Highlights & News
一文读懂！"聆音" 超声大模型如何化解传统AI四大技术难题
发表日期： 2025年9月17日
EchoCare"聆音"超声大模型是一款专注于超声影像智能诊断的AI大模型，由中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）通过在香港中文大学医学院、中南大学湘雅医院和山东大学齐鲁医院等知名高校及医疗机构的长期临床验证后发布，其有效改善了传统超声AI模型依赖大量数据标注、难以处理数据长尾分布、模型泛化性差和医学知识嵌入困难四大技术难题，可加速推动我国超声AI的规模化应用。
传统超声检查的诸多挑战
社会需求高
超声检查是临床上最常用的影像手段之一，广泛应用于消化系统、泌尿系统、生殖系统、心血管系统及浅表器官的检查 我国的临床超声检查量约为
在常用医疗检查（如X光、CT、内镜和MRI等）中常年位列第一
人员缺口大
公开数据显示，我国超声医生缺口至少15万
培养一名合格超声医生需3-5年 产前筛查领域甚至需要5-8年
尤其是基层、边远地区诊断能力薄弱以及超声诊断标准缺失，导致扫查效率低下诊断主观性大重疾漏诊率高
AI四大难题
近年来，虽然AI在医疗影像领域取得了显著进展，但仍然面临以下四大技术性难题
依赖大量数据标注——高质量的超声标注数据稀缺
难以处理长尾分布——医学数据中固有的长尾分布
模型的泛化性不足——模型跨中心跨设备泛化性差
缺乏足够领域先验——传统模型嵌入医学知识困难
EchoCare"聆音"超声大模型
"聆音"超声大模型简介
聆音源于成语“聆音察理”，出自南朝刘勰的《文心雕龙·知音》，文中提到“操千曲而后晓声，观千剑而后识器”与超声大模型的研发理念高度契合。 EchoCare"聆音"超声大模型实现了AI超声影像智能诊断的两项重大技术突破：一是首创结构化对比自监督学习框架，二是涵盖多中心、多地区、多器官的大规模超声数据集，从而有效解决了当前超声模型普遍面临的泛化性低、鲁棒性差、跨任务知识迁移困难等难题。
结构化对比自监督学习框架
结构化对比自监督学习框架CAIR首创的结构化对比自监督学习框架，基于医学先验知识的层次化树形标签结构，通过多标签语义关系定义和对比学习，实现了结构化约束隐式编码。同时，结合图像掩膜重建与自适应困难图块挖掘技术，采用由易到难的渐进式训练策略，引导模型自适应聚焦于临床诊断关键图像细节，实现对超声影像深层语义的精准建模，为下游诊断任务提供可泛化的特征表示基础。
大规模超声影像训练数据集
EchoCare“聆音”超声大模型构建了目前已知规模最大的超声影像数据集，包括138个超声数据集，共4536150条超声图像数据，覆盖多中心、多地区、多人种、多器官。数据来源包括学术资源平台(Zenodo、Mendeley、斯坦福AIM1、Figshare)、数据/代码平台(Kaggle、GitHub)、医学挑战门户(如 Grand Challenge)，从多渠道保障了训练数据的多样性与全面性。
多中心 ——23家医院、130种超声设备
多地区 —— 5大洲，20个国家和地区
多人种 —— 黄种人、白种人、黑种人、棕种人
多器官—— 50+身体组织和器官
下游任务测试超SOTA
EchoCare“聆音”超声大模型在器官识别、器官分割、甲状腺结节检测与分类、病灶分类、关键点检测、切面识别、超声图像增强等10余个下游任务的测试中，均取得最优性能表现，相对SOTA方法性能平均提高3%~5%。
医院临床案例
山东大学齐鲁医院妇产科超声检查
卵巢癌是女性生殖系统死亡率最高的恶性肿瘤，其早期诊断与患者预后密切相关。超声检查是目前的首选影像学方法，但其诊断准确性受限于操作者经验水平，导致诊断存在明显的异质性。 为此，CAIR与山东大学齐鲁医院超声科陶国伟主任合作在该医院妇产科开展了1556例卵巢超声病例的临床回溯性验证：
