AI自主验证的实证进展：肺部三维分割的分层几何检查与可追溯证据

作者与文章属性

作者：瑜秀瞳芯；单位：内蒙古子殷科技有限公司。研究资料截至2026年10月4日，官网发布于2026年10月5日。

本文为探索性工程研究报告，承接《AI自主验证：医疗影像研发的独立证据与人机协同评价框架》，报告肺部三维分割检查器R10—R15迭代中的实际回放结果。^[1] 本文未经学术期刊同行评议；所验证的是检查器在已知编辑和表示变换下的行为，不是患者诊断、手术规划或自动放行的临床性能。

摘要

目的　研究肺部管状结构分割的自动检查器在坐标重编码、局部缺损、跨域假桥及末端缩短条件下的稳定性，识别仅依赖骨架或汇总签名时的盲区，并建立可追溯的分层证据。

方法　以同一研发项目中的5份CT及其气道、动脉、静脉共15个结构条目开展内部回放。按物理坐标规范化数组方向，以独立Mask连通域覆盖、物理链几何、共享边关系组、分叉簇和来源追溯组成检查框架。R14设置87个不同扰动及33个零变化对照；R15重建全部120个已保存场景的图与链目录，并对4个密集残余链场景重新细化。所有统计均为描述性统计，重复扰动不作为独立患者。

结果　R12在一个基线CT的3个结构上完成各48种轴置换与翻转，共144次规范化后重新细化，骨架及所比较指标一致。R14的45个末端缩短场景中，39个获得有支持的链长度或端点变化，45个均记录到原Mask末端退缩，6个骨架点集完全未变。R15为旧46条未定基线链记录中的35条补齐共享片段归组证据，11条仍无共享边支持；候选侧累计9,240条无共享边链中，9,221条位于分叉簇内部。4个异常场景重新细化均复现原输出，异常成因仍未解决。基线470张DICOM的像素与几何来源得以绑定，但无符号元数据与推理输入的灰度解释冲突仍保留。

结论　分层检查能够暴露单一表示遗漏的信息，并把“发现变化”“建立对应”和“解释解剖意义”分别记录。现有证据支持受控回放中的工程可追溯性，不足以证明真实临床错误检出能力、患者级外部泛化或人工净工时收益。

关键词　AI自主验证；医学三维分割；骨架细化；连通域覆盖；分支对应；物理坐标；数据来源追溯

Abstract

Objective: To assess the behavior of a lung-structure segmentation checker under coordinate re-encoding and controlled structural edits, and to identify blind spots in skeleton-based verification.

Methods: This exploratory engineering study replayed five previously used CT volumes with airway, artery, and vein masks. The framework combined coordinate canonicalization, independently computed mask-component coverage, physical chain geometry, shared-edge correspondence groups, junction clusters, and source tracing. R14 comprised 87 distinct perturbations and 33 unchanged controls. R15 reconstructed all 120 saved skeleton scenarios; four residual-rich scenarios underwent fresh thinning.

Results: After canonicalization, 144 fresh thinning runs across 48 signed axis encodings of three baseline structures were identical in the compared outputs. Among 45 terminal trims, supported chain geometry changed in 39, while frozen-mask terminal retreat was observed in all 45; six retained identical skeleton point sets. Shared-edge grouping contextualized 35 of 46 previously unresolved baseline-chain records. Of 9,240 unsupported candidate chains accumulated across scenarios, 9,221 were internal to junction clusters. Fresh thinning reproduced four dense-cluster outliers. Baseline source binding succeeded, but an unsigned-pixel metadata conflict remained unresolved.

Conclusion: Layered evidence reveals representation-specific omissions and separates change detection from correspondence and anatomical interpretation. These descriptive internal replay results do not establish clinical sensitivity, external patient-level generalization, or reductions in human workload.

