3–6毫米肺结节分割不再只靠一个教师模型：四模型集成在外部LNDb上把Dice提高0.01118
核心概要
在只有10%的CT扫描带体素级标注的条件下，一个由四个独立训练模型组成的异质集成被用于3–<6毫米肺结节的候选中心分割。与单个增强Mean Teacher相比，该集成在内部留出集上把Dice提高0.01488，在未做微调的外部LNDb上提高0.01118，两个置信区间都不含零，三个训练种子的效应方向一致。增益伴随召回上升、精确率下降，且未证明异质训练目标本身优于同质四模型集成。
深度剖析
小肺结节的候选中心分割可以在标注很少时获得稳定的Dice提升：把四个独立训练的模型按概率加权组合，比只用一个增强Mean Teacher分割得更准。 此前的做法是依赖单个增强Mean Teacher，而单个模型难以同时处理小结节的前景漏检与边界外扩这两类方向相反的误差。 内部留出集上Dice从0.76428升到0.77915，配对差0.01488，CT聚类95%置信区间0.00665–0.02347，Holm校正后P=0.00110；外部LNDb上从0.52586升到0.53705，差0.01118，区间0.00314–0.01892，Holm校正后P=0.00673。
组合方式是把四个模型的输出概率做加权平均，再按一个固定阈值二值化，权重和阈值都在开发选择集上拟合后冻结。 四个成员共享三维残差U-Net主干但各自从随机初始化独立训练，其中三个成员分别带有偏向召回的Tversky损失、偏向精确率的Tversky损失，以及在此基础上加入基线锚定项的变体。 冻结的权重为0.226690、0.308426、0.430849、0.034035，二值化阈值为0.567185，拟合只用了开发选择集中69个3–<6毫米结节；内部测试集为51次CT、62个结节，外部LNDb为176次CT、436个结节，外部测试未做微调或重校准。
启示与展望
结果限定在候选中心的三维分割任务上，输入是以结节中心提取的48×48×48体素块，不包含候选检测或全CT推理。标注预算固定为350次开发训练CT中的35次提供体素级轮廓，内部测试集为51次CT、62个3–<6毫米结节，外部测试为LNDb的176次CT、436个结节，且外部未做微调、重校准或阈值重选。作者提出下一步应前瞻性锁定异质集成与最强的同质集成，重复标注子集选择，并在新的独立队列中评估。
作者明确指出，这些结果不能证明总体Dice提升超过0.01，也不能证明异质训练目标在通用深度集成效应之外带来独立收益。同质四模型对照的结果随队列变化：四个增强Mean Teacher在内部提升而在外部下降，探索性的等权四标准Mean Teacher外部Dice最高。增益来自向召回偏移的操作点，精确率以及部分表面距离和体积误差指标相应变差。公开标识符无法确认是否有受试者贡献了多次CT，最高可核查的聚类单元是CT扫描而非患者。