在糖网筛查场景里，图像质量与分级精度同样关键。本期实验采用“先判可读、再判分级”的两段式流程：前端以轻量分类器做质量门控，识别运动模糊、曝光不足、睫毛遮挡等不可读样本并直接退回重拍；通过门控的图像再进入五级分级网络，并按临床转诊需求把输出映射为“需转诊 / 暂不转诊”的二分类阈值。
在回顾性眼底数据上，质量门控使不可读样本的误入率明显下降，转诊判定在固定特异度下保留了可用灵敏度；校准结果显示，阈值设定对转诊率的影响比模型容量更直接。
下一步计划：一是引入多中心前瞻数据，检验同一阈值在不同机型与人群上的稳定性；二是搭建人工复核仲裁流程，将低置信度样本自动上浮给医师，并把复核结论回流为再训练样本。
评论