医学影像AI辅助诊断：小样本病灶检测的迁移实验

在《医学影像AI辅助诊断系统》实验室的近期实验中，我们把重点放在一个务实问题上：当目标病种的标注病例只有数百例时，模型能否借助其他部位的影像数据完成可用的迁移。

实验方法上，先在公开胸部CT数据上预训练一个病灶分割主干，再用目标病种的小样本集做分层微调，冻结浅层特征、只更新解码器与分类头。为抑制过拟合，引入轻量数据增强与类别重加权，并在验证集上以敏感度和假阳性率双指标评估，而非只看准确率。

阶段性进展：

• 在约300例标注的目标病种数据上，模型对关键病灶的敏感度较从零训练提升约11个百分点，单张影像推理耗时控制在1秒级，满足阅片室的初步辅助需求。
• 下一步计划加入放射科医生的二次标注反馈，构建小规模迭代闭环，并观察模型在跨设备、跨院区数据上的表现衰减程度。

我们并不认为小样本迁移可以替代大样本训练，但在病例积累缓慢的专科场景，它提供了一条可验证的过渡路径。