近期，深圳大学医学部生物医学工程学院汪天富、雷柏英教授团队的研究成果《IFT-Net: Interactive Fusion Transformer Network for Quantitative Analysis of Pediatric Echocardiography》在顶级期刊Medical Image Analysis（IF：13.828，中科院一区，Top期刊）上发表。论文第一作者是赵程博士后，通讯作者是汪天富教授和雷柏英教授，深圳大学为第一署名单位。

超声心动图中关键解剖结构的自动分割与测量任务对于后续临床参数的提取至关重要。然而，由于边界模糊、散斑噪声等因素的影响，增加了对2D超声图像进行全自动分割的难度。其次现有的工作多聚焦于心尖四腔图的解剖结构分割，然而仅凭四腔图切面会漏诊大部分心脏流出道异常病例。而胸骨旁心底短轴图则可以观察包括右室流出道、主动脉、肺动脉等结构，对于判断大多数心脏结构畸形问题更有效。因此，为了进一步提高小儿超声心动图的量化分析能力，本文以胸骨旁心底短轴图为筛查切面，设计交互融合Transformer网络（IFT-Net）实现小儿超声心动图的分割与生物学参数测量。该工作首先通过设置并行的Transformer及卷积分支用于提取不同层对应的局部与全局特征。随后设置双向特征融合单元最大化的保留局部与全局特征，精细化分割结果。最后模拟临床参数测量方法通过关键点定位实现胸骨旁心底短轴图解剖结构参数的测量。该算法实现了胸骨旁心底短轴图的量化分析，并在各解剖结构内径测量中达到了8%~13%之间的平均相对误差，验证了所提算法具有作为超声心脏图像智能化辅助分析的潜力。

该研究获得了国家重点研发计划、国家自然科学基金、广东省自然科学基金、深圳市深港创新圈A类项目、马歇尔生物医学工程实验室等项目资助。

本研究提出的基于交互融合Transformer网络的小儿超声心动图量化分析框架。