近日，深圳大学医学部生物医学工程学院倪东教授团队在国际医学图像分析领域的顶级期刊Medical Image Analysis（IF为13.828，中科院一区，Top期刊）发表了题为《RecON: Online learning for sensorless freehand 3D ultrasound reconstruction》的研究成果。倪东教授和孙立涛主任为共同通讯作者，团队成员博士生骆明远和杨鑫助理教授为共同第一作者，深圳大学为第一署名单位。

基于深度学习的无传感器自由式三维超声重建显示出很好的优势，如大视野、相对较高的分辨率、低成本和易于使用。无传感器自由式三维超声重建系统首先估计二维超声序列中各帧之间的空间位置变换，再根据图像内容和估计的变换来重建容积。当移动探头进行二维超声扫描时，超声专家经常自适应地调整和组合不同的扫描策略，以获得更好的成像质量和更高的扫描效率，因此重建工作具有挑战性。本研究创新性地提出基于运动加权损失和在线学习的三维重建框架RecON，通过运动加权损失、帧级上下文一致性（FCC）、路径级相似性约束（PSC）和全局对抗性形状先验（GAS）来应对多样化扫描策略带来的挑战。本研究在髋关节、胎儿和脊柱数据集以及真实的临床胎儿扫查视频上进行了详细的实验分析。结果表明，本研究提出的在线学习框架RecON在包含多样化扫描策略的无传感器自由式三维超声重建方面具有良好的稳健性。

本研究得到了国家自然科学基金、深港联合研究计划和深圳市科技创新委员会等项目的支持。

本研究提出的在线学习框架（RecON），用于从二维超声序列进行无传感器三维重建

  研究成果链接：https://doi.org/10.1016/j.media.2023.102810