🤖 AI

Anatomy-Anchored Self-Supervision: Distilling Vision Foundation Models for Invariant Ultrasound Representation

本文介绍了 ANAUS，这是一种以解剖结构为锚点的自监督框架，该框架通过利用提示工程解剖描绘模块和双策略学习策略，将视觉基础模型进行蒸馏以学习不变的超声表征，从而在多个临床数据集上实现了最先进的性能。

原作者： Chunzheng Zhu, Yijun Wang, Jianxin Lin, Feng Wang, Hongwei Wang, Lei Zhao, Shengli Li, Kenli Li

发布于 2026-05-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Chunzheng Zhu, Yijun Wang, Jianxin Lin, Feng Wang, Hongwei Wang, Lei Zhao, Shengli Li, Kenli Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试教一台机器人理解超声图像（即医生用来观察人体内部的图像）。问题在于，超声图像杂乱无章。它们充满了静态噪点和颗粒状噪声，器官之间的边界往往模糊不清，与我们在手机屏幕上看到的清晰照片截然不同。

大多数人工智能方法试图通过观察整张图像或其随机的小方块来进行学习。本文的作者认为，这就像试图通过观察一张整栋房子的模糊照片并猜测厨房的位置来学习解剖学。相反，他们主张我们应该教人工智能专门聚焦于“房间”（即解剖结构）本身。

以下是他们的解决方案AnaUS的工作原理，通过简单的类比进行解释：

1. “智能高亮笔”（LP-SAM）

首先，人工智能需要知道看什么。由于医生尚未标注数百万张此类图像，人工智能必须自行寻找器官。

问题：标准人工智能工具擅长在清晰的照片中发现物体（例如公园里的猫），但在面对超声图像颗粒状、低对比度的特性时却会感到困惑。
解决方案：团队开发了一种名为LP-SAM的工具。将其想象为一支“智能高亮笔”。
- 他们利用了一个已经懂得如何在普通照片中发现物体的强大人工智能。
- 他们赋予它一个特殊的“翻译器”（一个可学习的引擎），教它如何说超声语言。
- 训练完成后，该工具可以查看未标记的超声图像，并自动勾勒出心脏、肺部或甲状腺的轮廓，而无需人类告诉它这些器官在哪里。这就像给机器人戴上了一副眼镜，能瞬间让模糊的器官清晰地凸显出来。

2. “仅解剖学”教学计划

一旦人工智能知道了器官的位置，它就需要学习它们的外观。作者采用了一个两部分的训练游戏：

部分 A：“同一房间，不同角度”游戏（对比学习）

旧方法：以前的方法比较图像的随机小块。这意味着人工智能可能会将健康心脏的一块区域与背景噪声的一块区域进行比较，从而产生混淆。
AnaUS 方法：人工智能选取同一张超声图像的两个略有不同的视角（就像先从左边看一座雕像，然后再从右边看）。
规则：它被告知：“如果你在两个视角中都看到了同一个器官（例如心脏的左心室），你的大脑应该说‘这些是相同的！’但如果你看到了不同的器官（例如肝脏），你必须说‘这些完全不同！’"
结果：人工智能学会了忽略颗粒状噪声，并严格专注于特定身体部位的形状和纹理。

部分 B：“修复破碎拼图”游戏（上下文预测）

设置：人工智能获取一张器官的清晰图像，然后将其“破坏”。它不仅仅是删除一个随机部分，而是专门使用三种类型的“破坏”来模拟真实的超声问题，从而损害器官的核心：
1. 打乱：就像移动拼图块一样，模拟器官在压力下的移位。
2. 噪声：添加静态噪点以模拟颗粒状干扰。
3. 遮挡：将一部分涂黑，以模拟骨骼或空气投射的阴影。
任务：人工智能必须查看这个破碎、嘈杂的版本，并尝试“重建”缺失的中心部分应该是什么样子。
结果：这迫使人工智能真正理解器官的内部结构和纹理，而不仅仅是其表面外观。

3. 结果

团队在六个涵盖肺部、乳房、甲状腺和心脏的不同公共数据集上测试了该系统。

结果：AnaUS 击败了所有其他方法，包括那些专门为超声设计的方法以及那些在通用图像上训练的方法。
重要性：它证明，当你教人工智能关注解剖结构（即实际的身体部位）而不仅仅是随机图像块时，它在医疗任务中会变得更聪明、更准确。

总结

简而言之，这篇论文指出：“不要教人工智能去看整张杂乱的图片。先给它一个工具来寻找器官，然后通过从不同角度比较它们以及在它们受损时练习修复它们，来教它识别这些特定的器官。”这种方法无需数百万个由人工标注的示例，就能为医疗人工智能建立更坚实的基础。

技术摘要：面向超声表征学习的解剖学锚定自监督学习

1. 问题陈述

超声（US）成像因其便携性和非电离特性而成为临床基石，但深度学习应用却受到标注数据稀缺的阻碍。虽然自监督学习（SSL）已成为一种解决方案，但现有的超声图像方法存在两个主要局限性：

帧级方法： 这些方法利用视频中的时间相干性，但将帧作为整体处理，往往编码了背景伪影和散斑噪声，而非具有诊断意义的解剖结构。
区域级方法： 这些方法借鉴自自然图像，依赖通用分割（如 K-means、可图像计算的提议），无法在超声图像中隔离有意义的解剖结构，因为超声图像的特征是低对比度边界和散斑干扰。

