Видео-набор данных материно‑плодового ультразвука для сквозных внутритрудовых биометрических измерений и многозадачного обучения

Почему важно измерять ход родов

Во время родов врачам и акушеркам необходимо постоянно оценивать, как продвигается процесс и безопасны ли мать и ребёнок. В настоящее время эти решения во многом зависят от умения врача в реальном времени интерпретировать размытые ультразвуковые изображения. На это уходит много лет обучения, и результаты по‑прежнему могут быть медленными и субъективными. В статье представлен новый открытый набор коротких ультразвуковых видеозаписей, снятых во время родов и тщательно размеченных экспертами, чтобы помочь исследователям создать системы искусственного интеллекта, автоматически отслеживающие, как далеко опустилась головка плода. В долгосрочной перспективе такие инструменты могут способствовать более безопасным и последовательным решениям в родильных залах по всему миру.

Новое окно в ход родов в реальном времени

Авторы сосредотачиваются на особом виде сканирования — внутритрудовом ультразвуке, выполняемом непосредственно в процессе родов. Эти исследования недорогие, широко доступны и способны сократить число смертей в родах — периода, на который приходится почти половина всех материнских и неонатальных смертей. Профессиональные общества выпустили подробные руководства о том, какие виды следует фиксировать и какие измерения лучше всего отражают продвижение плода по родовым путям. Двумя из важнейших являются угол прогрессии и расстояние от симфиза до головки, которые вместе показывают, насколько далеко и насколько быстро движется головка плода. До сих пор однако не существовало большого публичного видеонабора, демонстрирующего эти виды во время родов и связывающего их с измерениями, важными для клиников.

От сырых видео к богато размеченным данным

Чтобы заполнить этот пробел, команда собрала ультразвуковые записи от 774 женщин в родах, у каждой из которых был один плод в головном предлежании на сроке до или после полного срока. Сканирования поступили из трёх крупных больниц и трёх разных аппаратов УЗИ, что делает данные более репрезентативными для реальной практики. Каждый короткий клип длится около двух секунд и состоит из десятков кадров, показывающих головку плода и лонную кость матери в боковой проекции. Исследователи привели все видео к единому размеру, удалили любую идентифицирующую информацию, например имена и даты, и стандартизировали изображения так, чтобы физический масштаб сохранялся между устройствами. Такая тщательная подготовка позволяет использовать коллекцию в качестве честной тестовой площадки для новых вычислительных методов.

Как эксперты обучили компьютер тому, что нужно видеть

Создание полезных обучающих данных требовало большего, чем просто сохранение видеопотоков. Опытные специалисты по УЗИ просматривали клипы покадрово. Для выбранных кадров они выделяли контуры головки плода и лонной кости матери, создавая цветные маски, которые показывают расположение каждой структуры. Они также отмечали ключевые ориентиры вдоль этих контуров — четыре особые точки, с помощью которых можно восстановить угол прогрессии и расстояние от симфиза до головки. Кроме того, они помечали целые видео в соответствии с несколькими клиническими вопросами «да/нет», превращая каждый клип в компактное резюме того, к каким выводам должна приходить автоматическая система. Авторы организовали всю эту информацию в понятные папки, таблицы и координатные файлы, чтобы другие могли легко интегрировать её в собственные алгоритмы.

Проверка доверия к человеческим меткам

Поскольку компьютерные модели могут быть надежны не больше, чем примеры, на которых они обучаются, команда уделила значительное внимание проверке того, насколько последовательно разные эксперты размечали одни и те же видео. Трое аннотаторов из участвующих больниц независимо просмотрели общую выборку из 150 видео. Исследователи затем сравнили работу каждого с объединённым «консенсусным» стандартом. Для общих решений — например, показывал ли кадр нужный вид — согласованность была очень высокой. Для обводки контура лонной кости тоже наблюдалась хорошая согласованность. Сегментация головки плода и получение точных угловых и дистанционных измерений оказались более сложными задачами, что отражает естественную трудность отслеживания слабых, затенённых контуров на шумных ультразвуковых изображениях. Тем не менее уровень согласия был достаточен для поддержки содержательной тренировки и тестирования новых методов.

Стартовый набор для более умного мониторинга родов

Чтобы помочь другим начать работу, авторы предоставляют простой пример компьютерной модели, которая сначала выделяет головку плода и лонную кость матери в каждом кадре, а затем использует эти формы для оценки ключевых измерений. Хотя эта базовая система далека от идеала, она демонстрирует, как набор данных может поддерживать «сквозные» подходы, идущие напрямую от сырых видео к клинически значимым числам. Авторы также обсуждают текущие ограничения, такие как трудности с особенно низкокачественными изображениями и то, что даже эксперты иногда расходятся во мнениях о точной границе головки. Предоставляя видео и метки бесплатно, они приглашают широкое исследовательское сообщество решать эти задачи с конечной целью — создания более объективных и доступных инструментов для принятия решений в родах.

Цитирование: Niu, M., Bai, J., Gao, Y. et al. Maternal-Fetal Ultrasouno Video Dataset for End-to-end Intrapartum Biometry and Multi-task Learning. Sci Data 13, 327 (2026). https://doi.org/10.1038/s41597-026-06900-5

Ключевые слова: внутритрудовой ультразвук, мониторинг родов, нисхождение головки плода, ИИ в медицинской визуализации, клинический видеонабор данных