HIT Webinar | [KCL 袁振] DeepSPV:面向临床需求的稀疏2D超声3D脾脏体积预测管道

从假设到证据:大语言模型在医学科学发现中的应用

北京时间2025年7月11日晚上20:00

#腾讯会议:872-672-781

脾肿大是多种疾病的重要临床指征，例如镰状细胞病(sicklecell disease,SCD)临床上最常用的评估方法是通过二维超声图像测量脾脏长度。然而，这一指标仍被视为代性手段，脾脏体积才是评估脾脏大小的金标准。精确的体积测量通常依赖三维成像技术如CT或MRI，但在资源有限的欠发达地区，这些设备难以普及，而这些地区恰恰是SCI的高发区域。

本研究提出了一种基于深度学习的脾脏体积预测管道–DeepSPV，能够基于单幅或双帽二维超声图像，实现对三维脾脏体积的精准估算。该管道由一个分割网络和一个变分自编码器(VAE)组成，后者用于从分割结果中学习低维潜在表示。我们探索了三种体积估计策略，最佳模型在单视图与双视图设置下分别达到了**86.62%和 92.5%**的平均相对体积准确率(MRVA)，表现优于人类专家。此外，该方法还可生成预测结果的置信区间，提升了解释性，为临床识别脾肿大提供更可靠的决策支持。我们进一步在一个由扩散模型生成的高度真实的合成超声数据集上进行了评估，在单视图条件下MRVA达到83.0%。据我们所知，DeepSPV 是首个基于二维超声图像实现三维脾脏体积估算的深度学习方法能够无缝集成进现有的临床工作流程中。我们亦公开发布了该合成脾脏超声数据集，推动相关研究的发展。 END