medRxiv 2026年9月22日该研究提出一种稀疏监督的AI框架，用冻结的超声基础模型（USFM，ViT-B）为每帧提取768维特征，交给轻量双向LSTM时间头输出0到1的帧质量分数，并以高斯软标签（在专家标注的关键帧处取峰值、随帧距平滑衰减，宽度σ=5帧）训练；在18名受试者、323段超声扫查视频（覆盖9种受控采集扫查类型、约45,500帧）的受试者级五折交叉验证中，该方法在含关键帧的扫查里以82.2%的Hit@1选出可用帧、平均最小距离3.07帧，超过最强无训练基线（USFM特征余弦相似度49.2%）与硬标签模型（71.9%）。该研究提出一种稀疏监督的AI框架，用冻结的超声基础模型（USFM，ViT-B）为每帧提取768维特征，交给轻量双向LSTM时间头输出0到1的帧质量分数，并以高斯软标签（在专家标注的关键帧处取峰值、随帧距平滑衰减，宽度σ=5帧）训练；在18名受试者、323段超声扫查视频（覆盖9种受控采集扫查类型、约45,500帧）的受试者级五折交叉验证中，该方法在含关键帧的扫查里以82.2%的Hit@1选出可用帧、平均最小距离3.07帧，超过最强无训练基线（USFM特征余弦相似度49.2%）与硬标签模型（71.9%）。基于基础模型的软时间打分：超声视频中用于改进ONSD测量的最优帧选择该研究提出一种稀疏监督的AI框架，用冻结的超声基础模型（USFM，ViT-B）为每帧提取768维特征，交给轻量双向LSTM时间头输出0到1的帧质量分数，并以高斯软标签（在专家标注的关键帧处取峰值、随帧距平滑衰减，宽度σ=5帧）训练；在18名受试者、323段超声扫查视频（覆盖9种受控采集扫查类型、约45,500帧）的受试者级五折交叉验证中，该方法在含关键帧的扫查里以82.2%的Hit@1选出可用帧、平均最小距离3.07帧，超过最强无训练基线（USFM特征余弦相似度49.2%）与硬标签模型（71.9%）。该研究提出一种稀疏监督的AI框架，用冻结的超声基础模型（USFM，ViT-B）为每帧提取768维特征，交给轻量双向LSTM时间头输出0到1的帧质量分数，并以高斯软标签（在专家标注的关键帧处取峰值、随帧距平滑衰减，宽度σ=5帧）训练；在18名受试者、323段超声扫查视频（覆盖9种受控采集扫查类型、约45,500帧）的受试者级五折交叉验证中，该方法在含关键帧的扫查里以82.2%的Hit@1选出可用帧、平均最小距离3.07帧，超过最强无训练基线（USFM特征余弦相似度49.2%）与硬标签模型（71.9%）。