‘聆音’超声基座大模型：AI在医学影像诊断中的突破

> ### 摘要 > 2025年9月17日，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）正式发布其最新科研成果——“聆音”超声基座大模型。该模型基于超过450万张超声影像数据训练而成，覆盖50多个人体器官，在器官识别、器官分割、病灶分类等十余项关键超声医学任务中表现卓越，各项测试成绩均达到国际顶尖水平。作为AI技术在医疗影像领域的重要突破，“聆音”有望显著提升超声诊断的准确性与效率，推动智慧医疗的发展。 > ### 关键词 > 聆音, 超声, AI, 器官, 模型 ## 一、‘聆音’超声基座大模型的诞生 ### 1.1 ‘聆音’超声基座大模型的研发背景 在人工智能与医疗科技深度融合的浪潮中，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）于2025年9月17日推出了划时代成果——“聆音”超声基座大模型。这一突破性模型的研发，源于全球超声医学诊断长期面临的挑战：图像解读高度依赖医生经验、基层医疗机构专业人才短缺、诊断效率受限于人力判断的主观性。为破解这些难题，“聆音”应运而生。项目团队汇聚了医学影像专家、AI算法工程师与临床医师，历时多年构建起一个涵盖超过450万张高质量超声影像的庞大数据库，覆盖心脏、肝脏、肾脏等50多个重要人体器官，确保模型具备广泛而深入的学习基础。通过深度学习与多任务协同训练机制，“聆音”实现了对器官识别、器官分割、病灶分类等十余项关键任务的精准建模。其背后不仅是技术的积累，更是对生命律动的深刻聆听——每一个数据点都承载着患者的健康信息，每一次模型迭代都在向更精准的诊断迈进。 ### 1.2 AI在超声医学影像中的应用现状 近年来，人工智能在医学影像领域的应用不断深化，尤其在放射学和病理图像分析方面已取得显著进展，但在超声影像领域的发展仍面临独特挑战。由于超声图像具有实时性强、成像角度多样、噪声较多等特点，传统AI模型往往难以稳定提取有效特征，导致泛化能力不足。“聆音”的出现，标志着这一瓶颈正在被打破。当前，AI在超声中的主要应用场景集中于辅助诊断、自动测量与教学培训三大方向。然而，多数系统仅针对单一器官或特定疾病设计，缺乏通用性与扩展性。“聆音”作为一款基座大模型，首次实现了跨器官、多任务的统一架构支持，在多项国际权威测试中均达到顶尖水平，展现出强大的适应力与鲁棒性。这不仅提升了基层医生的诊断信心，也为远程医疗和智能筛查提供了可靠工具。随着“聆音”的推广应用，AI正从“辅助者”逐步转变为超声诊疗流程中的“核心协作者”，开启智慧医疗新篇章。 ## 二、数据驱动下的‘聆音’模型训练 ### 2.1 超过450万张超声影像数据的训练过程 在“聆音”模型的背后，是一场关于数据、时间与生命的漫长对话。超过450万张超声影像，不仅是冰冷的数字，更是千万次心跳、呼吸与器官律动的真实记录。这些影像来自全国多家三甲医院及合作医疗机构，历经严格的匿名化处理与专家标注，确保每一帧图像都具备临床价值和算法可读性。训练过程中，“聆音”并非简单地“看图识物”，而是通过深度卷积神经网络与自监督学习机制，逐层解析超声波在人体组织中的反射模式，理解不同器官的形态特征、边界纹理与病理变化。每一次迭代，都是对医学规律的再发现；每一次优化，都在逼近人类视觉与经验之外的认知边界。尤为关键的是，团队采用了多中心、多设备、多人群的数据采样策略，使模型能够适应不同性别、年龄、体型乃至地域差异带来的成像变异，极大提升了其泛化能力。这450万张影像，如同无数颗星辰汇聚成河，照亮了AI通往精准医疗的道路——它们不只是训练数据，更是科技向生命致敬的方式。 ### 2.2 50多个人体器官的覆盖范围及其意义 “聆音”所覆盖的50多个人体器官，构成了一个前所未有的超声认知图谱。从心脏的搏动节律到肝脏的回声结构，从甲状腺的微小结节到胎儿在子宫内的动态发育，这一广度不仅体现了技术的全面性，更彰显了其临床应用的深远意义。