非对称跨模态时空网络

异构超声结节识别

一种用于多模态超声结节识别的网络模型，通过BUS空间特征与CEUS时间特征的定向交互，提升诊断准确性和跨数据集泛化能力。

田志强 · 张东 · 姜珏 · 杜少毅 · Wang, Juan

Medical Image Analysis 2026

技术优势

空间引导时间

B型超声的空间线索引导超声造影时间建模聚焦于病灶相关区域，避免灌注分析受无关背景干扰。

时间精修结构

超声造影的血流动力学演变能够修正B型超声中模糊的结构模式，提升对形态不典型结节的判别能力。

多任务增强表达

通过帧自排序与结节分割多任务学习，分别蒸馏CEUS典型灌注模式和强化BUS病灶定位，使单模态特征更具判别力。

跨数据集泛化

在两个不同器官的数据集上验证，模型在跨数据集设置下仍保持性能领先，表明其不对单一数据分布过拟合。

应用场景

• 超声影像智能诊断：将非对称融合模型嵌入超声工作站，自动给出甲状腺、乳腺结节良恶性判别，减轻医生逐帧分析负担。
• 医学图像分析：为多模态医学图像分析提供结构-功能不对称交互的新范式，可推广至其他需要空间与时间配准的影像任务。
• 多模态融合感知：解决现有对称融合忽略模态间方向性关系的问题，使融合过程更符合临床诊断逻辑，提升特征互补效率。
• 甲状腺结节AI辅助识别：针对甲状腺结节，利用CEUS时序信息修正BUS静态特征的模糊性，帮助医生提高不确定性结节的诊断信心。