: https://echocare.cares-copilot.com/
• Репозиторий Github:: https://github.com/CAIR-HKISI/EchoCare
• Технический документ arXiv:: https://arxiv.org/pdf/2509.11752

Люди, для которых подходит EchoCare

• Ультрасонографы и диагностические визуализаторы: Модель может помочь врачам в анализе ультразвуковых изображений и повысить эффективность и точность диагностики, особенно в сложных диагностических задачах, таких как суждение о доброкачественности/злокачественности опухоли яичников и обнаружение узлов щитовидной железы, что может помочь уменьшить количество утечек и ошибочных диагнозов.
• Организации первичной медицинской помощи и врачи общей практики: В условиях нехватки медицинских ресурсов модель может снизить зависимость от высококвалифицированных ультразвуковых специалистов, помочь врачам общей практики или менее опытным операторам проводить более стандартизированные ультразвуковые исследования и предварительную диагностику, а также повысить доступность и качество первичной медицинской помощи.
• Медицинский персонал скорой помощиМодель особенно подходит для сценариев чрезвычайных ситуаций и может быстро помочь в определении острых состояний, например, для быстрого скрининга аневризмы аорты сердца, помогая врачам скорой помощи принимать более точные решения в условиях дефицита времени и предотвращая медицинские риски, связанные с пропуском диагноза.
• Медицинские учебные заведения и обучающиеся: Модель может быть использована в качестве учебного пособия, чтобы помочь студентам-медикам изучить и понять интерпретацию ультразвуковых изображений, а также ускорить процесс развития диагностических ультразвуковых навыков, предоставляя стандартизированный эталон для анализа.
• Производители ультразвукового оборудования и медицинские технологические компании: Предприятия могут интегрировать модель в ультразвуковое оборудование, разрабатывать более интеллектуальные ультразвуковые диагностические системы или вспомогательное диагностическое программное обеспечение, повышать конкурентоспособность продукции и работать вместе, чтобы способствовать широкомасштабной посадке и коммерческому применению ультразвуковой технологии искусственного интеллекта.