在医学影像AI辅助诊断系统的实验环节，我们把注意力从"单次阅片"转向"同一患者跨期随访"。临床上肺结节的良恶性判断，很大程度上依赖体积倍增时间与实性成分变化，而这两项指标对扫描参数、呼吸相位与重建层厚高度敏感。若直接把两次CT的测量值相减，误差常与真实变化处于同一量级。
近期工作集中在跨期配准与变化量化：以血管分叉、叶间裂等解剖标志为锚点，先做刚性配准再加形变场，把随访片对齐到基线坐标系；随后在配准后的容积上分割，输出体积、实性占比与倍增时间，并附带置信区间而非单一数值。
【进展】在内部回顾的180例、层厚1.0mm与1.25mm混合的随访数据上，配准后体积测量的重复性较直接测量改善约30%（以两次扫描间的变异系数衡量）；但贴近胸膜的病灶偏差仍明显，暂不纳入自动提示范围。
【下一步】引入呼吸相位分层建模，减少吸气深度差异带来的形变伪影；同时把"测量不确定度"作为独立字段随结构化报告输出，便于医生判断结节变化是否已超过噪声水平，再决定缩短随访间隔或建议进一步检查。
评论