甲状腺结节超声影像AI辅助识别实验进展

近期，医疗AI实验室围绕基层超声场景，开展了甲状腺结节AI辅助识别的阶段性实验。针对超声图像对比度低、结节边界模糊、良恶性特征交叉重叠等难点，团队构建了约3000例脱敏超声图像的实验数据集，采用“半自动标注+医生复核”流程控制标注质量，并在轻量级分割网络上叠加多尺度特征融合模块，以兼顾识别精度与基层设备的算力限制。
阶段性结果：①内部测试集上结节检出敏感度约92%，良恶性二分类AUC约0.87，单帧推理时间控制在200毫秒以内，可满足实时扫查中的辅助提示需求；②引入弹性形变与灰度扰动增强后，小于5毫米小结节的漏检率下降约15%。
下一步，实验室将扩大多中心数据验证范围，重点评估不同设备厂商图像风格差异对模型泛化性的影响，并探索与超声报告结构化模块的联动，使识别结果直接对接结构化描述与随访建议生成，减少医生二次录入负担。相关结论将在验证充分后另行发布。