1 引言：验证器本身也需要被验证

医疗三维分割从体素Mask到骨架、图和分支目录，经历了多次表示转换。每次转换都会突出某些信息，也可能遗漏另一些信息。一个末端可以在保持连通关系的同时缩短；一个小连通域可以保留在Mask中，却在骨架细化后没有任何代表点；局部体素编辑还可能改变图的分段方式，使链条数量激增。因此，检查结果“一致”只说明所比较的量一致，不能直接推出结构完整或解剖正确。

Metrics Reloaded强调根据任务和目标选择评价指标；clDice研究则提示管状结构评价需要关注连通性以及Mask与骨架的关系。^[2][3] 本文据此关注多个表示之间的证据互补，但未运行clDice对照实验，也不提出优于既有分割指标的性能主张。

研究围绕三个问题展开：等价的数组轴编码是否会改变检查结果；骨架未变化时，Mask层面的损失能否被独立记录；分支拆分或合并后，如何避免无依据的一一配对。另将输入来源追溯作为测量的前提，检查图像身份、像素解释和物理几何是否分别闭合。本文参照CLAIM 2024对研究设计、数据来源及报告透明度的要求组织材料，不声称完成该指南的全部项目。^[4]

2.1 研究设计与分析单位

本研究是既有项目上的探索性、迭代式工程回放。R10—R13主要围绕一个基线CT开展检查；R14在参数固定后追加4份CT，R15复用R14全部场景。追加影像已用于同项目早期流程，并非从未接触的外部留出集。数据按可用性纳入，没有前瞻性样本量计算、随机抽样或按临床病种分层设计。

5份CT各包含气道、动脉、静脉3个结构，共15个结构条目。原Mask是被检查对象，而不是由独立专家确定的解剖参考标准。R14的120个场景由87个不同体素扰动和33个零变化对照构成；R15回放同一批场景，因此两轮不能相加为240次独立实验。一个CT上的不同结构和多次扰动也不能作为独立患者。

轮次编号表示研发顺序，不表示研究证据等级。错误注入、解析检查、内部回放和后续异常排查分别记账；未完成的工作保留为局限。未对这些相关场景作患者级显著性检验或置信区间推断。

2.2 从坐标到Mask：避免检查器共享同一种盲区

物理位置由体素索引及其仿射变换确定。R12将适用网格转换为固定RAS+方向，再执行Lee方法骨架细化；规范化通过精确轴置换与翻转完成，不插值、不改变Mask占据的物理位置。6种轴排列与8种方向符号共有48种表示。该协议拒绝超出其范围的斜交、剪切、奇异或非有限变换，因此结果只覆盖这一组离散重编码，不推广为任意旋转或重采样不变性。

R13另用扫描线区间与并查集实现Mask的26邻接连通域标记，以SciPy所得分区交叉复核。对每个原始连通域，独立记录候选中保留及损失的体素，并记录候选连通域与原域的关联，以揭示丢失、分裂或合并。该层不依赖骨架是否保留对应点，因而能检查细化后的覆盖缺口。

这里的“独立”指计算路径不同以及直接从Mask或坐标复算；所有路径仍可能共享输入错误、网格假设或结构标签错误。计算独立性不等于拥有独立解剖参考标准。

2.3 扰动设计与末端退缩测量

扰动包括局部缺损、跨原连通域桥接、末端缩短，以及移除原Mask中没有骨架代表点的小连通域。每个候选保留原始Mask和实际编辑记录；按最终体素修改去重，避免把落在同一离散网格上的不同参数设置计为不同扰动。原数据不随候选结果覆盖。

末端缩短沿符合条件的原骨架端点链构建局部取样范围。R13修订后的规则包括：链至少7个点且长度至少12 mm，以起始至少5 mm链段估计方向，局部范围12 mm，最大切除设置3 mm；待删末端与范围边界保持至少2个体素对角线的余量，最近骨架归属须在前8 mm链段内。被删部分还须接触原始背景且构成一个26邻接连通域。对不满足条件的候选保留原因，不将内部空腔计为末端缩短。

对通过上述条件的原Mask局部体素集合M及固定方向u，轴向退缩定义为：原集合的最大物理投影，减去候选保留体素的最大物理投影。方向和取样范围在候选评价前冻结。R14采用1、2、3 mm三档编辑设置；体素离散会使实际退缩不等于设置值。该量描述原末端在固定局部范围内的损失，不能替代完整解剖分支长度、全表面对应或新增组织的位移测量。

