跟骨骨折AI自动标注：基于既有三维Mask的候选学习与修改收益验证

作者与研究属性

作者：瑜秀瞳芯；单位：内蒙古子殷科技有限公司。研究证据截至2026年10月4日完成的R16轮，本文于2026年10月5日整理发布。

本文是一项基于既有跟骨骨折CT与三维Mask的阶段性方法研究及开发复测报告，按论文结构公开研究问题、方法、对照结果与局限，尚未经过学术期刊同行评审。本文所称“安全收益”是满足本文对象匹配规则的研究标签，不等同于临床安全，也不代表已经实现无人标注或自动临床交付。

摘要

目的：研究如何复用既有三维Mask及局部修改候选，训练模型识别值得执行的骨块实例修改，重点考察将训练样本从局部第一名扩展到全部候选后，能否减少安全收益被拒绝以及匹配丢失被误接受。

方法：沿用86名既有开发患者，按患者固定分为46名拟合、10名调参、15名门槛校准和15名外层开发复测。冻结候选几何、原对象保留约束和候选排序，比较仅第一名、全部合格候选、全部候选和全候选分层加权四种训练范围。每组分别训练匹配丢失、无丢失条件下新增匹配、是否值得修改三个ExtraTrees分类器；保留原执行门槛，并在完整体素空间核对联合修改。

结果：拟合样本由641个局部第一名扩至4740个候选，安全收益监督由7个、4名患者扩至193个、31名患者，匹配丢失监督由5个、5名患者扩至240个、43名患者。但符合执行几何约束的安全收益仍只有31个，来自5名患者。外层191个合格局部组中，三个含安全收益的局部组，其固定第一名均为安全收益候选；调参选定的“全部合格候选”模型接受其中1个，有害首选0个。全候选分层加权对照接受2个，有害首选0个；历史R15模型分别为2个和1个。所有模式均未通过原非零修改准入，实际执行0次，匹配数保持74/228，实例匹配F1保持0.3844。

结论：全候选监督扩大了可学习的收益与错误覆盖，但没有证明自动修改质量、净人工时间或单位成本得到改善。下一步重点应是增加符合执行约束的跨患者安全收益证据、改善收益识别和匹配丢失识别，并在真正未参与开发的数据上检验。

关键词：跟骨骨折；医学影像；实例分割；三维Mask；候选学习；修改收益；数据复用

1　研究背景：已有标注如何继续发挥作用

在跟骨骨折三维重建中，得到骨组织轮廓只是起点。相邻骨块可能粘连，同一骨块也可能被过切分；局部边界看起来更平滑，不一定意味着原对象得以保留。若每个病例都从头重画，既有Mask、工程师修订和错误定位记录的价值就难以持续积累。

nnU-Net为任务适配的医学影像分割提供了自配置方法，MedSAM探索了提示式医学图像分割。^[1][2] 这些工作为候选标注生成提供技术背景，但其公开结果不能直接证明复杂跟骨骨折实例分离已经解决。本研究聚焦生成候选之后的另一个问题：系统能否判断一次修改是否值得执行。

本文承接子殷此前关于自动标注与数据产品的框架讨论。^[6] 当前定量结果来自既有CT、基线实例及冻结候选的复用，不是一次新训练的DICOM端到端分割试验。长期目标仍是从原始DICOM进入自动重建；本轮检验的是其中局部修改决策这一环。

2　研究问题与前期迭代

前期工作逐步形成了对象语义核对、骨块实例分离、粘连与过切分候选比较、局部三维对照、原对象可靠程度判断和分级保留约束。随后将“预测改善多少”与“选哪个候选、是否修改”分开研究，避免把重叠分数提高直接当作对象关系正确。

R14冻结的排序器在后续外层开发复测中，能够将三个安全收益候选排到各自局部组的第一名，但“不修改”判断拒绝了这三个候选。R15针对收益拒绝进行训练，接受了其中两个，同时误接受一个匹配丢失候选。这里的“接受”均发生在最终执行门槛之前，尚不代表实际修改。

R16据此提出一个可检验的问题：仅用第一名训练是否造成监督过窄？在不改变候选几何、执行约束和排序的条件下，扩充同一批拟合患者的候选监督，能否改善第一名接受判断？本轮是围绕这一问题的受控训练对照；与历史R15比较时，模型结构和前置风险判断也发生变化，不能将全部差异归因于样本数量。

3.1　数据单位、患者划分与证据范围

本轮沿用86名既有开发患者及其CT派生输入、三维Mask、基线骨块实例和局部候选。没有新增患者，没有重新人工绘制参考Mask。全部角色合计8761个候选，其中拟合4740个、调参1072个、门槛校准1528个、外层开发复测1421个。候选来自同一患者的多个局部和修改方案，不是8761个独立样本。

