燧序SUIXU
技術進度報告 · TECHNICAL REPORT

LDCT 肺結節 AI 模型
進度報告與資料需求

薄層 LDCT 結節偵測模型的訓練成果、瓶頸診斷與資料規劃，並附影像平台之開發與院內部署現況。

報告日期 2026-07-09 對象 沐恩生醫光電 測試集 10 份薄層 LDCT · 45 顆標註結節
現況摘要

一頁掌握目前狀態與待回覆事項

目前進度
AI 模型Phase 1 已達標（82.2% @ FP≤9）；Phase 2 列為目標值（目前最佳 75.6% @ FP≤6，需資料擴充與架構改良並行）
平台系統核心功能已於院內部署並實際運作（上傳／推論／報告）；追加功能已完成技術評估
需要貴方回覆 / 配合
  • AI補薄層標註資料至 200–300 例、撈取 5mm 之薄層原始 DICOM
  • PACS提供各院串接規格（AE Title／IP／Port／影像過濾條件）
  • 合約追加功能補充協議、License 授權架構（附件一）確認
  • 報告FHIR 驗收基準（validator.dicom.tw 0 error）確認
  • 帳號使用者帳號規劃（建議一人一帳號）
Phase 1 驗收
已達標
敏感度 82.2% @ 每份誤報 ≤ 9
Phase 2 驗收
尚未達標 · 待資料
目前最佳 75.6% @ FP ≤ 6；列為目標值，需資料+架構並行
5mm 新資料
無法直接使用
厚層物理限制，需薄層原始檔
目前模型效能

模型已具備良好的偵測能力

以獨立測試集進行 FROC 評估（肺結節偵測的國際標準評估法）。目前已在 Phase 1 標準達標，Phase 2 尚有差距。下列為各操作點的最佳表現。

93.3%
最高敏感度
模型能「看到」的結節上限
82.2%
敏感度 @ 每份誤報 ≤ 9 · Phase 1
✓ 已達標
75.6%
敏感度 @ 每份誤報 ≤ 6 · Phase 2
FROC 曲線 — 敏感度 vs 每份掃描假陽性數
滑動查看任一假陽性率下各模型的敏感度 · 點擊圖例可切換曲線 · 虛線為 Phase 1／2 門檻
模型CPMSens @ FP≤9
Phase 1		Sens @ FP≤6
Phase 2		最高敏感度
MIP YOLO38.1%77.8%75.6%93.3%
DICOM YOLO33.7%82.2%68.9%86.7%
Ensemble（雙模型交集）40.6%80.0%73.3%84.4%

＊ 粗體為該欄最佳。Phase 1（FP≤9）以 DICOM YOLO 最佳（82.2%），Phase 2（FP≤6）以 MIP YOLO 最佳（75.6%）；Ensemble 於 CPM 最佳但敏感度上限僅 84.4%。

關鍵發現

瓶頸不在「看不到」，而在假陽性過多

我們做了一組受控診斷實驗，結論非常明確 — 提升效能的關鍵不是讓模型更會偵測，而是加上第二階段的假陽性過濾。

95.6%

模型的偵測天花板其實很高

45 顆結節能偵測到 43 顆，只有 2 顆極小微結節（約 3.6mm / 4.3mm，且同屬一份掃描）未偵測。Phase 2 要求的 85% 敏感度在技術上完全可達，不是模型「看不到」的問題。

14:1

真正的瓶頸是假陽性

模型共命中 43 顆真結節，同時產生 599 個假陽性（血管、疤痕被誤判），比例約 14:1。「Oracle 實驗」證明：只要能濾除假陽性，敏感度可達 95.6% 的天花板，遠超 Phase 2 目標。

3D

解法是第二階段 AI 過濾器 — 國際標準做法

我們實作第二階段 CNN 分類器（LUNA16 國際 benchmark 主流架構）分辨真結節與血管。立體資訊確實有幫助：判別力（AUC）由 2.5D 影像的 0.551 提升到 3D 立體的 0.633，低誤報區（每份 1 個假陽性）敏感度由 28.9% 提升至 35.6%。方向正確，但強度尚不足 — 原因見下節。

資料需求分析

已窮盡技術優化，瓶頸在資料數量

在請客戶提供更多資料前，我們先做足了「榨乾現有資料」的技術工作。結果指向一個明確且無法迴避的結論。

我們已嘗試的優化手段

  • 候選樣本展開 — 自第一階段輸出萃取 4,938 個候選（481 真結節 / 4,457 假陽性）作為分類器訓練集
  • 強化資料增強 — 3D 翻轉、旋轉、z 軸位移、縮放、亮度擾動
  • Focal Loss — 處理真假樣本嚴重不平衡（約 1:9）

