현장 진료 초음파(POCUS)는 민간과 군사 외상에서 내부 손상의 진단적 분류를 위해 흔히 사용됩니다. 대량 사상자 상황이나 전장과 같은 자원이 제한된 환경에서 POCUS는 의료 제공자들이 외상으로 인한 자유 유체나 출혈 여부를 신속하고 비침습적으로 평가할 수 있게 합니다. POCUS 진단의 주요 단점은 초음파 스캔을 획득하고 해석하는 데 필요한 기술적인 문턱입니다. 이를 위해, AI는 의료 영상 해석 시 치료사를 도울 수 있는 효과적인 도구로 입증되었습니다. 여기에서는 두 주요 복부 스캔 부위에서 출혈 감지를 위한 AI 모델의 실시간 진단 정확성을 향상시키기 위한 고급 AI 훈련 방법론에 중점을 둡니다. 이 연구에서는 기존에 존재하는 모델 구조의 백본을 사용하여 다채널 입력을 처리하고, 골반 및 오른쪽 상복부 영역에서 자유 유체를 감지하기 위해 프레임 풀링 방법을 탐구하는 이진 분류 모델을 훈련하기 위해 60,000개 이상의 돼지 초음파 이미지의 회고적 데이터셋을 사용했습니다. 초기 분류 모델은 각각 0.59 및 0.70의 정확성 측정값을 달성했습니다. 이 새로운 훈련 기술을 구현한 후, 두 스캔 부위 모두에서 성능 정확도가 0.90을 초과했습니다. 이는 임상 데이터를 사용하여 유사한 결과를 달성하기 위한 추가 최적화를 장려하는 유의미한 진단적 개선을 보여주는 유망한 결과입니다. 또한, 이러한 결과는 인공지능 기반 진단이 대량 사상자 상황에서 의사 결정의 신속한 분류 혜택을 받을 수 있는 상황에서 인지적 부담을 덜어줄 수 있음을 보여줍니다.