联邦超声基础模型

诊断力追平专家

一个跨机构协作训练的基础模型，在保护患者隐私的同时，以单一模型覆盖多器官、多模态的超声诊断与分割，其泛化能力超越传统任务专用模型，为超声AI的规模化临床应用提供了新路径。

Yuncheng, Jiang · Zhang, Zixun · Sun, Rui · Tang, Xuemei · Du, Juan · 万翔 · Xu, Yong · 杜博 · Gao, Xin · 王光宇 · Shaohua, Zhou · 崔曙光 · 李振

npj Digital Medicine 2025

参数信息

AUROC

0.927

DSC

0.878

训练图像数

1000000

覆盖器官数

19

超声模态数

10

技术优势

隐私不泄露

联邦学习框架使模型在 16 家机构间协同训练，无需共享原始超声图像。

诊断水平追平专家

该模型超越 4-8 年经验的中级超声医师，并在 8 种常见系统性疾病的联合诊断中与 10 年以上经验的专家持平。

一模型多任务

单一基础模型同时支持疾病诊断和病灶分割，无需为每个任务单独训练模型。

应用场景

• 远程超声诊断：本地部署模型实时诊断，减少对专家会诊的依赖。
• 超声影像AI：为超声影像提供通用特征提取，适配多种下游任务。
• 医疗联邦学习：跨机构协同训练模型而无需共享原始患者数据。
• 智能超声设备：模型可嵌入设备提供实时辅助诊断并支持本地微调。