患者分组在本轮保持不变。同一患者的局部对象和候选留在同一角色中；模型训练、设置选择、执行门槛选择与最终复测分开进行。由于86名患者在历史开发中已经暴露，上游区域、边界及对象特征的交叉拟合也未全部重新嵌套，本文统一称“外层开发复测”，不将其表述为新患者独立外部测试。

本报告依据冻结工程证据核对患者数、候选数和结果，尚未完成原始临床队列采集时段、连续纳排流程、人口学构成、骨折分型及全部CT采集参数的系统整理。因此，这批数据不能被视为具有已证明代表性的临床队列。

3.2　参考Mask、实例匹配与收益定义

既有Mask作为本轮监督参考，而不是无条件正确的“真值”。其骨块身份、细小碎块、关节面边界和独立专家一致性仍有未确认范围。医学影像AI报告应明确参考标准的来源和局限；本研究采用这一表述原则，而不声称已满足全部报告规范。^[3]

实例评价采用一一匹配，IoU为候选实例与参考实例交集体积除以并集体积。离散匹配以IoU≥0.5为条件，匹配求解先优先满足阈值的配对数量，再以IoU优化。修改前已经匹配的参考对象，修改后不再匹配，记为“匹配丢失”；反之记为“新增匹配”。这一规则评价的是实例对应关系，不能保证同一解剖骨块身份已被确认。

候选标签按优先级分为三类：只要丢失任一原参考匹配，即为匹配丢失类；没有丢失且新增至少一个参考匹配，为安全收益类；既无新增也无丢失，为中性类。新增匹配不能抵消原匹配丢失。

连续改善幅度另用不带0.5阈值奖励的一一匹配最大IoU总和计算，记为ΔIoU总和。“值得修改”定义为安全收益，或中性且ΔIoU总和≥0.01；匹配丢失类永远不作为值得修改的正例。ΔIoU总和≤−0.01另外记录为重叠明显变差。0.5与0.01均为本研究固定评价阈值，不是临床可接受标准。指标含义和任务目标必须分别说明，单一重叠指标不能覆盖全部错误类型。^[4]

3.3　候选范围与对象保留约束

局部组以同一患者、同一组待处理原对象定义。拆分、合并或局部重分区形成多个候选，本轮全部复用既有几何结果。执行集合沿用此前基于原对象可靠程度建立的分级保留规则，以及前景、连通性、最小子对象体积和局部作用范围等检查。

“几何合格”只表示通过当前研究约束，不代表临床合格。几何不合格候选可以具有可用于学习的收益或丢失标签，但始终不得进入执行集合。全候选模型增加了合格性特征，并设置分层加权对照，以检验不合格样本加入后带来的训练分布差异。

每个局部组的第一名由冻结的R14排序器确定。R16只学习接受还是保持原样；组内统一平移效用，保留候选次序。如果第一名被拒绝或未通过执行检查，不回退执行第二名。共享原对象的局部修改不得同时执行。

3.4　训练样本扩充与三分支判断

四个新模型采用相同的241项输入和同一组ExtraTrees参数，分别学习：丢失任一原匹配的分数h、新增匹配的条件分数g、值得修改的分数w。g只在无丢失样本中训练。输入包括候选自身、相对局部特征、冻结排序分数、与最佳其他候选的差距及几何合格标志，不输入参考标签、患者编号或参考对象编号。

每个分类器使用256棵树、最小叶样本5、特征比例0.8、不采用bootstrap，种子固定为20261016，CPU四线程；实现采用scikit-learn ExtraTreesClassifier。^[5] 基础权重先均衡患者、再均衡局部组与候选，随后均衡二分类监督权重。“全候选分层加权”另在每个监督类别内均衡合格与不合格候选的权重；收益及值得修改分支对被原排序效用拒绝的正例加权2倍，丢失分支不使用该正例加权。

为保留既有风险信号，最终丢失分数取h=max(原分数，新分数)，安全收益分数取(1−h)×g。分数尚未经过目标人群概率校准，不能按临床事件发生概率解释。第一名接受余量为min(w−t，c−h)，只有余量大于0才接受。t为值得修改阈值，c为丢失分数上限；它们与最终执行门槛是不同层次。

3.5　交叉拟合、选型与冻结执行规则

拟合阶段复用R15已经冻结的五折排序预测，覆盖全部4740个候选；其内层决策训练包含20个基础排序克隆和5个修正排序克隆。本轮校验各拟合折与预测折的患者排斥关系，不重训上游排序器。调参、校准和外层使用冻结的全拟合排序器。局部第一名训练ID与R15一致，第一名的前240项特征也逐值核对。

