人工智能大模型DeepSeek火爆出圈，“老陜”聚焦細分領(lǐng)域打造的人工智能“小”模型也取得新突破。3月11日，中國科學院西安光機所傳來消息：該所光譜成像技術(shù)實驗室研究員王荃、胡炳樑團隊在計算機視覺領(lǐng)域半監(jiān)督醫(yī)學圖像語義分割方向取得重要進展。團隊提出一種創(chuàng)新算法，在醫(yī)學圖像數(shù)據(jù)智能識別方面表現(xiàn)優(yōu)異，有望應(yīng)用于醫(yī)學影像診斷領(lǐng)域。

　　團隊成員、西安光機所碩士研究生胡明介紹，X光片、CT等醫(yī)學影像是醫(yī)生進行疾病診斷的重要依據(jù)。計算機視覺領(lǐng)域半監(jiān)督醫(yī)學圖像語義分割研究可以從少量醫(yī)生審讀、標注好的醫(yī)學圖像中自動學習其診斷經(jīng)驗，最終實現(xiàn)在沒有標注的醫(yī)學圖像中自動鎖定病變區(qū)域，幫助醫(yī)生提高疾病診斷效率和準確率。

　　“就像需要不斷訓練且‘喂料’類型要多種多樣，才能提高人工智能大模型智能化水平一樣，進行半監(jiān)督醫(yī)學圖像語義分割協(xié)同訓練時，一方面‘投喂’的圖像需具有一定的差異性，另一方面要訓練從不同角度識別同一圖像，才能提升模型的‘智能讀圖’性能。”胡明說。

　　基于此，該團隊進行了技術(shù)攻關(guān)，提出一種創(chuàng)新算法，在數(shù)據(jù)處理、訓練結(jié)構(gòu)等方面進行了改進。這種創(chuàng)新算法在多個公開醫(yī)學圖像數(shù)據(jù)集上的試驗性能處于領(lǐng)先水平。

　　“通俗來講，我們?nèi)斯ぴO(shè)計并‘投喂’了更多訓練醫(yī)學圖像，增加了模型判斷依據(jù)，大幅提升了模型智能化水平。”胡明說，“下一步，我們將聚焦醫(yī)學圖像智能‘閱讀’分析領(lǐng)域，實現(xiàn)用‘小’模型精確劃分出病變區(qū)域、用大模型去理解和反饋，造福更多患者。”

　　(記者 霍強)