基于Xception与视频级聚合的低频便携式超声母猪妊娠计算机辅助诊断：预处理与Mixup数据增强的配置依赖性评估

《Animals》：Computer-Aided Diagnosis System for Sow Pregnancy Using Low-Frequency Portable Ultrasound Videos with Preprocessing and Augmentation Techniques

　　

准确妊娠诊断对养猪业繁殖管理具有重要意义。本研究评估了一套计算机辅助诊断（computer-aided diagnosis, CADx）工作流程，该流程基于来自两个站点1895头母猪的便携式低频超声视频。Xception帧级预测被聚合为视频级判定。研究在十次重复的母猪级数据划分中比较了Original、Preprocessing（小波去噪与限制对比度自适应直方图均衡化（contrast-limited adaptive histogram equalization, CLAHE））、Mixup及其组合（Combined）四种条件。在妊娠母猪视频限定于授精后第18–25天的条件下，Combined在数据集A和B中分别达到84.5%和85.3%的平均准确率。与Original相比，平均特异性分别提高1.3和2.4个百分点，Youden指数分别提高1.7和2.3个点，而平均敏感度在数值上相近。特异性与Youden指数差值的配对95%置信区间仅在数据集B中排除零，且未进行多重比较校正。曲线下面积（area under the curve, AUC）的配对比较未能证实判别能力提升。Mixup获得最高的平均特异性和AUC，而Combined的平均敏感度高于Mixup。该权衡在不同划分亚组间存在变化。跨站点评估与留一会话评估显示性能随采集设置而变化，没有始终最优的条件。这些比较揭示了配置依赖性权衡，需进一步评估以支持诊断辅助应用。

研究背景方面，有效管理猪繁殖与猪场整体生产力密切相关，早期识别妊娠母猪有助于及时实施营养管理。传统妊娠诊断方法包括行为与体征监测、激素水平测定和超声检查。随着韩国2010至2024年间猪场数量减少而猪存栏量增加，单场平均饲养规模上升，妊娠诊断工作量随之增大，亟需与低成本设备兼容的快速、客观诊断支持。低频便携式超声设备因成本较低、便携性强而具有实用价值，但其图像质量有限，使早期妊娠诊断更为困难。近年来深度学习已用于超声图像与视频的自动分析，在胎儿超声中帧级卷积网络可用于实时检测标准切面，在超声心动图中已有帧级卷积神经网络（convolutional neural network, CNN）分类与融合时间信息架构的比较研究。斑点噪声会降低图像对比度并增加超声图像判读难度，已有贝叶斯多尺度估计、非局部均值滤波和深度残差学习等斑点抑制研究，但图像质量指标的改善并不必然转化为分类性能的提升，因此有必要实证评估去噪是否对妊娠诊断模型有实质益处。在母猪妊娠诊断方面，已有研究评估实时超声的诊断准确性、利用超声检测繁殖障碍、鉴定循环外泌体microRNA生物标志物、基于实时超声数值特征训练深度神经网络预测产仔数，以及针对授精后第22–25天超声图像开发区域检测方法。相较之下，本研究将评估窗口扩展至授精后第18–21天，并评估通过聚合帧预测获得的视频级判定，考察小波去噪、CLAHE、Mixup及其组合对分类性能的影响。本研究旨在比较B模式3.5 MHz低频超声视频早期母猪妊娠诊断CADx工作流程中的预处理与增强策略，系统采用Xception提供帧级预测并聚合为视频级判定，比较Original、Preprocessing、Mixup与Combined四种条件，主要分析采用十次重复的母猪级训练-验证-测试划分，补充的模型与处理比较采用三个共享划分并匹配Xception结果，同时通过跨站点测试与会话留出评估考察随机划分之外的性能表现。