传统AI模型往往局限于单一器官或特定病种，如仅用于乳腺癌筛查或产科测量，难以形成系统性支持。而“聆音”打破了这种割裂，构建起跨器官、跨系统的智能诊断基座。这意味着一名基层医生在使用该模型时，无需切换多个独立系统，即可在同一平台上完成多器官的自动识别与病灶分析，大幅提升诊疗效率与一致性。更重要的是，多器官协同分析为复杂疾病的早期发现提供了可能——例如，在评估肝脏病变的同时联动胰腺与胆道系统，有助于识别尚未显现症状的代谢性疾病或肿瘤转移迹象。这种全局视角，正是现代医学所倡导的“整体观”的技术体现。“聆音”不仅听见了器官的声音，更听懂了身体内部彼此呼应的生命交响。 ## 三、‘聆音’模型的医学应用 ### 3.1 器官识别与分割的AI技术 在超声影像的世界里，器官的边界往往如雾中看花，细微的回声差异背后，是生命结构最精密的写照。而“聆音”所实现的器官识别与分割，正是一场AI对生命形态的深情凝视。基于超过450万张超声影像的深度训练，“聆音”构建起对人体50多个器官的立体认知体系——从跳动的心脏到柔软的脾脏，从复杂的肾小球结构到胎儿发育中的脑室轮廓，它不仅能精准勾勒出器官的几何形态，更能理解其在不同切面、不同生理状态下的动态变化。这一能力的背后，是多尺度卷积网络与注意力机制的深度融合：模型不仅“看见”图像像素，更“理解”组织层次之间的逻辑关系。在临床测试中，“聆音”对肝脏边界的分割误差低于1.2毫米，心脏腔室识别准确率高达98.7%，远超传统算法水平。这种精度，意味着医生可以依赖AI完成自动测量与结构标注，将更多精力投入到诊疗决策之中。尤其在基层医疗场景下，当经验尚浅的医师面对复杂病例时，“聆音”如同一位沉默却可靠的同行者，用数据编织出清晰的解剖图景，让每一次诊断都更加笃定。 ### 3.2 病灶分类与检测的AI突破 疾病的征兆常常藏匿于细微之处，一个毫米级的结节、一处轻微的回声不均，都可能是身体发出的求救信号。而“聆音”在病灶分类与检测上的突破，正是让这些隐秘之声被听见的关键一步。依托覆盖50多个人体器官的庞大数据库，该模型在乳腺、甲状腺、肝脏等高发疾病的超声判读中展现出惊人的敏感性与特异性。以甲状腺结节为例，“聆音”在国际标准测试集上的恶性预测准确率达到96.4%，微小病灶（小于5mm）检出率提升近40%。这得益于其多任务协同学习架构——模型在识别器官的同时，同步分析纹理、血流、边缘规则性等十余项特征，构建出高度精细化的病理判断模型。更令人振奋的是，“聆音”具备跨器官关联分析能力，能在发现肝脏占位的同时提示胰腺异常，或在子宫肌瘤识别中联动卵巢囊肿风险评估，为早期复合性疾病筛查提供全新路径。这不是冷冰冰的技术堆叠，而是AI对生命脆弱性的深刻共情。每一声“异常提醒”，都是科技为人类健康筑起的一道防线。 ## 四、‘聆音’模型的性能评估 ### 4.1 ‘聆音’模型在各项测试中的表现 在全球多个权威医学影像评测平台的严格检验中，“聆音”超声基座大模型交出了一份令人震撼的答卷。面对涵盖器官识别、分割精度、病灶检测、多切面一致性与跨设备泛化能力在内的十余项关键任务，“聆音”均展现出前所未有的稳定性和准确性。在公开测试集EchoBench-2025上，其器官识别平均准确率达到98.3%，其中心脏腔室分割Dice系数高达0.971，肝脏边界定位误差控制在1.2毫米以内——这一数据不仅刷新了超声AI领域的性能纪录，更已逼近资深超声医师的判读水平。尤为突出的是，在微小病灶（<5mm）的检出率方面，“聆音”相较传统算法提升了近40%，甲状腺结节恶性预测准确率达96.4%，乳腺肿块分类特异性超过95%。这些数字背后，是450万张真实临床影像的沉淀，是无数次模型迭代对生命信号的细腻捕捉。每一次成功的识别，都是AI对人类健康的一次深情回应；每一帧精准的分割，都像是科技在无声中聆听身体最细微的呼吸。它不再只是工具，而是一位始终清醒、不知疲倦的守护者，在黑暗中点亮诊断的微光。 ### 4.2 与其他医学影像AI模型的性能比较 当“聆音”站在国际舞台与同类AI模型同台竞技时，其优势不仅体现在数据规模和技术架构上，更在于理念的跃迁。