仅在10名调参患者中选择t∈{0.35，0.50，0.65}和c∈{0.10，0.20}。先要求有害首选数不高于冻结R14，再依次比较安全收益首选、有益首选、无益首选、修改数及效用遗憾；平局处理在运行前固定。调参最终选定全部合格候选模型，t=0.35、c=0.20。外层出现较好对照结果，不触发重新选型。

15名门槛校准患者用于选择最终执行规则：收益分数下限{0.20，0.35，0.50，0.65}与丢失分数上限{0.02，0.05，0.10，0.20}组成16种组合。非零修改方案必须没有有害单次修改、没有联合丢失匹配，至少两次安全收益且覆盖至少两名患者，匹配数量增加且实例F1不下降。通过完整体素联合审计后才能冻结；无合格方案则冻结为保持原样。

已知外层错误只在冻结推理后回放，没有加入拟合。原始影像、参考Mask和前轮冻结版本保持只读，研究输出另行保存；协议、代码、模型选择和结果留有完整性校验记录。预检发现过一次float32换序求均值误差，最大绝对差1.91×10⁻⁶，冻结前记录并修订数值比较容差；没有据此改变监督、模型或验收门槛。

3.6　评价层级与统计口径

评价分别报告候选级识别、局部第一名接受、门槛与冲突处理后的实际执行，以及最终实例匹配。实例F1=2M/(P+R)，其中M为匹配数，P为预测实例数，R为参考实例数。该F1是对象匹配指标，不是体素Dice，也不是整例临床准确率。

本轮以描述性计数和固定阈值诊断为主，没有进行优效性假设检验、多随机种子稳定性分析或新队列功效设计。候选在患者内高度相关，不将候选数量当作独立统计样本，也不以三个安全收益机会推算总体性能。没有实际修改时，有害修改率的分母为0，应报告“未定义”。

4.1　训练覆盖扩大，但合格正例仍集中

表1按相同模型结构列出四组训练范围。全部候选纳入后，安全收益从7个扩至193个，匹配丢失从5个扩至240个；但两组全候选模型使用的是同一批4740个候选，区别在于权重，不能将两组计数相加。

新增训练覆盖中有1416个几何不合格候选，包含162个安全收益标签和215个匹配丢失标签。可执行集合的安全收益仅31个，覆盖5名患者；因此，“193个正例、31名患者”不能替代“符合执行条件的收益覆盖”。

4.2　外层首选判断：减少有害接受与找回收益存在取舍

外层15名患者共有1421个候选，其中1003个几何合格候选形成191个局部组。12个合格安全收益候选集中在3个局部组、3名患者；固定排序器在这三个局部组均把安全收益候选排在第一位。这里“12个候选”“3个局部机会”和“3名患者”是不同分母。

表2为最终执行门槛之前的判断。调参选定的全部合格候选模型，接受1个安全第一名、有害首选0个；全候选分层加权对照接受2个安全第一名、有害首选0个。历史R15接受2个安全第一名，但有害首选1个。普通全候选加权则拒绝了全部三个安全第一名。

分层加权对照表现出值得进一步检验的收益—拒绝取舍，但并未成为本轮正式选定模型。它仍接受24个按本研究定义无益的第一名，其中14个重叠明显变差；其校准集安全第一名接受数为0。不能只取外层“2个安全、0个有害”这一行来宣称稳定提升，也不能在看过外层结果后换选。

4.3　收益识别与匹配丢失识别仍是瓶颈

在外层1003个几何合格候选中，安全收益12个、匹配丢失6个。在固定安全收益分数0.20处，四个新模型均未检出这12个安全收益候选。对照中的局部“愿意接受”来自w分支，并不意味着安全收益分数已达到最终门槛。

在固定丢失分数0.10处，全部合格候选和分层加权模型各检出2/6个匹配丢失候选，误报分别为46个和41个；普通全候选模型检出1/6个、误报34个；原R14检出0/6个、误报24个。这些结果同时显示有限的丢失识别与误报负担。

冻结后回放R15的那个有害首选，分层加权模型值得修改分数约0.3480，略低于其阈值0.35，接受余量约−0.0020；丢失分数约0.0512，尚未触发0.10上限。该候选被拒绝主要发生在值得修改判断，而不是稳健的丢失检出，不能解释为模型已经充分理解了该错误。

4.4　从接受判断到实际修改

所有模式在门槛校准阶段都未找到满足原要求的非零修改方案，均冻结为保持原样。调参选定模型虽然在校准阶段接受两个安全第一名，但仅涉及一名患者，且收益分数仍不足；仅凭接受数量也不能满足跨患者准入要求。