研究方法方面，研究于2023年2月至2024年5月在两个地点由经验丰富的技术人员采集妊娠与非妊娠母猪超声视频，妊娠母猪视频仅纳入授精后18–25天采集者。所用设备为配备3.5 MHz腹部扇形探头的便携式B模式扫描仪，视频分辨率1120 × 624像素。数据集A来自韩国江原国立大学动物生命科学学院运营猪场六个会话采集的视频，包含492头母猪的1484段视频；数据集B来自韩国国立动物科学研究所管理猪场六个会话采集的视频，包含1403头母猪的3938段视频。每头母猪在数据集A贡献1–4段、在数据集B贡献1–6段视频，均值±标准差分别为3.0 ± 0.3和2.8 ± 0.5段。视频约10秒长，每头母猪的研究视频在单一时间点采集。数据集A与Kim等先前研究共享472头母猪和1428段源视频，共享采集包括会话1–4及会话5的非妊娠采集，先前选定的帧被复用于本研究的模型开发，但视频级测试使用从留出源视频解码的全部可用帧，因此共享采集相对先前研究不构成独立数据。妊娠标签由参与猪场在经验丰富的猪繁殖专家通过随访超声检查确认后提供，确认基于参与猪场常规繁殖管理中的系列超声检查，无单一固定确认日。研究团队可获得的记录未记载从授精到确认的间隔，也未确定确认检查相对研究视频采集的时间。研究中母猪在检查中观察到胚胎囊（妊娠囊）时分类为妊娠，人工授精后系列随访超声检查无妊娠证据时分类为非妊娠。采集研究视频的人员与执行确认检查的专家不同，同一猪繁殖专家实施系列随访检查。研究视频均使用表1所述设备记录，随访检查使用各猪场常规超声设备，可能与研究视频采集设备不同。本研究未评估早期胚胎丢失。非妊娠视频的采集日信息经回顾性审查，数据集A中通过原始视频精确文件内容匹配确定152条非妊娠记录中27条的采集日（涉及459段视频中的81段），数据集B中通过会话与动物标识链接采集与授精记录重建521条非妊娠记录中409条（涉及1466段视频中的1129段）的授精后间隔，范围为11至29天。无可用采集日信息的记录归类为Unknown。训练与验证时每五帧提取一帧、每段视频最多20帧，以降低相邻帧冗余、限制每段视频对训练的贡献并控制训练内存与计算；视频级测试不使用该子采样。视频最多100帧，采样训练帧覆盖视频全长。帧提取后使用单一人工勾画的二值掩膜经按位与运算去除文字叠加等非超声区域，同一掩膜亦应用于测试视频解码帧。妊娠状态标签在帧提取前由数据提供方提供。数据集A会话1–5妊娠母猪视频提取每五帧后经审查保留可识别妊娠囊的帧，执行该筛选的人员知晓妊娠标签且不同于原始视频级标签赋值人员，该筛选仅应用于妊娠母猪视频的训练帧，未排除整段视频，也未应用于数据集A会话6、数据集B或视频级测试。分类架构采用Xception，其通过深度可分离卷积分离跨通道与空间相关性的处理，深度可分离卷积由深度卷积后接逐点卷积构成，可在提取特征的同时更高效利用模型参数；选用Xception亦受其在超声心动图视图分类中取得所评估经典二维CNN最低误差的启发。超声帧从1120 × 624处理尺寸调整为299 × 299像素，不裁剪、不填充，改变宽高比；视频经OpenCV解码为三通道图像，未显式复制单一灰度通道。Xception以ImageNet预训练权重初始化并以交叉熵损失进行二分类全量微调。图像预处理方面，采用二维离散小波变换以两级Haar分解获得近似与细节系数，细节系数经软阈值处理，阈值T = σ/2，其中σ为相应细节系数的标准差，该阈值直接由细节系数计算而非采用通用阈值或基于SURE的优化；去噪图像经逆变换重建。由于细节系数同时包含图像结构与噪声，其标准差反映二者贡献而非仅噪声估计，故该阈值为依赖图像内容的启发式选择。CLAHE通过将图像划分为小块并对每块单独直方图均衡化实现局部对比度增强，随后在相邻块间采用双线性插值以减少强度突变，应用于LAB色彩空间L通道，块网格尺寸设为8 × 8（OpenCV实现默认值），裁剪限值设为2。Mixup通过线性组合两幅图像及其标签增加训练数据多样性，混合系数λ ∈ [0,1]服从Beta(α,α)分布，本研究α设为1，损失按混合系数λ计算；Mixup仅应用于母猪级数据划分后的训练帧，验证与测试数据不增强，四种主要实验条件中Mixup是唯一应用的图像增强方法。视频级分类采用基于图像的视频分类方法，以分类为妊娠的帧比例判定妊娠状态：测试视频使用全部可用帧并掩膜非超声区域，Preprocessing与Combined条件下帧经小波去噪与CLAHE预处理，每帧经Xception单独分类，妊娠帧比例≥0.5时视频判定为妊娠，否则为非妊娠；视频级阈值预设为0.5并在所有数据集、实验条件与重复中固定。