AI肺结节随访配准：跨时间点病灶匹配与生长判定

在医学影像AI辅助诊断系统的实验记录中，我们把重点放在一个常被忽略的前置环节：同一患者多次CT之间如何对齐。肺结节随访的核心问题不是单次检出，而是判断同一病灶在两次检查间的体积变化是否超过测量噪声。直接比较两次分割体积，常因扫描参数、呼吸时相与重建核差异，产生两成以上的假性增长。

当前做法是以血管、气管、胸膜为解剖锚点，先做刚性配准再做形变配准，将随访CT映射到基线坐标系；随后在配准场约束下重新分割，输出体积、平均直径、体积倍增时间及其置信区间，而不是只给一个变化百分比。

· 进展：在内部回顾性配对数据（约300组扫描）上，配准后同一结节的体积重复测量变异系数由约11%降至5%以内；对直径6–8mm结节，良恶性判别AUC提升约0.06。
· 下一步：引入扫描与重建参数元数据做分层校准，并针对贴胸膜、贴血管结节补充专用锚点策略；报告侧只呈现变化量与不确定性区间，避免把测量噪声当作“进展”输出给临床。