最终外层研究输出执行0次修改，157个预测实例与228个参考实例中匹配74个，F1为148/385=0.3844，与基线一致。该结果不能表述为“有害率为0%”：因为没有执行修改，实际有害修改率未定义。它也不能证明患者获益、降低返工或节省人工时间。

5.1　讨论：监督数量与有效覆盖为何不同

本轮最直接的发现是，首选训练样本不足可以通过既有候选复用得到缓解，而可执行正例的患者覆盖仍然狭窄。监督从7个安全收益扩至193个时，大部分增加来自几何不合格集合。模型需要学习这些错误和收益模式，同时区分其与真正可执行候选的分布差异。

普通全候选模型没有找回三个安全第一名，分层加权对照找回两个，这一差异支持进一步研究训练分布与决策阈值的相互作用，但不足以单独证明分层加权普遍优越：两组调参阈值不同，正例患者少，而且仅运行一个固定种子。正式结论需要在更多合格正例、预先固定的选择流程和新患者数据上复验。

冻结排序的意义在于隔离问题：本轮三个安全机会的第一名已经排对，损失主要出现在接受判断与后续收益门槛。继续改进应针对这些环节逐项定位，避免把排序、收益、丢失和执行混成一个综合分数后掩盖错误来源。

5.2　从修订记录到可复用数据产品

可复用对象应同时包含候选、原实例、修改后结果、差异区域、修改原因、空间关系及版本。候选即使未被执行，只要有可信参考与明确生成条件，也可以成为训练收益识别器和错误识别器的监督。几何不合格候选被保留用于学习，而不被当成可交付标注，是本轮区分用途的一项具体做法。

基于当前证据，更接近形成的是受控的候选—错误—评价资源，以及可回放的研究流程。它们为质量说明、用途限定和版本交付提供技术基础，但本研究没有开展数据交易、资产评估或会计入表，也未验证相关产品的商业收益。

面向后续产品，应比较人工从头标注、AI初稿加常规修订、AI初稿加自动检查与针对性修订三种流程，使用同一对象定义和独立终评，同时记录净人工时间、复核时间、算力、返工和维护成本。本轮尚未完成这些实验，因此暂不计算人工替代率或成本下降比例。

6　局限、披露与可复现性

第一，既有参考Mask尚未获得全面独立解剖裁定；对象匹配正确不等于骨折分型、关节面或复位规划正确。第二，全部86名患者有历史开发暴露，上游特征交叉拟合未完全嵌套；15名外层数据不能充当新患者独立验证。第三，合格安全收益只覆盖少数拟合患者，外层仅三个局部机会，无法据此判断广泛泛化。

第四，本轮固定候选生成和排序，未检验新一代分割引擎或DICOM端到端流程。第五，模型分数尚未完成概率校准，未开展多种子及充分敏感性分析，且不存在非零执行的效果证据。第六，没有前瞻性临床测试、人体工时测量或单位成本对照。

本文所列聚合结果来源于R16冻结协议、训练清单、模型选择、推理、评价与错误回放记录，并与R14、R15对照口径核对；全文表格由这些记录计算整理。原始影像、患者级记录、参考Mask和模型权重不随官网公开；本文不提供完整临床数据复现包。

本次公开稿尚未核实原始队列伦理审批编号、知情同意或豁免材料，也未核实可披露的项目资助信息，因此不作“已获伦理批准”“已注册临床试验”或具体资助归属声明。正式期刊投稿前需补齐相关材料和作者贡献核验。本研究属于子殷自有技术开发，发布主体与所述技术存在利益关联。

文章借助AI辅助资料整理、代码执行和初稿撰写；数值以冻结记录与逐项核对为依据。官网发布不替代合格研究者的学术审查，也不构成临床部署许可。本文不公开患者姓名、DICOM标识、内部账号或内部存储路径。

7　后续研究与结论

后续优先增加符合执行几何约束、来自不同患者的安全收益监督，并补充边界改善但匹配丢失、收益分数高但实际无益等困难反例。训练、阈值与验收仍分开，明确记录收益被拒绝、丢失未识别和冲突阻断发生在哪一层。随后开展完全未参与开发的患者测试，再评估真实处理工时与最终交付质量。

现阶段已经完成的是：复用既有Mask和全部候选，训练分离的收益与丢失判断，并用冻结执行门槛检验其是否足以支持自动修改。尚未完成的是：证明该流程能稳定提高最终质量、节省人工，或替代全部人工标注与临床复核。

从三维Mask到可复用数据产品，关键进展在于让每个候选和错误成为有来源、有定义、可重放的证据。R16扩充了这些证据，也暴露出合格正例覆盖与收益识别的不足；保留这一结果，有助于把下一轮研发投入到真正限制自动化的环节。