另比较了最高百分比池化（10%、20%、30%）、平均概率池化、最大池化与10%截尾均值等聚合规则，并评估母猪级性能，即一头母猪至少半数视频判定为妊娠时该母猪判定为妊娠。评估采用母猪级60:20:20随机分配至训练、验证与测试集，以十个不同随机种子重复十次，测试集可在重复间重叠，属重复留出评估而非十个不相交交叉验证折；同一母猪的所有帧与视频分配至同一子集，四种实验条件使用相同划分。训练使用数据集A与B数据，妊娠母猪数据限于授精后18–25天，每个重复划分内训练四个Xception模型（共40个模型），三通道图像以ImageNet均值（0.485, 0.456, 0.406）与标准差（0.229, 0.224, 0.225）归一化，最多训练100轮、批大小64、Adam优化器、学习率1 × 10??、交叉熵损失，验证损失连续5轮无改善则早停，按最低验证损失选择检查点。计算使用NVIDIA TITAN RTX GPU与Intel Xeon W-2133 CPU，PyTorch 2.1.0。ConvNeXt-Tiny与ViT-Small作为附加比较模型，以ImageNet预训练权重初始化、图像调整为224 × 224像素训练，优化器、学习率、批大小与早停标准同Xception，比较使用前三个母猪级划分。跨站点评估中A-to-B评估仅用数据集A训练与验证集训练验证并在数据集B测试集评估，B-to-A反之，两个方向均在四种条件下用split-1至split-3评估，目标站点数据不用于训练或检查点选择。留一会话评估在各数据集内单独进行，六个会话轮流留出并排除于训练与验证之外，其余五个会话母猪按约75:25分配至训练与验证集，四种条件共训练48个模型。性能按留出会话分别计算，含两类别的会话指标以均值±样本标准差汇总，数据集A为A1–A5（五个会话，1454段视频），数据集B为B1、B2、B4、B5（四个会话，3726段视频），各会话等权。仅非妊娠会话A6、B3、B6单独报告准确率与特异性（二者相同），不报告敏感度、F1分数、Youden指数与AUC。为考察会话相关信息是否可在妊娠类别构成差异之外被检测，仅用非妊娠视频分别对数据集A与B进行采集会话分类，冻结ImageNet预训练Xception特征在采样帧与视频间平均得每头母猪一个特征向量，采用类别加权逻辑回归与母猪级三折分层分组交叉验证，特征标准化仅在每折训练子集拟合，性能由合并的折外预测计算，显著性以固定折内母猪级会话标签199次置换评估。补充预处理比较评估单独小波去噪、单独CLAHE及二者顺序应用（不含Mixup），使用前三个母猪级划分及相应Original结果。常规增强基线使用前三个母猪级划分，训练帧经概率0.5随机水平翻转、±10°内旋转及0.9至1.1因子亮度对比度调整，仅在训练时应用，不含小波去噪、CLAHE或Mixup，其他训练设置同Original。另在前三个划分比较直接调整尺寸与letterbox调整尺寸，后者按比例调整并居中黑色填充至299 × 299像素，测试时保留掩膜步骤仅替换最终调整尺寸。评价指标包括准确率、特异性、精确率、敏感度、F1分数与Youden指数，Youden指数乘以100报告于?100至100范围，即敏感度(%) + 特异性(%) ? 100；Combined在18–25天总体期间的阳性预测值（positive predictive value, PPV）与阴性预测值（negative predictive value, NPV）亦予汇总，均乘以100并以十次重复划分的均值±标准差报告。AUC由视频级妊娠帧比例分数计算，通过变化视频级判定阈值获得ROC曲线而帧级阈值0.5固定。Combined下母猪级敏感度与特异性、四种条件下视频级AUC及Combined与Original在视频级敏感度、特异性、Youden指数与AUC的配对差异的95%置信区间采用2000次重复的簇自举法获得，每次重复在各数据集内对母猪有放回重采样，同一母猪在其出现的所有划分中应用相同重采样权重，指标按划分重算并在十次划分间平均，配对比较对两条件应用相同重采样权重，以2.5与97.5百分位定义区间，为未校正多重比较的边际百分位区间。

