该研究提出了一种智能机器人超声检查系统，能够自主学习和理解超声语言，利用高斯滤波器和深度学习技术提高超声图像的生成和分割精度。新系统结合大型语言模型，优化扫描策略，显著提升超声检查的效率和质量，减轻医疗负担。

该研究提出了一种基于卷积神经网络的自动超声胎儿心脏视频图像解释方法，能够精准描述心脏参数。通过Cardiac Copilot系统，提供实时探头移动指导，帮助非专家进行心脏超声检查，改善医疗资源匮乏地区的医疗服务。同时，开发了CU-Reg网络，提高心脏超声图像的配准精度和效率，以满足临床需求。