01 切面识别
ASE 标准切面分类
自动识别 PLAX、A4C、A2C、PSAX 等标准切面，并区分非标准采集。视角无关设计，无需先人工选图。
Capabilities
一台智能体，覆盖心超主路径
不是单点算法拼盘。输入原始超声视频，切面、分割、时序、测量、分级与报告在同一引擎内完成，适配医生审核工作流。
02 解剖分割
腔室 · 心肌 · 瓣膜掩膜
输出左/右心腔、室间隔、心肌、瓣膜与心包轮廓。容积与室壁厚度由掩膜几何计算，而不是凭空回归。
03 时序分析
ED / ES 与室壁运动
在完整心动周期中定位舒张末期与收缩末期，追踪心内膜运动，辅助发现室壁运动异常。
04 定量测量
20+ 项临床参数
LVIDd/s、IVSd、LVPWd、LAD、EF、TAPSE、E/A、E/e′ 等，贴合 ASE 测量规范。EF 优先双平面 Simpson。
05 诊断推理
疾病风险与严重程度
瓣膜狭窄/反流、心室肥厚、腔室扩大、心包积液、右心功能异常等分级，融合测量值与模型概率。
06 报告输出
结构化结果 + 自然语言
JSON 测量与置信度先行，再模板填充临床报告。低置信度强制标记复核，文本不得编造数值。
Live console
智能体工作台
选择一份演示病例，观看从 DICOM 解析到可审核报告的完整链路。数值来自结构化测量，报告由模板填充，低置信度项会强制标记复核。
演示使用示意切面与示例测量，用于说明工作流，不代表真实患者数据或已注册器械性能。
Architecture
从 DICOM 到签发的流水线
基线采用多任务时空模型：ConvNeXt 空间骨干 + 帧 Transformer + 分割与测量头。EF 以分割掩膜 Simpson 计算为主，回归作为辅助。
01
DICOM 接入
解析多厂商超声 DICOM：2D 灰阶视频、M 型、彩色与频谱多普勒。过滤 overlay 文字，抽取帧序列。
02
预处理
散斑抑制、空间归一化、质量过滤。覆盖完整心动周期采样，不破坏心脏解剖结构。
03
核心分析引擎
空间骨干 + 帧 Transformer 时序建模 + 多任务头：分类、回归、分割、切面与相位。
04
参数计算
由分割掩膜导出容积、内径、室壁厚度，按 ASE 公式计算 EF、TAPSE 等，回归作为辅助。
05
诊断推理
测量值对照临床参考阈值，联合模型概率做轻中重分级，避免单一输出出错。
06
审核与签发
结构化 JSON + 报告草稿进入医生工作流。AI 结果不可直接作为诊断，低置信度强制复核。
MVP 优先顺序
先把测量做对，再扩展瓣膜、右心与报告生成。
- 01切面分类
- 02左室心肌 / 腔室分割
- 03ED / ES 帧识别
- 04Simpson EF
- 05基础参数回归
- 06瓣膜 · 右心 · 报告
ASE parameters
贴合规范的测量清单
几何量由分割掩膜导出，频谱参数走多普勒包络提取。输出 JSON 携带置信度，异常值对照临床参考阈值着色。
| 代码 | 名称 | 单位 | 参考范围 |
|---|---|---|---|
| LVIDd | 舒张末期内径 | mm | 35–56 |
| LVIDs | 收缩末期内径 | mm | 21–40 |
| IVSd | 室间隔厚度 | mm | 6–11 |
| LVPWd | 后壁厚度 | mm | 6–11 |
| LAD | 左房前后径 | mm | 27–40 |
| EF | 射血分数 Simpson | % | ≥52 |
| TAPSE | 三尖瓣环位移 | mm | ≥17 |
| E/A | 二尖瓣 E/A | — | 0.8–2.0 |
| E/e′ | 充盈压估测 | — | <8 |
| EDV | 舒张末期容积 | mL | — |
| ESV | 收缩末期容积 | mL | — |
| FS | 短轴缩短率 | % | 25–45 |
Clinical constraint
先把测量做真，再谈生成
超声质量依赖操作者，跨厂商域偏移真实存在，右心评估弱于左心。产品设计默认这些难点，用置信度与审核入口消化，而不是用话术覆盖。
医生始终在环内
全部结果进入超声医师审核修改。低置信度样本强制弹窗复核，AI 不可直接签发报告。
数值先于文本
报告由结构化测量填充模板，禁止大模型编造数值。临床场景优先保证测量真实可靠。
跨设备域泛化
面向 Philips、GE、迈瑞等图像风格差异，预留域自适应与多中心联邦学习路径。
质量参差有退路
差质量、伪影、非标准切面输出低置信度，而不是强行预测。正常生理变异与病理可区分。
Partnership
三种合作切入
可做科研原型，也可向临床服务与器械产品演进。我们按数据条件与法规阶段选择路径，不把实验室指标直接写成产品承诺。
-
院内数据 · 共同验证
科研联合
以公开数据集预训练，再用院内脱敏 DICOM 微调。适合万级视频规模的科研原型与论文合作。
- EchoNet-Dynamic / CAMUS 起步
- 半监督与主动学习降标注成本
- 共同发表与外部验证
-
PACS · 超声工作站
工作流嵌入
模型导出服务化，对接院内 PACS 读取 DICOM，结果回写结构化字段，医生在现有界面审核。
- ONNX / TensorRT 推理
- 结构化 JSON 接口
- 低置信度复核入口
-
向产品演进
器械共研
科研原型可向医疗器械注册路径演进。联合定义适应证、性能指标与质量管理，不跨越法规。
- 适应证与性能协议
- 多中心临床评价
- 人机交互与审核闭环
预约一次技术交流
面向医院超声与信息科、器械厂商、科研团队。留下意向后，我们会就数据条件、适应证范围与落地路径做一次对等讨论——不承诺未经验证的诊断性能数字。