基于Segment Anything Model的超声心动图左心室分割：基础模型与领域专用模型的效能比较

为解决超声心动图左心室（LV）分割中模型泛化性不足和标注成本高的问题，斯坦福大学团队通过微调Segment Anything Model（SAM），在EchoNet-Dynamic数据集上开发了高效分割模型。研究显示，微调SAM112 在外部验证集（TTE/POCUS）中DSC达0.911±0.045，较EchoNet提升19%，且标注时间减少50%。该研究为医学影像分析提供了数据高效的通用模型优化策略，发表于《npj Digital Medicine》。

　　

超声心动图是心脏病学中最常用的无创影像技术，但左心室（LV）分割仍面临两大挑战：一是传统人工标注存在7%-13%的观察者间变异，二是现有AI模型如EchoNet依赖大量标注数据且泛化性不足。尤其对于新兴的点式超声（POCUS），图像质量差异更大，亟需开发适应性强的解决方案。

斯坦福大学医学院与计算机科学团队在《npj Digital Medicine》发表研究，创新性地将Meta AI的通用分割基础模型Segment Anything Model（SAM）引入医学领域。通过微调SAM的ViT-base版本（输入尺寸112×112，简称SAM₁₁₂
），使用EchoNet-Dynamic数据集的7460例经胸超声（TTE）视频帧，并与MedSAM、U-Net等模型对比。研究发现，微调SAM在外部验证集（包括梅奥诊所的58例TTE和41例POCUS）中展现出显著优势：在CAMUS数据集A2C视图上，DSC达0.891±0.040，较EchoNet提升18.5%（p<0.0001）；POCUS数据上DSC 0.857±0.047，优于EchoNet的0.667±0.279。更令人振奋的是，SAM辅助标注使人工耗时减少50%（5.7±1.7秒 vs 11.6±4.5秒），且医学学生标注质量提升66%。

关键技术包括：1）基于EchoNet-Dynamic公开数据集（10,030例A4C视图视频）和梅奥诊所99例患者数据；2）采用边界框提示的SAM零样本评估与微调策略；3）Dice损失和交叉熵损失的复合损失函数优化；4）人类标注实验设计验证临床实用性。

主要结果
零样本性能验证
SAM在未微调状态下，EchoNet测试集DSC已达0.863±0.053，显示基础模型对医学影像的潜在适应性。但POCUS数据表现波动较大（DSC 0.861±0.043），提示微调必要性。

微调模型效能突破
SAM₁₁₂
微调后性能全面提升：在梅奥TTE数据中DSC 0.902±0.032，较零样本提升2.3%；LVEF计算误差（MAE）从11.67%降至7.52%。值得注意的是，其对A2C视图（CAMUS）的泛化能力突出，DSC达0.891±0.040，显著优于专为A4C设计的EchoNet（0.752±0.196）。

跨模型对比
与MedSAM相比，SAM₁₁₂
在多数数据集领先2-5%（p<0.0001）。当输入尺寸统一为1024×1024时，SAM₁₀₂₄
与微调MedSAM性能相当（DSC 0.935 vs 0.936），证实基础模型通过微调可达到专用模型水平。

临床工作流优化
人类标注实验显示，SAM辅助使专家标注时间缩短39.2%，医学生耗时减少66%，且DSC保持稳定（0.84±0.07 vs 0.84±0.08）。

讨论与意义
该研究首次证明：1）通用视觉基础模型通过小样本微调（<8000例）即可超越专用模型，打破医学AI需百万级数据的传统认知；2）SAM的交互式设计可实现"人在环路"（human-in-loop）标注，为临床落地提供新范式；3）在图像质量较差的POCUS场景中，微调SAM展现出显著鲁棒性，这对急诊和基层医疗具有重要价值。

局限性在于仅评估ED/ES单帧而非全视频分析，且未探索时空特征融合。未来工作可结合时序建模进一步提升精度。这项研究为医学影像分析提供了可推广的框架——"基础模型+领域微调"，其50%的标注效率提升可能加速高质量医学数据库的构建，最终助力精准心血管诊疗。