在医学影像AI辅助诊断系统的近期实验中，我们把重点放在一个常被平均指标掩盖的问题上：同一套分割模型在A院验证集上Dice可达0.91，换到B院同型号设备、不同扫描协议的数据上则跌到0.78左右。差异并非来自病灶本身，而是重建核、层厚与窗宽窗位带来的灰度分布漂移。
目前的处理分两步：一是对输入做基于直方图与低频频谱的风格归一化，把跨院灰度分布对齐到同一参考域；二是在特征层加入轻量域判别器，抑制与设备相关的特征响应。标注端采用双医师独立勾画加第三方仲裁，对争议病例单独建池，避免把标注分歧计入模型误差。
阶段性结果是，跨院测试Dice由0.78回升至0.86，肺结节检出敏感度在维持每例约0.9个假阳性的前提下提升约4个百分点。下一步计划把该流程扩展到MRI多序列配准场景，并验证风格归一化是否会削弱弥散性病变的细微纹理。
评论