3. 误差分类框架
在医学影像AI的误差分析中，如果只笼统地说“模型不准”，复盘就无法落地。真正有用的做法，是先把误差拆成可观察、可归因、可分别统计的类别。本节给出一个六类误差分类框架：假阳性（FP）、假阴性（FN）、定位偏差、分割边界误差、分类置信度误差、系统性偏差。前两类回答“有没有找错”，中间两类回答“位置和轮廓准不准”，第五类回答“模型有多确信”，第六类回答“错误是否成规律地反复出现”。
需要先明确一个参照约定：本课程中，金标准（Ground Truth）由影像科医师标注或病理结果确认，模型输出与金标准比对。凡模型报出而金标准没有的，计为假阳性；凡金标准有而模型未报出的，计为假阴性。这个定义在全文和图示中保持一致，后续章节不再重复说明。
一、检出层误差：假阳性与假阴性
假阳性与假阴性是最基础、也最容易被临床直接感知的两类误差。以肺结节检测为例，假设某次阅片共 12 个真实结节，模型报出 15 个候选，其中 10 个与金标准匹配，则 TP=10、FP=5、FN=2。此时召回率 Recall=10/12≈83.3%，精确率 Precision=10/15≈66.7%。这两个数字必须成对看：只提高召回率，往往靠放宽阈值，会把 FP 推高；只追求精确率，又会漏掉更多结节。
假阳性的常见来源包括：血管断面、胸膜增厚、瘢痕、骨岛被误判为结节；假阴性的常见来源包括：磨玻璃结节对比度低、结节紧贴血管或胸膜、直径小于模型有效感受野。复盘时应把每一个 FP/FN 单独截图，标注其解剖位置和影像特征，而不是只统计总数。因为“5 个假阳性”本身不指向任何改进动作，而“5 个假阳性中有 3 个来自血管断面”才指向后处理或训练样本的调整方向。
二、位置层误差：定位偏差
定位偏差指模型检出了目标，但给出的位置与金标准中心存在偏移。常用度量是中心点欧氏距离：设模型框中心为 (x₁,y₁)，金标准中心为 (x₂,y₂)，则偏差 d=√[(x₁−x₂)²+(y₁−y₂)²]。在像素间距为 0.7 mm 的 CT 上，若 d=4 像素，则实际偏差约 2.8 mm。临床上通常以“是否仍落在同一解剖亚段”作为可接受判据，而不是单纯看毫米数。
定位偏差的典型原因是锚框尺度不匹配、下采样导致的位置量化误差、以及多目标重叠时的框回归竞争。复盘时可把偏差向量画在影像上，观察是否朝某一方向系统性偏移——若所有框都向右下偏 2～3 像素，那更可能是标注坐标系或 padding 处理的问题，而非模型本身。
三、轮廓层误差：分割边界误差
分割任务中，即使区域大体正确，边界也可能不准。常用指标是 Dice 系数与边界豪斯多夫距离（HD95）。Dice=2|A∩B|/(|A|+|B|)，衡量重叠程度；HD95 衡量边界最远 95% 分位距离，对“边界毛刺”和“局部外溢”更敏感。举例：某病灶 Dice=0.91 看似很好，但 HD95=8.5 mm，说明在某一侧边界外溢明显，可能侵入了邻近的胸膜或血管，这种误差在 Dice 上被平均掉了，却可能影响放疗靶区勾画。
分割边界误差要区分三种形态：外溢（模型范围大于金标准）、欠分割（模型范围小于金标准）、边界抖动（相邻层面轮廓跳变）。三者对应的改进手段不同：外溢常与损失函数中边界权重不足有关，欠分割常与小目标样本不足有关，抖动则可能与层间不一致或后处理缺失有关。
四、置信度层误差：分类置信度误差
分类置信度误差关注的是“模型说自己有多确定”是否可信。一个模型把恶性判为 0.95，实际却错了，这比判为 0.55 更危险，因为它会误导医师放松复核。评估手段是可靠性图（Reliability Diagram）与期望校准误差 ECE：把预测置信度分箱，比较每箱的平均置信度与真实准确率。若置信度 0.9 的样本实际准确率只有 0.7，说明模型过度自信；反之则为欠自信。
置信度误差在临床上的直接后果是阈值选择失真。若模型普遍过度自信，那么“置信度>0.8 才采纳”的策略会放进大量错误；此时应先用温度缩放（Temperature Scaling）或 Platt 校准修正置信度，再重新确定阈值。复盘时要记录：错误样本的置信度分布，以及高置信度错误（如 >0.9 却判错）的占比。
五、跨样本层误差：系统性偏差
系统性偏差不是单个样本的随机错误，而是在某一子群体或某一条件下反复出现的规律性错误。例如：模型在男性患者上表现正常，但在女性患者上假阴性率明显升高；或在不同厂商、不同层厚、不同对比剂方案的数据上性能出现稳定落差。它往往源于训练数据分布不均衡、标注规范不一致或预处理管线差异。
识别系统性偏差的方法是分层统计：按性别、年龄、设备厂商、层厚、扫描协议等维度分别计算 FP、FN、Dice、ECE，观察是否存在稳定差异。若某一层的召回率比其他层低 15 个百分点以上，就应作为系统性偏差立案复盘，而不是当作随机波动。
六、六类误差的复盘顺序与判断依据
六类误差并非并列罗列，而是有先后逻辑。建议的复盘顺序是：先看系统性偏差，再拆 FP/FN，然后看定位与边界，最后校准置信度。原因是：如果存在系统性偏差，那么整体指标本身就不可信，先拆单样本会浪费精力；确认没有明显分层差异后，再统计 FP/FN 的解剖来源；接着对已检出的目标评估定位与轮廓；最后检查置信度是否可信，以决定阈值策略。
判断依据可以归纳为一张可填写的复盘记录表。以下为示例结构，字段可根据任务增减：
| 误差类别 | 关键指标 | 示例阈值/判据 | 复盘动作 |
|---|---|---|---|
| 假阳性 FP | FP 数、FP 解剖来源分布 | FP 率 > 20% 需立案 | 逐例截图，归类血管/胸膜/瘢痕 |
| 假阴性 FN | Recall、FN 影像特征 | Recall < 85% 需立案 | 检查小目标与低对比样本占比 |
| 定位偏差 | 中心距离 d（像素/mm） | d > 5 mm 需复核 | 画偏差向量，看是否方向一致 |
| 分割边界误差 | Dice、HD95 | Dice < 0.85 或 HD95 > 5 mm | 区分外溢/欠分割/抖动 |
| 置信度误差 | ECE、高置信度错误占比 | ECE > 0.05 需校准 | 温度缩放后重定阈值 |
| 系统性偏差 | 分层指标落差 | 某层 Recall 低 15 个百分点 | 补样本或调整预处理 |
最后强调：六类误差之间会相互转化。例如，定位偏差过大可能被判定为 FP+FN；分割外溢可能同时抬高 Dice 却恶化 HD95。因此复盘时不能只看单一指标，而应把六类误差放在同一张记录表里交叉核对，才能得到可执行的改进结论。