- 模型分类灵敏度85.6%，特异度88.7%；
- 肿瘤良恶性分类灵敏度相对SOTA方法提升8%。
陶国伟主任表示“超声AI辅助诊断技术能有效弥补医生经验差异，提供客观、标准的图像解读，提升诊断一致性及恶性肿瘤的识别灵敏度。该技术可有效赋能一线医生，优化诊疗路径，从而让更多患者受益。”
陶国伟 山东大学齐鲁医院山东大学齐鲁医院超声科主任、主任医师、硕士生导师 山东省超声质控中心主任 山东省医学会超声医学分会副主任委员兼妇产超声专业组组长 国际妇产超声协会（ISUOG）中国分会专家委员会 委员 国家超声质控中心妇产超声亚专业组成员 国家卫生健康能力建设和继续教育超声医学专家委员会妇产学组委员
中南大学湘雅医院甲状腺超声检查
甲状腺结节在人群中检出率高达70%以上，其良恶性的早期识别与精准管理至关重要。为解决这一问题，CAIR与中南大学湘雅医院常实主任合作在该医院1000+甲状腺超声检查病例上开展了临床回溯性验证：
- 关键帧识别的准确率89.7%；
- 甲状腺结节检测的平均精度88.8%，相对SOTA方法提升5%以上；
- 结节良恶性分类的分类灵敏度90.5%，特异度达到94.1%。
常实主任表示：“甲状腺超声AI系统通过对结节的影像特征进行智能识别与量化分析，可有效减少人为差异，提升检出效率与分类一致性，为早期诊断与个体化治疗决策提供可靠支持。该系统可以促进甲状腺结节的分级诊疗，优化并节约相关医疗成本。”
常实 中南大学湘雅医院中南大学湘雅医院一级主任医师、普通外科二级教授、博导 湖南省医学会普外科专业委员会 主委 国家卫健委能力建设和继续教育外科专家委员会 副主任 湖南省甲状腺疾病临床医学中心 主任 甲状腺及相关疾病诊疗技术湖南省工程研究中心 主任 国家老年疾病临床医学研究中心 PI 个体化诊疗技术国家工程研究中心 PI
开源发布意义
在多家知名医院的临床验证中，EchoCare“聆音”超声大模型表现卓越，成功验证了其在疾病筛查、辅助诊断以及智慧医疗中的巨大价值。如今，CAIR把该模型以开源的方式进行发布，将有力促进我国超声检查领域实现以下突破：大幅减少临床漏诊与误诊显著提升诊断效率与规范性进一步推动超声AI迈向系统化与实用化有效助力基层医疗水平提升
EchoCare“聆音”超声大模型开源网站链接： A fully open and generalizable foundation model for ultrasound clinical applications
超声AI+超声机器人
在超声智能化领域，CAIR不仅有超声AI，还有完全自主研发的具身智能超声机器人——Ultrasound Copilot。 Ultrasound Copilot融合了触觉感知柔性运动控制、视触觉层级导航与智能路径规划技术，能够理解语音指令输入，并结合环境感知进行主动推理。它通过对目标区域进行实时三维超声成像，自动调整探头与人体接触的角度与方向，以获得最佳超声成像切面，可以在复杂动态环境下完成精准安全的机器人全自动超声扫描，从而大幅减轻医生负担，实现超声扫描的标准化与数字化。 CAIR超声AI+超声机器人的组合，成功开启了医疗智能新纪元，让“未来医院”不再遥远。 机构简介
中国科学院香港创新研究院是中国科学院在香港设立的唯一直属科研机构，于2019年成立，人工智能与机器人创新中心（CAIR）是其两大科研中心之一。中心聚焦人工智能与生命健康的融合创新，主要围绕多模态AI大模型、具身智能机器人、智能感知技术三大方向开展研究工作，获香港InnoHK人工智能领域重点支持，是国际上为数不多的成建制开展面向医疗健康的人工智能系统技术研发与技术转化的机构之一。 https://www.cair-cas.org.hk