2. 医学影像数据特性与标注困境
弱监督与半监督学习之所以在医学影像领域受到重视，根本原因不在算法本身，而在于医学影像数据的“供给结构”与自然图像完全不同。理解这一结构，是判断哪种弱监督策略可行的前提。本节从四个相互咬合的维度展开：多模态影像带来的异质性与配准需求、标注成本的真实构成、专家稀缺造成的产能瓶颈，以及标签噪声的具体来源。
一、多模态影像：同一病灶的多重物理表达
医学影像的“多模态”有两层含义。第一层是成像模态不同，例如CT反映X射线衰减系数、MRI反映氢质子密度与弛豫时间、PET反映代谢活性、超声反映声阻抗界面。第二层是同一模态内的序列差异，例如MRI的T1、T2、T2-FLAIR、DWI、ADC，它们对水肿、出血、坏死、细胞密度各有侧重。以脑胶质瘤为例，T1增强序列显示血脑屏障破坏范围，T2-FLAIR显示水肿浸润区，DWI/ADC提示细胞密度，三者勾画的“肿瘤边界”并不一致——这直接决定了标注任务本身存在定义歧义。
多模态还带来工程约束：不同模态的空间分辨率、层厚、体素间距、方向编码往往不同。CT常见层厚1.0～5.0 mm，MRI可能为1.0 mm各向同性，PET常为3～5 mm且需与CT配准。要让多模态数据进入同一网络，通常需要重采样到统一体素间距（如1.0×1.0×1.0 mm³）、方向对齐（RAS或LPS约定）、强度归一化（CT用窗宽窗位截断，MRI常用Z-score或百分位裁剪）。这些预处理步骤本身就会引入插值误差，而误差在不同模态间不一致，成为后续标签噪声的隐性来源。
二、标注成本：不只是“画几笔”
医学影像标注的成本远高于自然图像。以三维CT病灶分割为例，一位有经验的放射科医师完成一例肺部结节精细勾画约需15～40分钟；若为脑肿瘤多区域（增强区、水肿区、坏死区）分割，单例可达1.5～3小时。若采用多医师交叉复核，成本再翻倍。按国内三甲医院医师时薪折算，单例精细分割的隐性成本常在数百元量级，而一个可训练的分割模型通常需要数百至数千例标注。这意味着纯全监督路线在多数科室不具备可持续性。
成本还体现在“标注粒度”上。图像级分类标签（如“有无出血”）可能只需数秒；弱标注如中心点、涂鸦、边界框，约1～5分钟；而像素级分割则需数十分钟。弱监督的核心经济逻辑，正是用低粒度标签换取标注吞吐量，再用算法补回粒度损失。
三、专家稀缺：产能瓶颈的量化
标注质量高度依赖专家，而专家时间是不可扩展资源。一名放射科医师日均阅片量已接近饱和，额外承担科研标注会挤占临床工作。更关键的是，某些任务只有亚专科医师才能胜任，例如脑肿瘤MRI多区域勾画需神经影像方向医师，PET代谢体积勾画需核医学医师。这导致标注产能呈现“窄口”特征：数据可以批量采集，但标注只能线性增长。
应对这一瓶颈的常见做法包括：由低年资医师初标、高年资医师抽检修正；用主动学习挑选“信息量最大”的样本优先标注；以及用半监督学习让未标注数据参与训练，降低对标注量的边际依赖。三者并不互斥，实际项目中常组合使用。
四、标签噪声：来源与识别
标签噪声并非单一现象，按来源可分为六类，其处理策略差异显著：
- 边界定义歧义：肿瘤浸润区与水肿区在T2-FLAIR上渐变过渡，不同医师勾画边界可相差数毫米。此类噪声适合用软标签或边界不确定性建模，而非硬性像素级交叉熵。
- 观察者间差异：同一病例多位医师标注的Dice系数常在0.75～0.90之间，说明“金标准”本身是分布而非单点。可用多标注者一致性作为置信度权重。
- 配准与插值误差：PET与CT配准偏差2～3 mm即可导致代谢灶与解剖灶错位，若直接融合标注会系统性偏移。
- 报告-图像不一致：放射报告常写“右肺上叶结节”，但未给出精确坐标；若用报告文本作弱标签，需先做病灶定位对齐，否则标签与图像区域错配。
- 类别不平衡漏标：小病灶、罕见征象易被忽略，形成假阴性标签。此类噪声在训练中会被当作负样本，危害较大。
- 标注者疲劳与漂移：连续标注数小时后，边界精度下降、类别判断趋于保守，噪声随标注顺序累积。