北京
分享至
医学影像圈有个执念：用MRI直接"脑补"出CT，省得患者多扫一次。GANs被寄予厚望，但有个隐形门槛——你得有成对的MRI和CT数据，同一个人、同一个部位、同一个姿势。
现实是，这种配对数据贵得离谱。于是"无配对翻译"成了显学：CycleGAN、UNIT、MUNIT轮番上场，论文发了一堆，指标也刷得漂亮。
作者训了个改进版，在腹部数据集上跑出了不错的SSIM。两个放射科医生被拉来看结果，其中一位指着合成CT问了句：「这肝上的低密度影，是病灶还是伪影？」
作者愣住。模型没学过"什么是病灶"，它只学过"让像素分布看起来像CT"。医生要的是诊断可信度，论文里写的却是结构相似度——两套评分体系，从没对齐过。
最终模型没上线。作者把对话记进论文附录，留了一句话：临床可用性没法从L1 loss里读出来。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