第二階段分類器實測結果

分類器變體判別力 (AUC)結論
2.5D CNN（影像切片）0.551僅略優於隨機 基準
3D CNN（立體）0.633立體資訊有效，目前最佳 方向正確
3D CNN + 強化增強 / Focal Loss0.498等同隨機猜測 增強失效
可實用門檻（國際經驗值）≥ 0.85尚未達到 目標
關鍵負面發現

強化增強與 Focal Loss 未能改善分類器，反而使其失效 — 判別力由 0.633 掉到 0.498，等同隨機猜測。

這個負面結果本身就是最有力的證據：在僅有 481 顆真結節的前提下，用演算法技巧「合成」變化度已經到頂。資料增強只能重複利用既有樣本；當增強幅度大到足以產生新的變化時，反而破壞了原始訊號。這條路已經走完了，接下來只能靠真實資料。

訓練資料量與國際標準的差距

第二階段分類器需要大量真結節樣本才能訓練出足夠判別力。目前的量與國際 benchmark 相差 1–2 個數量級。

目前可用
481 顆
建議補足
200–300 例
LUNA16 標準
上萬顆結節
結論

合約載明甲方提供至少 200 例，目前遠未達標。醫師標註品質很好，資料數量是首要瓶頸。建議優先補齊至 200–300 例薄層（≤ 1.5mm）標註資料，並同步推進模型架構改良，兩者並行逼近 Phase 2。

5mm 資料問題

近期 55 例為厚層，無法直接訓練

經完整測試確認，5mm 厚層影像無法用於訓練 — 這是物理層級限制，非演算法問題。

技術原因

5mm 厚層將 5 個解剖層面平均為 1 張影像（partial volume averaging），造成小結節被稀釋、變模糊；z 軸切片數僅 55–83 張（薄層為 245–420 張），立體資訊大幅流失。

做法效能 (CPM)結論
5mm 專用模型4.3%最高敏感度僅 41.5%，漏掉近 6 成結節 不堪用
5mm 併入訓練集32.1%低於原本 38.1%，反而拖累主模型 負效益

註：併入訓練的資料集同時包含 53 份薄層新資料與 55 份 5mm 重取樣資料。考量 5mm 專用模型 CPM 僅 4.3%，效能下降主因指向 5mm 厚層。此結果亦與國際文獻一致（5mm 相比 1mm，敏感度低 12–42%）。

需要客戶協助

LDCT 篩檢掃描通常同時重建薄層（1–1.5mm）與厚層（5mm）兩版本。請協助確認 PACS 中這 55 例是否有薄層原始檔 — 若有，配上現成的醫師標註即可直接使用，標註不會浪費。

下一步

AI 模型 — 客戶配合與我方執行事項

  1. 提供更多薄層標註資料（補至 200–300 例）客戶
  2. 撈取 5mm 那批的薄層原始 DICOM客戶
  3. 部署 Phase 1 達標之偵測模型我方
  4. 資料到位後強化第二階段過濾器並改良架構（衝 Phase 2）我方
  5. 擴大驗收測試集，讓效能數字更穩定可信雙方

時程

  1. Phase 1 驗收已達標
    敏感度 82.2% @ 每份誤報 ≤ 9（DICOM YOLO；Ensemble 80.0%）
  2. 第二階段假陽性過濾器研發中
    3D CNN 方向正確，判別力受限於現有資料量
  3. 補足薄層標註資料待客戶
    補至 200–300 例、撈取 5mm 之薄層原始檔
  4. Phase 2 衝刺規劃中
    資料到位後強化過濾器並改良架構，衝 Sens ≥ 85% @ FP ≤ 6（目標值）

＊ 上列為里程碑順序，實際時間表將由 AI 團隊提供。

驗收指標建議

合約第三條已明訂以 FROC curve 為準據。定案驗收指標：Phase 1 — Sensitivity ≥ 80% @ 每份假陽性 ≤ 9（目前已達標）；Phase 2 — Sensitivity ≥ 85% @ 每份假陽性 ≤ 6，建議列為目標值（達成給予對應獎勵、未達不另行處罰）。偵測天花板 95.6% 顯示技術上可達；達成路徑需資料擴充與模型架構改良並行推進，而非單靠增加資料。

另建議擴大驗收測試集規模。目前測試集為 10 份掃描、45 顆結節，單顆結節即影響約 2.2 個百分點，數字波動較大。