2.4 从链几何到共享边关系组

骨架按26邻接构图。链定义为非二度节点之间的最大拓扑链，同时处理孤点和闭环；链长为沿边的物理欧氏长度之和。这些链尚未赋予解剖分支名称，数量也不等于气道或血管的真实分支数。

作为历史比较项，旧组合签名包含Mask的6／26邻接连通域数、骨架26邻接连通域数、端点数、分叉节点数、环路秩，以及没有骨架代表点的Mask域数。它汇总拓扑与覆盖状态，不包含体素总数、完整点集位置或物理链长。

R14先对完全相同边集建立对应；变化链仅在共享边关系双向唯一、共享长度至少3 mm且占双方链长各至少50%、开闭属性相同时，才输出长度差和端点位移。开放链按两种端点方向中总距离较小者对应；闭环不输出端点位移。1×10⁻⁶ mm是数值比较容差，未被用作临床可接受误差。

R15将基线链和候选链组成二部图，以共享边建立关系，再按连通组汇总双方链、共有边、消失边、新增边及物理长度。组可以是一对一、一对多、多对一或多对多。它证明存在共同片段，不自动证明解剖对应；无共享边时不按最近距离强配，对重组组不强制给出单链端点位移。孤点仅凭相同固定网格坐标对应。

2.5 分叉簇、交叉复核与来源追溯

分叉簇定义为三度及以上节点在其诱导子图中的连通域，只合并直接相邻的分叉节点，不跨越二度链按距离合簇。收缩时保留外部端口、多重边和环路；利用β＝E−V＋C核对原图环路数等于收缩图环路数与簇内部环路数之和。26邻接产生的局部图环路不能直接解释为解剖血管环。

R15从保存点集重建全部120个场景的图和链目录，以独立SciPy图分区及坐标直接求边长复核；这不是120次重新细化。随后对残余链数至少1,000的4个场景从Mask和编辑记录重建候选并重新细化。该选择规则用于事后异常排查，不是预先设定的临床阈值。

来源追溯分别检查DICOM标识、原始像素、NIfTI输入、历史文件哈希与物理坐标覆盖。身份标识只在受控研发环境内核对，公开文章保留条目数量和汇总结果。来源相同、灰度解释相同和患者真实身份独立是三个不同结论，分别报告。

3.1 迭代中的证据增量

研发过程逐步将“整体看起来一致”拆解为可核查的问题。R10针对旧17/18区域及未返回S6/S10的衔接进行了定位；这些历史标签并未因此获得解剖身份确认。R11在扰动测试中发现物理等价的轴编码也可能改变细化输出，由此促成R12的方向规范化。后续轮次则针对覆盖、长度、对应和来源逐层补充检查。

R12在一个基线CT的3个结构上，各完成48种轴编码的规范化后重新细化，共144次，所得骨架及所比较指标一致。另有合成间距条件检查，但不把合成断言数计入CT或患者数量。这个结果证明的是规定表示集合内的重复性。

R13在该基线3个结构的186个Mask连通域中发现6个没有骨架代表点的域，共26个体素：气道3域11体素，静脉3域15体素。它们仍在原Mask中，不能因骨架缺席就认定已被分割删除，或未经依据判为噪声。移除这些域的6个回放场景没有改变骨架点集，原域覆盖检查则全部记录了损失。

3.2 120个场景中的互补结果

R14共执行87个不同扰动，无场景类别被跳过。33个零变化对照均未报告变化，其中包括15个带翻转的轴置换对照。R15复用了这些保存结果，并另做15个节点顺序反转对照；后者检验图处理顺序，不增加患者或扰动数量。

表1按同一批场景列出不同检查层的变化计数。各列可以重叠，不能相加作为检出总数。“原域覆盖变化”表示对已知配对Mask记录到了编辑影响；因为检查器可直接比较编辑前后Mask，它不等价于在没有参考分割的新病例中发现真实错误。R15的图边／孤点变化也不自动建立单链几何对应。