研究结果方面，表6汇总了十次重复母猪级划分下四种条件的视频级性能。在18–25天期间，Combined在两个数据集中较Original产生略高的平均特异性与Youden指数，平均敏感度数值相近，平均准确率亦更高：数据集A为84.5%对83.9%，数据集B为85.3%对84.5%。单独Preprocessing未一致改善分类性能，两个数据集中平均准确率略低于Original，数据集A平均Youden指数从61.9降至60.4，数据集B基本持平（68.3对68.4），小波去噪与CLAHE的顺序应用在无Mixup时于所评估设置下未带来一致分类益处。各条件下十次测试划分的平均阳性类别比例在数据集A的18–21天、22–25天与18–25天分别为57.5%、47.3%与69.2%，数据集B分别为47.9%、43.2%与62.7%；总体分析合并两个时期妊娠视频且每段非妊娠视频仅计一次，故阳性类别比例更高，其准确率并非两时期准确率的加权平均。Mixup产生与Original不同的敏感度–特异性平衡，在两个数据集中均获四种条件中最高的平均特异性，数据集A从Original的73.5%升至78.2%，数据集B从83.0%升至90.6%，但平均敏感度分别从88.4%降至86.4%、从85.3%降至79.9%，在数据集B的18–21天尤为明显（从75.7%降至67.0%）；该方向在数据集A前三个划分中未重现，Mixup平均敏感度高于Original（92.1%对86.3%）而平均特异性较低（70.3%对74.2%），故十次划分的模式描述的是所评估划分上的平均而非所有重复子集中一致的变化方向。在Mixup基础上加入预处理使平均性能平衡向更高敏感度偏移，18–25天期间数据集A平均敏感度从86.4%升至88.8%、数据集B从79.9%升至85.2%，而特异性分别从78.2%降至74.8%、从90.6%降至85.4%；相对Original，Combined保留了适度的平均特异性增益且总体敏感度数值相近，平均Youden指数高于Original（数据集A 63.6对61.9，数据集B 70.6对68.3），但数据集A低于Mixup（63.6对64.6）、数据集B二者相近（均为70.6）；然而在数据集A前三个划分中，向Mixup加入预处理使平均敏感度从92.1%降至86.3%、特异性从70.3%升至80.2%，故观察到的权衡方向取决于所汇总的划分集合，组合未在各指标上提供一致改善。两个数据集中四种条件下18–21天的敏感度均低于22–25天，Combined在数据集A为85.8%对93.3%、数据集B为75.3%对97.2%；由于各妊娠期分析纳入相同留出非妊娠视频，特异性在每个数据集内各时期相同。18–21天敏感度较低表明该早期阶段更大比例的妊娠母猪视频被分类为非妊娠，这对系统的预期诊断支持作用很重要，因为非妊娠视频识别的改善须与漏检妊娠一并考量。早期敏感度较低与妊娠相关结构可见性的胎龄变化相符，但本比较未将胎龄分离为原因，每头母猪仅贡献单一时间点的研究视频且各时期组会话构成不同，数据集A中18–21天检查的204头妊娠母猪有199头来自会话1–3。相较Schwier等评估的22–25天窗口，本研究还纳入授精后18–21天；Kim等同样纳入18–21天但评估基于图像的分类，而本研究评估聚合帧预测获得的视频级判定，这些评估窗口与单元的差异为本研究结果提供背景但不构成诊断性能更优的证据；数据集A与Kim等共享472头母猪和1428段源视频，故与该研究的比较并非独立数据集间比较，不应解释为独立复制或外部验证。采集时期特异性方面，数据集A中限于文件名记录采集日为18–25天的非妊娠视频时，Original与Combined平均特异性分别为38.9%与37.8%，而纳入全部非妊娠测试视频时分别为73.5%与74.8%；15–17天对应值为35.5%与32.1%，Unknown为78.9%与80.9%；18–25天测试子集仅含12条不同记录、八个可评估划分中45次视频评估，15–17天子集含11条不同记录、九个可评估划分中72次视频评估，这些小子集显示划分间显著变异。数据集B中重建间隔18–25天的平均特异性在四种条件下均高于11–17天，Original与Combined在18–25天分别为84.3%与85.7%，11–17天为78.5%与82.0%，26–29天为91.9%与92.2%，Unknown为84.9%与87.7%，总体特异性Original为83.0%、Combined为85.4%。