产程超声测角偶尔偏几十度：把最可疑的5%帧转人工，20度以上大错从1.2%降到0.2%
核心概要
产程超声中自动测量进展角（AoP，耻骨联合长轴与胎儿颅骨切线之间的夹角）平均误差只有几度，但少数帧会无声地错上几十度。在IUGC2025公开基准的501个测试文件上，六个关键点检测器组成集成，用检测器之间的分歧给每帧排序，把最可疑的5%转人工复核后，20度以上大错在保留帧中的比例从1.2%降到0.2%，六例中抓住五例。漏掉的那一例是六个检测器一致低估、彼此分歧很小的情况；按角度算分歧与按关键点坐标算分歧在主要终点上未检出差异，验证集定出的阈值在测试集上也没有守住预定的复核比例。
深度剖析
自动进展角测量现在可以给每一帧附一个不需要人工标注的可靠性分数，据此把最可疑的一小部分帧转人工复核，而不是全部接受或全部重测。 此前这类自动测量的平均误差只有几度，但误差分布有长尾，少数测量错上几十度，输出里没有任何标记提示哪一帧不可信。 在IUGC2025测试集501个文件上，部署的六检测器中位预测平均误差为4.615度，误差超过20度的有6个文件（1.2%），超过10度的有47个（9.4%）。
按分歧排序后转出5%的帧，20度以上大错在保留帧中的比例降到0.2%，与随机转出的1.2%形成对照。 随机转出同样比例的帧时，20度以上大错的残留率按解析期望仍为1.2%。 5%预算即25帧，按角度分歧或坐标分歧都抓住六例中的五例，按热图置信度和集成平均热图峰值各抓住四例，单模型输入一致性抓住三例；转出的25帧中有20帧按此定义并不算失败。
可靠性分数由六个热图式关键点检测器的预测直接算出，不需要参考标注。 候选分数衡量的是不同的东西：检测器之间的分歧、单个检测器在输入扰动下的一致性、热图峰值，以及集成平均热图的峰值。 检测器池为三个HRNet-W48和三个ConvNeXt-V2，部署预测取六个关键点坐标的逐坐标中位数再算角度；在ISBI 2015头影测量留出的Test2划分上，三检测器集成按分歧转出10%图像，保留的平均径向误差降低0.281毫米（95%置信区间0.135到0.460）。
启示与展望
结果限于IUGC2025测试集的帧级分析：501个文件、493张不同图像，文件名前缀分两组且没有患者映射，因此不能作患者层面的陈述。失败阈值10、15、20度是研究用定义，未经分娩结局验证。头影测量复现使用ISBI 2015的Test2划分，该任务没有可比的大错长尾。适用读者是做医学图像质控和选择性预测的研究者与工程师。
20度以上的尾部只含6例，该阈值上的计数很脆弱。三个20度以上失败仅超出阈值不到2.5度，而字节相同的重复图像标注差异可达5.3度，哪些帧算大错取决于参考标注。验证划分与自训练所用的无标注数据存在重叠，可能使一个检测器的验证集选择偏乐观。按角度分歧在名义5%时实际标记了11.2%的测试帧，重采样100个校准帧本身即可产生3.8%到14.6%的范围。参考角大于140度的12帧中只有3帧在5%预算下被转出，这一事后分析需在独立数据中确认。