基于证据训练的状态空间模型高效网络：胎儿超声心动图标准切面识别的突破性进展

《Medical & Biological Engineering & Computing》：An efficient network with state space model under evidential training for fetal echocardiography standard view recognition

为解决基层医院胎儿先天性心脏病(FCHD)超声诊断中标准切面识别难题，研究人员开发了基于视觉状态空间(VSS)模型的新型AI系统。该模型在8种标准切面识别中取得99.32%准确率，同时实现最低FLOPs和最快推理速度(FPS)，为基层医疗提供高效可靠的智能辅助诊断工具。

　　胎儿先天性心脏病(FCHD)作为最常见的严重先天性畸形，其诊断率却存在显著地域差异。针对基层医院资源受限环境下胎儿心脏标准切面识别难题，这项研究创新性地将视觉状态空间模型(VSS)引入超声影像分析领域。这种"黑科技"模型像具备超强记忆力的专业医师，既能精准捕捉心脏结构的远程特征关联，又保持着"轻量级"计算优势——仅需最少的浮点运算(FLOPs)就能实现99.32%的识别准确率，推理速度更达到业界领先水平(FPS)。特别值得关注的是，该模型在保持超高精度的同时，参数规模缩减至传统方法的1/10，完美适配基层医院的硬件条件。这项突破不仅为FCHD智能诊断树立了新标杆，更为培养基层超声医师提供了可靠的"AI导师"，将有效提升我国胎儿心脏异常的早期筛查能力。