主分析中，数据集A的Combined–Original配对差异在视频级敏感度为+0.34个百分点（95% CI ?1.31至+2.03）、特异性为+1.31个百分点（?1.91至+4.68）、Youden指数为+1.65点（?1.92至+5.32）；数据集B敏感度差异为?0.12个百分点（?1.13至+0.88）、特异性为+2.38个百分点（+0.74至+3.96）、Youden指数为+2.26点（+0.31至+4.06）；仅数据集B的特异性与Youden指数区间排除零，支持在所评估条件下数据集B预设操作点的适度改善，但未证实在两个数据集或所有性能指标上的改善，区间未作多重比较校正。表7汇总十次重复划分的视频级AUC（以妊娠帧比例为视频级分数），Mixup在两个数据集中平均AUC数值最高（数据集A 0.911，数据集B 0.940），Combined为0.902与0.934，Original为0.901与0.928；Combined与Original的配对AUC差异在数据集A为+0.0004（95% CI ?0.0131至+0.0130）、数据集B为+0.0052（?0.0006至+0.0109），两个置信区间均包含零，配对比较未证实Combined相对Original判别能力提升，但亦未证实二者等效；表6的适度平均差异描述预设操作点性能，而AUC汇总视频级比例分数跨视频级阈值的排序，由于该分数使用固定帧级阈值0.5构建，AUC分析未消除对帧级判定阈值的依赖。帧级方面，Combined在十次划分中数据集A与B平均准确率分别为77.2 ± 2.6%与77.3 ± 0.9%，AUC分别为0.842 ± 0.027与0.856 ± 0.010；Mixup帧级平均AUC更高，分别为0.848 ± 0.027与0.864 ± 0.011；帧级AUC使用单帧概率而视频级AUC使用分类为妊娠的帧比例，帧标签继承自视频级参考标准，故这些指标描述与视频级妊娠状态的一致性而非独立标注的帧级诊断准确性；Mixup与Combined在两个数据集中视频级AUC数值均高于帧级AUC，但二者评估单元与分数定义不同且帧标签继承自视频级状态，其差异不应解释为聚合带来益处的受控估计。母猪级评估中，Combined在数据集A平均特异性77.7 ± 12.7%（95% CI 71.9–83.2%）、敏感度91.6 ± 5.3%（88.7–94.0%），数据集B分别为85.4 ± 9.0%（82.4–88.3%）与88.1 ± 5.4%（86.0–90.0%）；Original对应值数据集A为74.8 ± 14.7%与91.4 ± 4.2%，数据集B为83.3 ± 11.4%与87.6 ± 7.3%。18–25天期间Combined的视频级PPV与NPV在数据集A为89.1 ± 4.3%与76.3 ± 8.7%、数据集B为91.1 ± 4.2%与78.2 ± 5.7%，十次测试划分平均妊娠视频比例为数据集A 69.2%、数据集B 62.7%，这些比例描述所评估视频样本而非群体水平妊娠率。在所评估样本内，妊娠预测的正确分类比例高于非妊娠预测，NPV表明数据集A与B分别约24%与22%的视频级非妊娠预测平均不正确，该预测值依赖所评估群体的妊娠率与采样特征，对系统作为诊断支持的角色尤为重要。替代聚合规则未较预设多数投票规则提供一致优势，最大池化与最高百分比池化以提高敏感度为代价显著降低特异性，截尾均值与多数投票平均Youden指数相近。附加骨干网络比较显示配置依赖效应：Combined较Original在Xception与ConvNeXt-Tiny两个数据集中产生更高平均准确率与Youden指数，但ViT-Small未重现该益处；这些描述性比较使用前三个共享母猪级划分且未作架构特异性优化，不构成统计优效性。表8汇总前三个重复划分的跨站点性能，预处理与Mixup效应在迁移方向上不同：A-to-B评估中Preprocessing获最高平均准确率与Youden指数，特异性从47.4%升至63.5%而敏感度从85.4%降至78.4%，该Youden指数益处未在B-to-A评估中重现（Preprocessing与Original为37.3与37.6）；B-to-A评估中Mixup获最高平均特异性与Youden指数，Combined获最高平均准确率与敏感度，较Mixup敏感度从69.5%升至79.2%但特异性从80.2%降至61.5%，Combined在两个迁移方向均未获最高平均Youden指数，划分间亦见显著变异，尤其A-to-B的Combined特异性（50.6 ± 30.2%），表明特定训练条件下的性能平衡未跨站点一致维持。