这两种范式均与临床推理不一致，而临床推理本质上是解剖学为中心的。作者认为，为了实现与临床一致的表征，表征学习必须优先考虑解剖结构，而非随机图像块。

2. 方法论：AnaUS 框架

提出的AnaUS（解剖学锚定超声自监督）框架将表征学习从通用视觉区域转移到具有临床意义的解剖结构。该流程包含三个核心组件：

A. 基于 LP-SAM（潜在提示 SAM）的解剖学发现
为了解决自然图像与超声图像之间的领域差距，作者引入了LP-SAM模块，该模块实现了无标注的解剖学描绘。

阶段 1（基于适配器的领域专业化）： 在预训练的 Segment Anything Model (SAM) 图像编码器的 ViT 块中插入可学习的适配器。这些适配器使用结合的二元交叉熵和 Dice 损失，在现有的公开超声图像 - 掩码对（DDTI、TG3K、CAMUS）上进行微调，以处理前景 - 背景不平衡问题。
阶段 2（潜在提示引擎 - LPE）： 为了实现完全自动化、无需提示的掩码生成，交叉感知注意力（CPA）模块融合了全局 ViT 特征和局部 CNN 特征。一个可学习的查询令牌通过双向交叉注意力进行迭代细化，生成潜在提示嵌入。该嵌入引导 SAM 的掩码解码器在没有人工提示的情况下生成解剖学掩码。
结果： LP-SAM 为未标记的超声图像生成一组解剖学掩码 $M(x) = \{m_k\}$ ，作为 SSL 过程的基础。

B. 视图不变解剖学对比匹配
AnaUS 不在整个图像或随机裁剪的层面上进行对比学习，而是在已识别的解剖结构层面上进行。

掩码对齐： 生成图像的两个增强视图（ $v_1, v_2$ ），并对齐其对应的解剖学掩码。
多尺度掩码池化： 从共享骨干网络中提取多空间尺度的特征。对于每个解剖学掩码，通过平均感兴趣区域内的特征来计算池化隐藏向量，从而有效消除背景污染。
对比目标： 采用非对称在线 - 目标架构（类似于 BYOL）。损失函数鼓励相同解剖结构在不同视图间具有特征不变性，同时最大化同一图像内不同解剖结构之间的分离度（可判别性）。该计算跨越多个尺度，以捕捉粗略的结构细节和精细的纹理细节。

C. 解剖学区域的上下文预测
为了捕捉超越表面外观的结构上下文，引入了重建任务。

针对性破坏： 与随机掩码不同，该任务针对“核心”解剖区域（增强视图之间的重叠裁剪区域）。
破坏函数： 专用破坏函数 $D(I; \alpha, \beta, \gamma)$ $D (I; α, β, γ)$ 模拟超声特有的伪影：
- 像素混洗： 模拟探头压力下的组织位移。
- 高斯噪声： 模仿散斑干扰。
- 遮挡： 模拟声影。
目标： 迫使编码器从完整视图中重建被破坏的核心区域，迫使模型内化局部纹理的复杂性和全局结构的一致性。

总预训练损失结合了解剖级对比损失（ $L_{ana}$ ）和上下文预测损失（ $L_{ctx}$ ）。

3. 主要贡献

作者总结了他们的贡献如下：

AnaUS 框架： 首个专为超声设计的解剖级自监督预训练框架，将对比单元从通用区域转移到临床相关结构。
LP-SAM 模块： 引入可学习的潜在提示引擎，通过针对性的潜在空间适应，实现超声图像中完全自动化、无需专家的结构发现，弥合了自然领域到医学领域的差距。
性能基准： 证明了在多种超声数据集和任务中一致的最先进性能，确立了超声自监督预训练的新基准。

4. 实验结果

该框架在涵盖肺部、乳腺、甲状腺和心脏成像的六个公开数据集上进行了评估。

分类： 在 POCUS 数据集上，AnaUS 达到了96.2% 的准确率，超过了最强的超声特定基线（IVPP++）3.0%。在 BUSI 数据集上，其准确率达到87.1%，优于 IVPP++ 3.6%。
分割： 在 UDIAT-B 基准测试中，AnaUS 达到了85.9% 的 Dice和92.7% 的 PPV。它始终优于通用 SSL 方法、以对象为中心的方法以及之前的超声特定预训练方法。
消融研究：
- 用普通 SAM 替换 LP-SAM 导致性能急剧下降（Dice 降低 15.7%），证实了领域适应的必要性。
- 移除对称对比损失使 Dice 降低了 8.3%。
- 移除上下文预测任务使 Dice 降低了 1.0%。
- 用 LP-SAM 掩码替换通用掩码源（如 K-means）显著提升了以对象为中心的基线，证实了解剖学精确的掩码是预训练质量的决定性因素。
定性分析： 可视化结果显示，AnaUS 在具有挑战性的结构（如甲状腺结节、心肌边缘）上保持了清晰的边界描绘，而其他方法则表现出过度平滑或粗略定位。零样本泛化测试证实了 LP-SAM 发现未见解剖结构（如肺部的“蝙蝠征”、心脏的 LA/MYO）的能力。

5. 意义与主张

该论文声称，AnaUS 强调了具有解剖学意义的先验在引导医学图像表征学习中的关键作用。通过将焦点从随机图像块转移到临床相关结构，该框架使自监督学习与临床推理保持一致。作者断言，他们的工作为未来的医学自监督学习研究建立了一个原则性且与临床一致的基础，提供了一种适合临床部署的计算高效解决方案。