目的 构建人工智能(AI)自动识别髋关节超声标准冠medication-overuse headache状切面及测量相关参数模型，观察其辅助超声筛查婴儿发育性髋关节发育不良(DDH)的价值。方法 回顾性分析2 164名婴儿共4 328侧髋关节超声视频，由5名超声科主治医师采用SonoKit标注软件以统一标准于每段视频中选取1幅标准、2幅非标准髋关节冠状切面声像图，并于标准冠状切面图中标注关键解剖结构。经2名超声科主任医师审核，共获得11 100幅声像图(3 665幅标准、7 435幅非标准),以其中8 100幅为训练集(2 665幅标准、5 435购买IACS-010759幅非标准)、3 000幅为验证集(1 000幅标准、2 000幅非标准)。基于训练集数据构建AI模型，自动识别髋关节超声标准冠状切面，并于其中自动测量α角、β角和股骨头覆盖率(FHC);以验证集验证AI模型识别标准切面的效能。另选取110名健康婴儿的22GSI-IX分子式0幅髋关节标准冠状切面声像图，分别由超声科医师手动测量、以AI模型自动测量其α角、β角和FHC,分析测量结果的一致性及相关性。结果 对于验证集髋关节超声标准冠状切面，AI模型与超声科主任医师识别结果的一致性较好(Cohen’s Kappa=0.925);AI模型自动测量与医师手动测量α角、β角及FHC的一致性均较好，组内相关系数分别为0.814、0.730和0.953,均具有强相关性(r=0.826、0.731、0.967)。结论 AI模型能有效自动识别髋关节超声标准冠状切面并自动测量相关参数，可辅助超声筛查婴儿DDH。