肺结节3D网络不再退化成全背景：双向特征交互让轻量模型从0.2302收敛到0.5233
核心概要
轻量纯3D肺结节检测与分割网络Light3D-NoduleNet把检测与分割两条分支用双向特征交互连成闭环，在LIDC-IDRI验证集上取得Dice 0.5233、中位HD95 6.00 mm，参数量5.24 M、178.3 G FLOPs。消融中缺少该交互的三个变体训练100轮后都停在Dice 0.2302，而完整模型在主训练阶段达到0.4240，再经三阶段渐进微调升到0.5233。在15 W的Jetson Orin NX上实测3.0 FPS、435 MB显存。
深度剖析
肺结节的检测与分割被放进同一个纯3D轻量网络，检测分支输出的中心热图直接约束分割分支该看哪里，两个任务不再各自独立推理。 此前的联合框架多只共享骨干特征，任务头之间不交换显式信息，检测与分割需要分开的模型和推理流程。 在LIDC-IDRI验证集上，该网络以5.24 M参数、178.3 G FLOPs取得Dice 0.5233，中位HD95为6.00 mm；同一套训练与预处理下复现的3D U-Net为0.3688、V-Net为0.4532。
网络把标准3×3×3卷积拆成面内1×3×3与层间3×1×1两条分支，再按通道数自动调整通道注意力的卷积核大小。 CT的面内像素间距约0.5–0.8 mm，层间距约1.0–2.5 mm，各向同性的立方核对层间方向做了冗余计算。 这种非对称深度可分离卷积把卷积核参数削减约56%；通道注意力核大小随通道数从3增至5，在通道数128的第三层发生切换。
消融显示双向特征交互是轻量3D网络摆脱全背景平凡解的条件，而不是精度上的小幅增益。 缺少该交互的基线、加非对称卷积、再加通道注意力三个变体，在相同配置下各训练100轮，Dice始终不超过0.2302。 完整模型在同一主训练配置下于第70轮达到0.4240，三阶段渐进微调后为0.5233；参数量对齐的对照模型Baseline-Wide为5.123 M、无双向交互，100轮后停在0.2749。
启示与展望
结果来自LIDC-IDRI验证集的分割评估与LUNA16验证集117例CT的端到端检测评估，模型输入为64×64×64体素块，边缘实测在15 W的Jetson Orin NX 8 GB上进行。
作者说明双向交互带来收敛的解释仍是基于消融现象与结构设计意图的推测，未做信息论层面的定量分析，梯度流与各任务损失在训练早期的演化尚待验证。检测分支定位为辅助任务，LUNA16端到端CPM为0.3524，加入紧凑假阳性抑制模块后加权融合升至0.3774；小于6 mm的结节在验证集中仅3例，该组趋势的代表性有限。