近日，由暨南大学信息科学技术学院、暨南大学第一附属医院（华侨医院）联合奥克兰大学、悉尼大学、巴塞罗那大学、都柏林大学、开普敦大学、穆罕默德·本·扎耶德人工智能大学、多伦多大学等全球20余家高校与医疗机构共同组织的MICCAI IUGC 2025（Intrapartum Ultrasound Grand Challenge）官方荟萃论文，在医学影像领域国际权威期刊Medical Image Analysis上发表。论文题为“IUGC: A Benchmark of Landmark Detection in End-to-End Intrapartum Ultrasound Biometry”，系统构建了首个面向产时超声关键点检测与分娩进程参数自动测量的开放基准体系，为智能分娩监测与产程管理提供了标准化评测平台与开源资源支持。

文章发表页面截图

该研究依托来自24家医院与研究机构的多中心大规模数据资源，构建了包含32,000余幅标准产时经会阴超声图像的基准数据集，并围绕耻骨联合（PS）与胎头（FH）关键解剖点定位任务，统一了评价指标体系与排名规则。挑战共吸引80余支国际团队注册参与，最终10支队伍进入官方评测与对比分析阶段。研究结果显示，最优算法在关键点定位精度与AoP测量误差方面已达到接近临床资深超声医师水平，验证了人工智能在产时超声实时定量分析中的临床应用潜力。

IUGC 2025产时超声关键点检测与AoP自动测量流程示意图

从技术层面看，IUGC 2025首次系统推动“端到端关键点检测+半监督学习”范式在产时超声生物测量中的应用。多支领先团队引入超声基础模型蒸馏、自监督预训练、伪标签迭代优化、解剖结构约束与模型集成等先进策略，在仅有少量标注数据的条件下，显著提升了模型泛化能力与鲁棒性。这一成果为解决临床超声标注成本高、数据分布复杂等实际问题提供了可行技术路径。

在临床应用层面，AoP作为国际妇产超声学会（ISUOG）与世界卫生组织推荐的重要产程评估指标，对预测分娩结局、降低不必要剖宫产率具有重要意义。IUGC 2025所构建的自动化评测体系，有望为智能产程监测系统、床旁实时决策支持工具以及“智慧围产保健”平台建设提供关键技术基础，推动人工智能技术在分娩管理场景中的规模化落地。

该研究工作得到了国家自然科学基金、广东省自然科学基金、广州市重点研发计划、“地平线欧洲”计划等项目的支持。

论文链接：https://www.sciencedirect.com/science/article/pii/S1361841526000290#ack0001