arXiv 2026年9月25日该工作提出假设驱动的测试时自适应框架 HD-TTA：在冻结 nnU-Net v2 主干、仅优化测试样本 logits 的前提下，先用 Gatekeeper 判断样本是否需要修正，再并行生成「压缩去噪」与「膨胀恢复」两个几何假设，并用基于纹理一致性的表示引导选择器挑选最安全结果；在 BraTS 2023 GLI 上训练、在儿科 PED 与脑膜瘤 MEN 两个未见目标域上以固定超参数评估，HD-TTA 在保持 Dice 相当的同时改善了安全性指标，在 MEN 上相对最强基线 TCA 将 HD95 从 70.96 mm 降至 64.55 mm（约 6.4 mm），精度从 15.36% 提升至 19.64%。该工作提出假设驱动的测试时自适应框架 HD-TTA：在冻结 nnU-Net v2 主干、仅优化测试样本 logits 的前提下，先用 Gatekeeper 判断样本是否需要修正，再并行生成「压缩去噪」与「膨胀恢复」两个几何假设，并用基于纹理一致性的表示引导选择器挑选最安全结果；在 BraTS 2023 GLI 上训练、在儿科 PED 与脑膜瘤 MEN 两个未见目标域上以固定超参数评估，HD-TTA 在保持 Dice 相当的同时改善了安全性指标，在 MEN 上相对最强基线 TCA 将 HD95 从 70.96 mm 降至 64.55 mm（约 6.4 mm），精度从 15.36% 提升至 19.64%。HD-TTA 用「压缩还是膨胀」的竞争假设选择，在跨域脑肿瘤分割中把 HD95 降低约 6.4 mm、精度提升超 4%该工作提出假设驱动的测试时自适应框架 HD-TTA：在冻结 nnU-Net v2 主干、仅优化测试样本 logits 的前提下，先用 Gatekeeper 判断样本是否需要修正，再并行生成「压缩去噪」与「膨胀恢复」两个几何假设，并用基于纹理一致性的表示引导选择器挑选最安全结果；在 BraTS 2023 GLI 上训练、在儿科 PED 与脑膜瘤 MEN 两个未见目标域上以固定超参数评估，HD-TTA 在保持 Dice 相当的同时改善了安全性指标，在 MEN 上相对最强基线 TCA 将 HD95 从 70.96 mm 降至 64.55 mm（约 6.4 mm），精度从 15.36% 提升至 19.64%。该工作提出假设驱动的测试时自适应框架 HD-TTA：在冻结 nnU-Net v2 主干、仅优化测试样本 logits 的前提下，先用 Gatekeeper 判断样本是否需要修正，再并行生成「压缩去噪」与「膨胀恢复」两个几何假设，并用基于纹理一致性的表示引导选择器挑选最安全结果；在 BraTS 2023 GLI 上训练、在儿科 PED 与脑膜瘤 MEN 两个未见目标域上以固定超参数评估，HD-TTA 在保持 Dice 相当的同时改善了安全性指标，在 MEN 上相对最强基线 TCA 将 HD95 从 70.96 mm 降至 64.55 mm（约 6.4 mm），精度从 15.36% 提升至 19.64%。