3.3 末端缩短：拓扑不变仍可存在几何损失

45个末端缩短场景中，36个旧组合签名未变化，6个骨架点集完全未变化；39个场景获得有支持的链长度或端点变化，45个均记录到原Mask末端轴向退缩。实际退缩约为1.007—4.011 mm，反映离散体素和局部方向下的测量结果，不能把1、2、3 mm设置值直接作为实测值。

这些结果说明，连通关系和汇总统计未变化时，局部形态仍可能发生变化；而骨架点集完全相同意味着任何只依赖该点集的确定性几何检查都无法反映这部分末端损失。直接保留Mask层证据具有实际作用。不过，本实验只考察所构造的末端编辑，尚不能据此估计自然临床漏分割的检出率。

3.4 分支重组：补齐证据而不强配

15个原结构共形成24,453条最大拓扑链；13,126个三度及以上节点归为6,794个直接相邻分叉簇。对R14的46条未定基线链记录，R15全部建立了交叉索引：22条归入一对多组，6条归入3个多对一组，7条旧共享支持不足记录获得共同片段归组上下文，另11条仍无共享边支持。

上述35条有共享边记录，仅补齐片段层面的关系，没有升级为35条正确解剖匹配，也没有放宽R14的单链长度测量门槛。发现图重分段后保留未定状态，是本框架的一部分；将最近端点直接配成同一分支，反而可能生成表面完整而证据不足的位移结果。

3.5 候选侧残余暴露细化异常

仅追踪基线侧未定记录会遗漏候选侧新增图结构。跨全部配对场景累计有9,240条候选链没有共享边，其中9,221条完全位于分叉簇内部；9,238条可通过簇邻接获得已知共享边组的上下文。两种统计可重叠。邻接上下文仅说明局部连接，不建立新旧解剖分支对应，这些累计条目也不是独立真实分支数。

4个局部缺损场景贡献其中9,197条残余链，均为密集分叉簇内部的单边链。重新从原Mask和删除记录生成候选并细化，4个场景均完全复现R14保存点集，说明该现象不是R15新增分组步骤造成的。异常细化输出的具体成因尚未解决，不能把这些短链解释为新生血管或气道。

R15.0首轮结果保留；R15.1补齐候选侧残余账本和4个场景的重新细化追查。R13也曾因末端编辑形成内部空腔而修订取样条件，并保留失败运行。本文呈现的是有明确修订记录的探索过程，没有将事后排查包装为预注册验证。

3.6 来源绑定完成，灰度冲突仍未闭合

基线470张DICOM合计123,207,680个体素。重新解码后，原始像素与上游无符号NIfTI的差异为0；同一像素按int16解释后，与当前推理输入的差异也为0。物理网格覆盖完整、无重叠漏层，最大位置差约4.884×10⁻⁷ mm；文件哈希与历史记录一致。这些结果补齐了基线输入的来源链。

但DICOM元数据声明无符号像素；严格按原元数据解释时，有100,268,016个体素与当前推理输入不同。源数据未被修改，未解决的无符号元数据冲突继续保留。因此，“已找到同一来源”不能转述为“已确认HU标定正确”。

5份CT在本地患者标识元组、检查UID和序列UID层面互异，且各自切片内标识一致。不过基线缺少患者标识签发机构，追加病例缺少完整姓名／出生日期交叉依据；这些差异不足以证明外部身份系统中的真实患者独立性。本文使用“5份CT”作为公开分析单位。

4 讨论：把证据分层，比给出单一通过分数更重要

第一，表示稳定性应先于结果比较。若同一物理Mask只因数组轴顺序不同就产生不同骨架，后续链长或端点差异便混入了表示因素。规定方向后的重复性检查缩小了这一不确定性，但对重采样、斜交网格及其他细化实现仍需单独测试。

