[{"data":1,"prerenderedAt":17},["ShallowReactive",2],{"blog-detail-786":3},{"id":4,"date":5,"title":6,"excerpt":8,"content":9,"featured_image":12,"categories":13,"tags":15,"sort_order":16},786,"2026-05-13T19:20:36",{"rendered":7},"[易学堂] AI自动测量与计数卵泡：能否更高效、更一致？","\u003Cp>在IVF促排卵过程中，卵泡监测是临床决策中的重要环节。医生需要通过经阴道超声观察卵泡数量和直径变化，用于评估卵 … \u003Ca title=\"[易学堂] AI自动测量与计数卵泡：能否更高效、更一致？\" class=\"read-more\" href=\"https:\u002F\u002Fwp.fertsy.com\u002F2026\u002F05\u002F13\u002F%e6%98%93%e5%ad%a6%e5%a0%82-ai%e8%87%aa%e5%8a%a8%e6%b5%8b%e9%87%8f%e4%b8%8e%e8%ae%a1%e6%95%b0%e5%8d%b5%e6%b3%a1%ef%bc%9a%e8%83%bd%e5%90%a6%e6%9b%b4%e9%ab%98%e6%95%88%e3%80%81%e6%9b%b4%e4%b8%80\u002F\" aria-label=\"阅读 [易学堂] AI自动测量与计数卵泡：能否更高效、更一致？\">阅读更多\u003C\u002Fa>\u003C\u002Fp>\n",{"rendered":10,"protected":11},"\u003Cp class=\"wp-block-paragraph\">在IVF促排卵过程中，卵泡监测是临床决策中的重要环节。医生需要通过经阴道超声观察卵泡数量和直径变化，用于评估卵巢反应，并指导后续治疗安排。长期以来，这项工作主要依赖人工观察和手动测量。对于经验丰富的操作者而言，这是一项常规操作；但在真实临床中，二维超声图像质量、声影伪影、相邻卵泡重叠、卵泡边界不清以及操作者经验差异，都可能影响卵泡识别和测量结果。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">尤其在促排监测高峰时段，医生和超声技师需要在较短时间内完成大量检查。卵泡数量越多，人工逐个测量越耗时；图像越复杂，小卵泡或边界不清的卵泡越容易被遗漏。如何在不改变现有超声流程的前提下，让卵泡计数和直径测量更高效、更一致、更容易复核，是辅助生殖影像自动化中一个非常实际的问题。近期一项多中心研究围绕这一问题，评估了人工智能在卵巢刺激和IVF监测中自动识别、计数和测量卵泡的可行性。\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-large\">\u003Cimg loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"739\" src=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002Fscreenshot-20260513-182428-1024x739.png\" alt=\"\" class=\"wp-image-787\" srcset=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002Fscreenshot-20260513-182428-1024x739.png 1024w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002Fscreenshot-20260513-182428-300x217.png 300w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002Fscreenshot-20260513-182428-768x554.png 768w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002Fscreenshot-20260513-182428.png 1430w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>真实场景验证\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">研究采用多中心、多设备数据设计，共纳入5508个经阴道超声扫描，来自1689名接受控制性卵巢刺激的患者。数据用于模型训练、独立测试和专家共识评估，其中专家共识测试集由三名具有IVF超声经验的专家独立标注后形成一致结果，用于比较AI与人工专家的差异。为进一步观察真实流程中的可用性，研究还纳入904个前瞻性超声cine loop，并将AI分析结果整合到临床PACS流程中，记录专家对AI自动测量结果进行添加、修改或删除的次数。这样的设计既能评估模型在不同设备和中心中的稳定性，也能观察其进入临床流程后是否需要大量人工修正。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">在促排中后期更受关注的较大卵泡中，模型表现较为稳定。对于直径≥10 mm的卵泡，综合表现接近专家平均水平；在晚期促排阶段，自动统计的≥10 mm卵泡数量与专家共识高度相关，平均误差约为1个卵泡。直径测量方面，模型与专家之间的平均误差为0.74 mm，而专家之间的误差为0.83 mm，说明自动测量结果已处在专家间差异范围内。效率方面，人工完成每个卵巢的卵泡标注平均约220秒，而自动处理加专家审核平均约100秒；在前瞻性流程中，904个扫描平均每个扫描仅需0.54次人工编辑，13710个卵泡中仅3.57%需要被添加、修改或删除。