Ogni pixel è un’opzione: un modello System One per la biometria ecografica

Abstract degli autori

**Obiettivo:** La biometria ecografica è ampiamente utilizzata in diverse applicazioni cliniche, tra cui gli esami prenatali e cardiaci, per ottenere misurazioni quantitative posizionando i cursori sui punti di riferimento anatomici. Tuttavia, queste misurazioni restano soggette a variabilità tra operatori, poiché dipendono in larga misura dal posizionamento manuale dei cursori. I metodi convenzionali spesso utilizzano apposite teste di predizione per i diversi compiti ecografici, mentre i modelli visione-linguaggio offrono flessibilità grazie alle istruzioni testuali. La predizione diretta delle coordinate, tuttavia, non modella esplicitamente le distribuzioni spaziali di verosimiglianza, limitando la rappresentazione dell’ambiguità nella localizzazione. **Metodi:** Proponiamo Kev-Bio, un modello visione-linguaggio che usa domande sulle misurazioni cliniche per guidare il rilevamento dei punti di riferimento ecografici. Ispirato ai modelli decisionali System One, Kev-Bio utilizza le rappresentazioni decisionali del modello linguistico per generare interrogazioni per ciascun estremo del cursore. Queste interrogazioni vengono confrontate con caratteristiche ecografiche dense condivise per produrre mappe di probabilità spaziale, da cui si ricavano le coordinate dei punti di riferimento e le misurazioni cliniche. Il modello viene addestrato end-to-end usando sia le funzioni di perdita per la localizzazione dei punti di riferimento sia quelle per le misurazioni cliniche. **Risultati:** Sul dataset FU/GU Biometry 2026, che comprende nove viste, Kev-Bio raggiunge un errore radiale medio (MRE) di 22,50 pixel e un errore assoluto medio (MAE) delle misurazioni cliniche di 15,38, superando le baseline confrontate in termini di prestazioni complessive. **Conclusione:** Questi risultati dimostrano l’efficacia di Kev-Bio nel rilevamento dei punti di riferimento ecografici e nella misurazione clinica attraverso diverse viste anatomiche. Il codice e i modelli sono disponibili all’indirizzo https://github.com/moeinheidari7829/Kev-Bio.