# 标签质量

该研究提出 HierEM 分层期望最大化框架，把每个站点观察到的前列腺病灶标注视为潜在“干净”病灶掩膜的有噪观测，在 E 步推断体素级潜在掩膜后验、在 M 步用该后验作软目标训练 CNN 并用 logistic-normal 分层先验估计站点与病例级敏感度、特异度，在三个站点数据上池化留出评估的每站点平均 DSC 为 29.50%–39.69%，留一站泛化为 27.91%–32.67%，相对对比方法取得统计显著提升（p < 0.039），并给出可解释的站点标注质量估计（特异度 β≈0.99 时敏感度 α 为 31.5%–47.3%）。

该研究提出 HierEM 分层期望最大化框架，把每个站点观察到的前列腺病灶标注视为潜在“干净”病灶掩膜的有噪观测，在 E 步推断体素级潜在掩膜后验、在 M 步用该后验作软目标训练 CNN 并用 logistic-normal 分层先验估计站点与病例级敏感度、特异度，在三个站点数据上池化留出评估的每站点平均 DSC 为 29.50%–39.69%，留一站泛化为 27.91%–32.67%，相对对比方法取得统计显著提升（p < 0.039），并给出可解释的站点标注质量估计（特异度 β≈0.99 时敏感度 α 为 31.5%–47.3%）。

该研究在WORD、AMOS、CT-1K和AbdomenAtlas四个腹部CT数据集上，用nnU-Net、MedSAM、TotalSegmentator及四个规模的STU-Net共七个模型生成伪标签，构造不同质量的标签版本，再以DynUNet在相同确定性训练设置下分别做域内训练和预训练加微调；结果显示域内性能与标签质量强正相关且呈非线性、数据量可部分补偿质量，而预训练后微调在绝大多数设置下显著优于无预训练基线，且预训练标签质量高低不再明显影响下游结果。

该研究在WORD、AMOS、CT-1K和AbdomenAtlas四个腹部CT数据集上，用nnU-Net、MedSAM、TotalSegmentator及四个规模的STU-Net共七个模型生成伪标签，构造不同质量的标签版本，再以DynUNet在相同确定性训练设置下分别做域内训练和预训练加微调；结果显示域内性能与标签质量强正相关且呈非线性、数据量可部分补偿质量，而预训练后微调在绝大多数设置下显著优于无预训练基线，且预训练标签质量高低不再明显影响下游结果。