Combined下，两个数据集联合训练在相应留出测试集上的平均准确率高于仅用另一站点训练：数据集A为84.5%对73.8%，数据集B为84.5%对72.0%（相同三个划分），联合训练与两个数据集更高准确率相关，但该比较未区分训练数据量增加与纳入目标站点数据的效应。表9报告留一会话性能，混合类别会话中Original平均特异性在数据集A为41.1%、数据集B为77.4%，而十次重复随机划分中分别为73.5%与83.0%；这些比较为描述性，因LOSO汇总对混合类别留出会话等权而随机划分结果平均来自所有会话的重复测试集，训练构成与评估群体的差异亦限制直接比较；结果与对采集会话特征的敏感性相符，但未证实依赖会话特异性线索或数据泄漏。数据集A混合类别会话中Mixup获最高平均准确率、特异性与Youden指数，较Original平均特异性从41.1%升至64.0%而敏感度从90.1%降至81.3%，Combined平均敏感度与特异性居中（83.7%与55.7%）；数据集B中Combined获最高平均准确率、特异性与Youden指数，但其特异性与Youden指数接近Original（77.5%对77.4%，56.8对56.1），平均AUC略低（0.864对0.867），无条件下在两个数据集中始终最优。非妊娠会话结果亦各异，Preprocessing在A6特异性最高（80.0%）、Combined在B3最高（73.8%）、Original在B6最高（64.7%）。补充会话分类分析中，平衡准确率数据集A为30.4%、数据集B为54.4%，超过六会话随机水平16.7%（每个数据集置换p = 0.005），表明掩膜后非妊娠超声图像中仍可检测会话相关信息，但未证实妊娠分类器依赖该信息或其贡献。小波去噪与CLAHE效应在数据集间不同，无Mixup时二者顺序应用未较任一单独成分产生更高平均准确率、Youden指数或AUC。常规增强较Original在两个数据集中提高平均敏感度但降低特异性，未提供跨数据集或指标的 consistent优势。letterbox调整尺寸在18–25天总体期间较相应Original基线在两个数据集前三个共享划分中平均敏感度数值更高但平均特异性与AUC更低，未在所测实验条件下一致改善。Grad-CAM选取案例作为定性示例呈现，但不作为确认解剖定位、解释分类错误或识别条件间性能差异原因的确定性证据。计算可行性初步基准使用六段视频，Xception在TITAN RTX GPU上处理含99帧的10秒视频约2.2秒、在Xeon W-2133 CPU六线程上约8.3秒，计时包括解码、预处理、推理与投票聚合。综合来看，四条件比较表明性能权衡，Combined在预设操作点较Original有适度益处：十次重复划分中Combined在两个数据集中平均准确率、特异性与Youden指数更高且平均敏感度数值相近；配对视频级比较在数据集B中提供更高特异性与Youden指数的证据（边际95%置信区间排除零，未作多重比较校正），数据集A相应区间包含零；较单独Mixup，Combined在十次划分分析中平均敏感度更高、特异性更低，使漏检妊娠与假阳性预测间的平衡成为配置选择的相关因素；该权衡随所考察划分变化，配对AUC比较未证实相对Original判别能力提升，故证据支持在所评估操作点的有限益处而非跨指标或采集设置的优越性。两种干预作用于工作流程不同阶段：小波去噪与CLAHE变换用于训练与评估的图像，Mixup插值训练图像与标签；一种可能解释是这些干预改变了帧概率相对固定阈值0.5的分布，进而改变视频级比例分数，该假设未直接检验，权衡方向或校准改善亦不能由单独使用Mixup推出。