서브스페이스 기반 의미론적 및 위상 불변 등록을 통한 주석이 없는 초음파 이미지 평면 품질 관리

Subspace-Guided Semantic and Topological Invariant Registration for Annotation-Free Ultrasound Plane Quality Control

초음파 이미지는 실시간 촬영 지침과 사후 임상 감사 모두에 있어 신뢰할 수 있는 품질 관리가 필수적이지만, 기존 방법은 대부분 각 평면에 대한 주석에 의존하거나, 임상 환경에서 발생하는 공간 변형으로 인해 체계적인 편향이 발생하기 쉬운 가짜 레이블을 사용합니다. 본 논문에서는 STRIQ라는 등록 기반 프레임워크를 제안하며, 이는 주석이 없는 초음파 이미지 평면 품질 관리를 서브스페이스 기반 일관성 측정 문제로 재구성합니다. 구체적으로, STRIQ는 잠재적 등록 정렬기(LRA)를 도입하여 쿼리 이미지와 분산 기반의 기준점 간의 계층적 특징 공간 대응 관계를 설정합니다. 이러한 기준점은 레이블이 없는 데이터로부터 자율적으로 추출되며, 분산 스펙트럼 기준을 사용하여 구조적으로 안정적인 프로토타입으로 사용됩니다. 또한, 해부학적 평면을 더욱 명확하게 구분하고 부정적인 지식 전달을 완화하기 위해 직교 지식 서브스페이스(OKS) 모듈을 제안합니다. OKS는 평면별 표현을 서로 직교하는 서브스페이스로 분해하여 미세한 수준의 전문 협업을 가능하게 하고, 평면 간 간섭을 방지하며, 품질 측정 기준이 원칙적인 서브스페이스 근접성에 기반하도록 합니다. 자체적으로 개발된 US4QA 데이터셋과 공개 CAMUS 데이터셋에 대한 광범위한 실험 결과, STRIQ는 임상 품질 점수와의 최고 수준의 상관관계를 달성했으며, 주석 없이 실시간으로 신뢰할 수 있는 초음파 품질 관리를 위한 새로운 패러다임을 제시합니다. 저희 코드 및 관련 자료는 다음 링크에서 확인할 수 있습니다: https://github.com/zhcz328/STRIQ.

Reliable quality control (QC) of ultrasound images is essential for both real-time acquisition guidance and retrospective clinical audit, yet existing approaches rely heavily on per-plane annotations, or employ pseudo-labeling prone to systematic bias under spatial deformations inherent in clinical acquisition. We present STRIQ, a registration-driven framework that recasts annotation-free US plane quality control as a subspace-guided consistency measurement problem. Specifically, STRIQ introduces a Latent Registration Aligner (LRA) to establish hierarchical feature space correspondences between query images and variance-driven anchors, which are autonomously distilled from unlabeled data via a variance spectrum criterion to serve as structurally stable prototypes. To further disambiguate anatomical planes and mitigate negative knowledge transfer, we propose an Orthogonal Knowledge Subspace (OKS) module. The OKS decomposes plane-specific representations into mutually orthogonal subspaces, enabling fine-grained expert collaboration while preventing inter-plane interference, ensuring that the quality metric is grounded in principled subspace proximity. Extensive experiments on the in-house US4QA and public CAMUS datasets demonstrate that STRIQ achieves state-of-the-art correlation with clinical quality scores, establishing a new paradigm for annotation-free, real-time reliable ultrasound quality control. Our code is available at https://github.com/zhcz328/STRIQ.