迈向客观的产科超声评估：用于胎动检测的对比表征学习

基于摘要分析。该研究针对长时程胎儿超声视频中的胎动（FM）检测，提出自监督框架 Contrastive Ultrasound Video Representation Learning（CURL），通过空间与时间对比学习获取运动表征，目标是支持更客观的产前胎动评估；主要研究对象是产科超声，而非 EEG 或 BCI。 方法上，CURL 使用同时包含空间和时间对比学习的双重对比损失，并引入任务特定采样策略，以在自监督训练中有效区分运动与非运动片段。摘要还提出通过概率式微调支持任意长度超声记录的推理，但未展开损失的具体形式、样本构造方式、微调所需监督及长视频预测的整合机制，这些细节尚未验证。 作者报告，在包含 92 名被试、每名被试进行 30 分钟超声检查的内部数据集上，CURL 的敏感度为 78.01%，AUROC 为 81.60%。摘要未说明训练与测试划分、是否采用被试独立评估、胎动标注流程、判定阈值及对照基线，因此这些数值只能视为该内部数据集所报告协议下的结果，不能据此判断跨被试泛化或临床部署效果。实验协议、消融及统计信息尚未验证。 材料支持的贡献是将自监督时空对比表征学习用于胎动视频分析，而不是已验证的 BCI 算法创新。摘要未提供与神经信号建模的具体对应关系，不据此推导 EEG 迁移效果或复现实验方案；作者所述产前监测潜力也不等同于已完成临床有效性验证。