医学影像AI辅助诊断：低标注病灶分割验证

在《医学影像AI辅助诊断系统》方向，我们近期围绕“低标注条件下的病灶分割”做了阶段性验证。实际项目中，像素级标注成本高、不同医院扫描参数差异大，直接训练容易过拟合。实验采用“少量精标+大量弱标”策略：先以精标数据训练基线模型，再用不确定性估计筛选弱标切片生成伪标签，由影像科医师对高风险病例复核后回灌训练。

要点：

• 进展：在三个中心、约1.2万例胸部CT切片上，肺结节与磨玻璃影分割Dice由0.71提升至0.78，假阳性率下降约12%，模型对层厚与重建核差异的敏感度有所降低。
• 下一步：将引入外部中心前瞻性验证，并建立数据漂移监测，重点观察跨设备泛化与医师修正率，而非只看离线指标。