本研究存在若干局限：妊娠状态经常规猪场管理中的系列随访超声确立，可用记录未确定每头母猪妊娠状态确认相对研究视频采集的时间，虽采集人员与确认专家不同，但无法确认专家对研究视频或初始妊娠评估的盲法，参考评估的独立性因此不确定；未评估早期胚胎丢失；研究团队无个体分娩记录以独立验证妊娠标签；因妊娠与非妊娠母猪采集窗口不同，报告的特异性不应解释为严格日匹配队列的估计；未开展比较专家在有与无CADx辅助下对相同视频判读性能的匹配读者研究，故未证实CADx辅助是否改善专家诊断性能或繁殖管理；数据在两个研究站点使用同一采集设备型号与经验丰富操作者收集，跨站点与LOSO评估将评估扩展至随机划分之外，但对其他猪场、设备与操作者独立采集数据的泛化性仍待确立；等会话平均使大小会话等权，较小会话估计可能较不精确；高于随机的会话分类性能支持对会话相关混杂的关注，尤其妊娠类别比例在各会话间不同；补充比较使用三个共享划分而采集时期分析使用表6的十次划分；自举置信区间在拟合模型与现有划分条件下量化采样不确定性，未包括额外模型重训练，配对比较使用未校正多重比较的边际百分位区间，数据集B的正向特异性与Youden指数差异应在此范围内解释，不构成跨数据集或指标的普遍优势，包含零的区间不证实等效或非劣效；帧级标签继承自视频级妊娠状态，非诊断帧与诊断帧获得相同标签而无独立帧级标注，数据集A会话1–5妊娠母猪训练帧另经知晓妊娠标签人员筛选可见妊娠囊，可能使妊娠训练样本富集于清晰可见的诊断特征并引入选择偏倚，其选择性应用亦造成类别、会话与数据集间训练数据准备差异；预处理在训练与评估时均应用，其对模型学习的影响无法与改变评估输入的影响分离；虽考察替代聚合规则，但未评估多实例与时序视频模型。

讨论部分总结指出，四条件比较表明性能权衡，Combined在预设操作点较Original有适度益处，十次重复划分中两个数据集平均准确率、特异性与Youden指数更高而平均敏感度数值相近，配对视频级比较仅在数据集B中提供更高特异性与Youden指数的证据，数据集A相应区间包含零；较单独Mixup，Combined平均敏感度更高而特异性更低，漏检妊娠与假阳性预测的平衡与配置选择相关；该权衡随所考察划分变化，配对AUC比较未证实判别能力提升，证据支持有限益处而非跨指标或采集设置的优越性。干预作用于工作流程不同阶段，小波去噪与CLAHE变换图像而Mixup插值训练图像与标签，一种未经直接检验的可能解释是干预改变帧概率相对固定阈值0.5的分布进而改变视频级比例分数。研究局限包括妊娠状态经常规管理系列随访超声确立而记录未确定确认时间、无法确认专家盲法、未评估早期胚胎丢失、无个体分娩记录独立验证、采集窗口在妊娠与非妊娠母猪间不同、未开展匹配读者研究、泛化性待确立、等会话平均、会话相关混杂、自举区间未含重训练且未校正多重比较、帧级标签继承自视频级、数据集A会话1–5训练帧选择可能引入选择偏倚、预处理影响无法分离、未评估多实例与时序视频模型。研究结论指出，本研究在使用低频便携式超声视频、基于Xception的帧分类与视频级聚合的母猪妊娠分类中识别出配置依赖性权衡；十次重复母猪级划分中，Combined在两个数据集中较Original产生数值更高的平均准确率、特异性与Youden指数，平均敏感度数值相近；然而特异性和Youden指数差异的配对95%置信区间仅在数据集B中排除零，且未作多重比较校正，这些发现支持在所评估操作点的有限、数据集依赖性益处。观察到的益处不构成一致优越性：配对AUC比较未证实判别能力提升，Mixup在十次划分分析中获最高平均特异性与AUC，Combined平均敏感度高于Mixup但该权衡方向随所考察划分变化，补充比较及跨站点与LOSO评估进一步表明性能取决于所评估配置与采集设置。未来工作应优先构建涵盖猪场、采集会话、设备与操作者的更多样化数据集，在可行时使两个妊娠类别与相关胎龄阶段在采集设置间均有代表；记录采集元数据并在留出猪场与会话上预设评估有助于确定哪些会话相关差异影响妊娠分类及其效应是否在独立采集数据中持续；方法学工作应在匹配数据划分与受控输入处理下分别与联合评估基于正则化的增强（包括Mixup与CutMix、FMix等替代图像混合策略）与面向超声的去噪，这些比较应评估益处是否跨采集设置持续并纳入配对不确定性估计、校准与早期妊娠敏感度而非仅依赖平均准确率；需独立评估以确定Combined观察到的益处是否扩展至其他采集设置；进一步优先事项是开展匹配读者研究，比较专家在有与无CADx辅助下对相同视频的判读性能，以确定该系统的临床附加价值。