\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-full\">\u003Cimg loading=\"lazy\" decoding=\"async\" width=\"750\" height=\"393\" src=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig2_HTML.jpg\" alt=\"\" class=\"wp-image-788\" srcset=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig2_HTML.jpg 750w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig2_HTML-300x157.jpg 300w\" sizes=\"auto, (max-width: 750px) 100vw, 750px\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>逐个卵泡识别\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">卵泡监测的临床需求，决定了图像分析不能只停留在“识别一片区域”的层面。医生真正需要的是单个卵泡层面的信息：每个卵泡在哪里、数量是多少、直径是多少，以及哪些卵泡已经达到临床关注的大小。既往一些图像分析方法依赖语义分割，也就是标出哪些像素属于卵泡；但这种方式并不天然区分相邻卵泡，对于卵泡计数和单个卵泡测量并不完全匹配。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">当卵泡彼此接近、边界较弱或形态不规则时，先标记卵泡区域、再依赖后处理拆分，容易出现卵泡合并或错误分割。该研究采用端到端实例分割思路，直接输出每个卵泡的独立结果，更适合卵泡计数和单个卵泡直径测量。模型可直接处理常规二维经阴道超声cine loop，不需要操作者预先标出卵巢区域，也不需要额外的人工预处理。换言之，自动输出结果更接近临床实际需要审核和记录的内容。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">也正因为卵泡监测不是简单判断“有或没有”，研究并未只依赖单一分类指标来评价模型，而是同时观察卵泡检出情况、计数一致性、直径测量误差、跨设备稳定性和真实流程中的人工编辑次数。这些指标共同回答的是一个更实际的问题：自动生成的卵泡测量结果，能否作为临床审核的初始结果。\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-full\">\u003Cimg loading=\"lazy\" decoding=\"async\" width=\"648\" height=\"976\" src=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig3_HTML.jpg\" alt=\"\" class=\"wp-image-789\" srcset=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig3_HTML.jpg 648w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig3_HTML-199x300.jpg 199w\" sizes=\"auto, (max-width: 648px) 100vw, 648px\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>小卵泡识别局限\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">不过，模型性能在不同场景仍有差异。研究显示，较大、形态规则、图像质量较好的卵泡更容易被准确识别；而在直径<10 mm的小卵泡、边界不规则卵泡或离焦图像中，性能仍会下降。小卵泡本身边界更模糊，也更容易受到相邻结构、声影伪影和图像质量影响。因此，在AFC评估或小卵泡密集的场景中，自动测量结果仍需要专家审核，不能简单替代人工判断。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">从临床流程看，自动化测量的价值主要体现在减少重复测量和提高一致性。它可以降低人工测量中的观察者差异，缩短常规卵泡标注时间，并形成更一致、可追踪的扫描和测量记录，便于后续回顾和质量管理。需要注意的是，这项研究主要评价的是卵泡检测、计数、直径测量和工作流效率，并未证明AI参与后能够改善获卵数、胚胎质量、妊娠率或活产率等最终临床结局。专家共识标注虽然比单一专家标注更可靠，但仍基于人类视觉判断，并不代表绝对真实标准。\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-full\">\u003Cimg loading=\"lazy\" decoding=\"async\" width=\"677\" height=\"816\" src=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig5_HTML.jpg\" alt=\"\" class=\"wp-image-790\" srcset=\"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig5_HTML.jpg 677w, https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig5_HTML-249x300.jpg 249w\" sizes=\"auto, (max-width: 677px) 100vw, 677px\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>总结\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">总体来看，这项研究验证了AI在卵泡识别、计数和直径测量中的应用可行性：它在≥10 mm卵泡中的表现接近专家水平，在多中心、多设备数据中保持了相对稳定的结果，前瞻性流程中较低的人工编辑次数和测量时间缩短，也提示自动化测量有机会融入常规临床工作流。不过，这类工具目前更适合作为辅助测量手段，而不是独立决策系统。较大卵泡的自动测量已经显示出较好的稳定性，但小卵泡、复杂图像以及最终临床结局相关问题仍需要进一步验证。其临床价值不在于替代医生判断，而在于将一部分重复、耗时、易受主观影响的测量工作，转化为更一致、可审核、可追踪的初始结果。\u003C\u002Fp>\n",false,"https:\u002F\u002Fwp.fertsy.com\u002Fwp-content\u002Fuploads\u002F2026\u002F05\u002F10815_2025_3777_Fig2_HTML.jpg",[14],11,[],0,1780054901314]