第二，检查路径应围绕不同失败形式设计。Mask层能记录骨架未表示的小域和末端损失；骨架图层能描述连通与局部结构；物理几何层能解释有支持配对的长度和位移；关系组层能保留拆分、合并和重分段的共同片段。它们互补，却不能由多个一致结果投票产生解剖真值。

第三，对应的不确定性应成为输出。共享边是一种保守、可追溯的证据，在发生整体位移但仍保持解剖身份时也可能拒绝配对。因此“不支持对应”不等于“必然错误”；其价值在于避免未经支持的测量。如何引入影像、局部形态和分支语义来提高覆盖，同时控制误配，是后续问题。

第四，验证器自身产生的密集图结构必须解释。少量Mask删除与大量候选短链并存，提示图链总数不是稳定的解剖复杂度替代量。公开残余账本和重新细化结果，比只报告基线侧对应改善更完整。当前工作定位了异常所在的表示层，但尚未完成成因修复。

最后，来源证据需要分项闭合。标识一致、像素可追溯、空间可重建与灰度正确不能互相替代。将HU解释冲突与图几何结果同时保留，有助于防止一个环节的通过覆盖另一个环节的未解决问题。

5 局限与下一阶段研究

样本来自同一既有研发项目，仅5份CT，缺少外部留出队列、病种分层和独立临床判读。结构Mask本身未经本研究建立独立解剖参考标准；已知编辑也未覆盖自然错误的频率、位置、形态或严重程度。87个扰动上的变化记录不能外推为临床灵敏度，33个零变化对照也不能给出新病例的临床特异度。

轴重编码穷举仅在一个基线CT的3个结构完成；追加4份CT只执行了既定的轴置换对照。R15主要重建保存骨架上的图，没有重新细化全部120个场景。共享边法对位置迁移的对应能力有限，Mask末端测量具有固定方向与局部取样范围限制，密集细化簇及灰度解释冲突仍未解决。

后续应先追查密集簇成因与灰度原始依据，再冻结版本，在未接触影像上进行分层内部或外部测试；由独立判读建立任务相关参考标准，记录真实错误、误报、拒配和剩余风险。在此基础上，才适合评价人工复核、返工和总处理时间。DECIDE-AI强调早期临床评价中的人因和实际使用条件，可作为未来进入该阶段时的报告参考。^[5] 本文没有测得人工净节省时间，运行秒数不被用作人效收益。

6 结论

本研究将肺部三维分割检查拆分为物理表示、Mask覆盖、链几何、共享片段对应、分叉簇和输入来源六类证据。在受控回放中，独立Mask证据补足了骨架不变时的损失记录，共享边分组解释了部分重组关系，并暴露出候选侧细化异常。

现阶段可支持的结论是：自主检查能够形成更细粒度、可追溯且允许未定的工程证据。能否据此可靠发现真实解剖错误、支持临床使用或减少人工负担，仍需要独立参考标准与相应评价。

数据、代码与研究声明

公开材料：本文图表均由脱敏汇总统计或方法示意生成，不含患者影像、身份标识、病例三维坐标或局部结构图。配套汇总数据文件列出本文主要分母、结果及运行记录标识，可用于核对表格；它不等同于完整个体级数据集。^[6]

可复核记录：R12运行20261004T084149-87ce8904；R13修订运行20261004T093755-b5c797d5；R14运行20261004T095633-ca9d7144；R15最终运行20261004T121418-c1838d95，检查器版本0.15.1。原始与失败运行、参数、代码和逐场景账本保留于受控研发环境；本文未公开医疗数组和完整研究代码，因此外部逐体素复现仍受数据与代码可得性限制。

伦理与授权信息：本报告未核实可用于正式期刊投稿的伦理批件、知情同意或豁免证明；不据此宣称已获伦理批准或免审。后续投稿或对外共享病例级材料前，需要补充相应审批与数据使用依据。

利益关联与工具使用：作者及发布方参与所述系统研发与成果转化。本文未报告特定资助项目。AI工具参与研发代码、运行结果整理与文稿起草；数值依据留存运行记录逐项核对，AI生成的解释不构成独立解剖参考标准。