2. 医学影像AI产品形态与验证对象

在医学影像AI性能验证中，最先要回答的问题不是“模型准不准”，而是“这个模型到底输出什么、我们拿什么去和参考标准比对”。同一个病灶，在分类任务里是一个概率标签，在检测任务里是一个带置信度的边界框，在分割任务里是一组像素掩膜，在配准任务里是一个空间变换矩阵，在重建任务里则是一幅恢复后的图像。验证对象不同，参考标准的构建方式、评价指标、容差设定和统计方法都会随之改变。因此，产品形态识别是验证方案设计的第一步。

一、五类任务形态及其验证对象

分类任务的输出是离散类别或连续概率，例如“肺结节恶性概率=0.83”。其验证对象是“病例级或图像级的标签对”，参考标准通常来自病理、随访或专家共识。验证时关注的是判别能力与校准度：AUC、敏感度/特异度、以及校准曲线。需要注意，分类模型常以整幅图像或整个病例为输入，验证集划分必须避免同一患者的多张图像跨集泄漏。

检测任务输出一组边界框，每个框含坐标、类别和置信度。验证对象是“框与框的匹配关系”。判定一个检测结果是否正确，需要先定义匹配规则：通常以IoU（交并比）阈值衡量，例如IoU≥0.5视为命中。随后统计TP、FP、FN，计算召回率、精确率与FROC曲线。检测验证中最容易被忽视的是“每例假阳性数”这一指标，因为临床阅片对假阳性的容忍度远低于普通视觉任务。

分割任务输出与输入同尺寸的掩膜或概率图。验证对象是“像素级区域重叠”。常用指标为Dice相似系数、IoU、HD95（95%豪斯多夫距离）和ASSD（平均表面距离）。Dice对区域大小敏感，HD95对边界偏移敏感，二者应联合使用。对于小目标（如微小结节、视网膜微血管瘤），Dice容易因分母过小而剧烈波动，此时应补充绝对体积误差或检出率指标。

配准任务输出空间变换，如刚性变换矩阵或形变场。验证对象是“变换后的空间对应关系”。评价方式包括：标志点距离误差（TRE）、目标配准误差（TRE）、以及形变场的雅可比行列式（判断是否出现折叠）。配准验证的关键在于参考点的选取——解剖标志点、专家勾画的对应结构或物理体模标记点，其可靠性直接决定验证结论的可信度。

重建任务输出恢复后的图像，如低剂量CT去噪、MRI加速重建、超声图像增强。验证对象是“图像质量本身”。这类任务的验证最复杂，因为“好图像”没有唯一标准。实践中通常采用三类证据：与全采样/高剂量参考图像的像素误差（PSNR、SSIM）、下游任务性能（如重建后图像用于分割的Dice是否下降）、以及放射科医师的主观评分（Likert量表）。三者缺一不可。

二、不同模态对验证对象的特殊要求

CT的像素值具有物理意义（HU），因此验证对象必须保证HU一致性。若训练集用B30f重建核、验证集混入B60f，分割边界和检测框都会偏移。验证方案中应固定层厚（如1.0mm）、重建核和管电压，并单独标注金属伪影区域，避免将其计入正常性能统计。

MR的强度值没有绝对物理单位，且受偏场、序列参数影响大。验证对象应优先选择结构边界而非绝对灰度。多序列（T1/T2/DWI）输入时，必须验证序列间配准精度，否则分割掩膜会在序列间错位。此外，MR层间运动伪影常见，验证集应包含运动伪影病例以评估鲁棒性。

X线是二维投影，结构重叠严重。验证对象需明确左右标记和投照体位（正位/侧位/斜位）。窗宽窗位处理会改变对比度，验证时应固定显示参数或同时评估原始数据与显示后数据。曝光差异大的设备间数据，需做灰度归一化后再比对。

超声的验证对象高度依赖操作者。同一病灶不同切面、不同探头压力下图像差异显著。验证方案应规定标准切面（如甲状腺横切、乳腺纵切），并记录操作者信息。斑点噪声和动态范围压缩使像素级指标不稳定，建议以检出率和医师主观评分为主、Dice为辅。

病理的全切片图像（WSI）分辨率可达10万×10万像素，无法直接整图输入。验证对象通常是“感兴趣区域（ROI）级”或“切片级”标签。染色差异（H&E批次、扫描仪色偏）是最大干扰源，验证前应做颜色归一化，并在多中心数据上分别报告性能，避免单一中心过拟合。