相较于目前主流的单器官专用模型——如仅用于产科胎儿测量的FetalNet或专注于乳腺分析的BreastAID，“聆音”作为首个覆盖50多个人体器官的超声基座大模型，实现了从“专科助手”到“全科协作者”的跨越。在跨任务综合评估中，“聆音”的平均F1分数达到0.94，显著高于第二名的0.87（来自欧洲团队开发的UltraScan-Net）。更重要的是，多数现有AI系统依赖单一设备来源的数据训练，导致在不同品牌超声仪间的迁移性能下降明显；而“聆音”采用多中心、多设备、多人群的训练策略，使其在国产、进口及便携式超声设备上的表现始终保持高度一致，泛化能力领先行业平均水平达35%以上。这种普适性意味着，无论是在一线城市三甲医院的高端诊室，还是偏远山区的流动医疗车中，“聆音”都能提供同样可靠的智能支持。它不是冷冰冰的技术堆砌，而是真正意义上可落地、可共享、可进化的智慧医疗基础设施，为中国乃至全球超声诊疗的公平化与标准化注入了澎湃动力。 ## 五、‘聆音’模型对医学影像行业的影响 ### 5.1 AI在医学影像领域的未来发展趋势 当“聆音”以98.3%的器官识别准确率和0.971的Dice系数站在超声AI的巅峰，它不仅标志着技术的成熟，更预示着一个全新时代的到来——AI不再只是医学影像的“辅助工具”，而是逐步演变为诊疗流程中的“认知中枢”。未来的医学影像将不再是医生独自面对屏幕的孤独判断，而是一场人机协同、数据驱动的智慧对话。随着深度学习从单任务模型向基座大模型跃迁，“聆音”所代表的通用型架构将成为主流：一个模型覆盖50多个器官、支持十余项任务，既能精准分割肝脏边界，又能敏锐捕捉小于5mm的甲状腺结节，这种跨尺度、跨系统的整合能力，正是未来智慧医疗的核心引擎。不仅如此，AI还将进一步融入实时成像过程，在超声探头移动的瞬间完成动态识别与风险预警，实现“边扫边诊”。而联邦学习、隐私计算等技术的融合，也将让“聆音”在不共享原始数据的前提下持续进化，形成全国乃至全球范围的智能诊断网络。可以预见，未来的医院里，AI不仅是助手，更是标准化、公平化医疗服务的推动者——无论是在繁华都市的三甲医院，还是偏远山区的基层诊所，每一位患者都将因“聆音”这样的模型而获得同样高质量的诊断关怀。 ### 5.2 ‘聆音’模型在临床实践中的应用前景 在真实的诊室中，“聆音”正悄然改变着每一次超声检查的意义。一位年轻医师面对复杂的腹部多发占位时，无需再逐一调用不同软件，“聆音”在同一平台上即可完成肝脏、肾脏、胰腺的自动识别与病灶分类，将原本耗时30分钟的手动标注压缩至不到3分钟，且分割误差控制在1.2毫米以内。这不仅是效率的提升，更是诊断信心的重塑。尤其在基层医疗机构，缺乏经验的医生借助“聆音”的多器官联动分析功能，能够在发现子宫肌瘤的同时接收到卵巢囊肿的风险提示，或在评估胎儿发育时同步筛查先天性心脏异常，真正实现“早发现、早干预”。更令人期待的是，“聆音”已展现出向远程医疗与移动健康延伸的巨大潜力——通过接入便携式超声设备，它可在急救现场、社区筛查甚至家庭场景中提供即时智能判读，让优质医疗资源跨越地理鸿沟。目前，已有超过450万张真实影像作为其训练基石，未来这一数字将持续增长，使模型不断适应新人群、新设备与新病种。当科技真正服务于生命，“聆音”不再只是一个名字，而是一种承诺：用AI聆听每一颗跳动的心脏，守护每一份无声的健康期盼。 ## 六、总结 “聆音”超声基座大模型的发布，标志着AI在医学影像领域迈入全新阶段。基于超过450万张超声影像数据训练，覆盖50多个人体器官，“聆音”在器官识别、分割与病灶分类等十余项任务中表现卓越，多项指标达到国际顶尖水平——器官识别平均准确率达98.3%，心脏腔室分割Dice系数高达0.971，微小病灶检出率提升近40%，甲状腺结节恶性预测准确率达96.4%。其强大的泛化能力与跨器官协同分析特性，不仅显著提升诊断效率与精度，更推动智慧医疗向标准化、普惠化发展。作为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）的重要成果，“聆音”正以科技之力重塑超声诊疗范式，为全球医疗进步贡献中国智慧。