人工智能大模型DeepSeek火爆出圈，“老陕”聚焦细分领域打造的人工智能“小”模型也取得突破！3月11日，中国科学院西安光机所传来消息：该所光谱成像技术实验室研究员王荃、胡炳樑团队在计算机视觉领域半监督医学图像语义分割方向取得重要进展，团队提出一种创新算法，在医学图像数据智能“识别”方面表现优异，有望应用于医学影像诊断领域。

团队成员、西安光机所硕士研究生胡明介绍，X光片、CT等医学影像是医生进行疾病诊断的重要依据。计算机视觉领域半监督医学图像语义分割研究可以从少量医生审读、标注好的医学图像中自动学习其诊断经验，最终实现在没有标注的医学图像中自动锁定病变区域，帮助医生提高疾病诊断效率和准确率。

“就像人工智能大模型需要不断训练，且‘喂料’类型多种多样才能更好地提高其智能化水平一样，理想情况下，参与半监督医学图像语义分割协同训练时，‘投喂’的内容应具有一定的差异性，才能从不同角度挖掘未标记数据的信息，促进知识互补，提高模型性能。”胡明说。

然而在实际操作中，因模型架构、训练数据及优化算法等方面的相似性，“投喂”内容难以满足训练需求，最终限制了协同训练方法效能的进一步发挥。基于此，研究团队进行了技术攻关，提出了一种创新算法，在数据处理、训练结构等方面进行了改进，设计了一种差异化训练策略，高效利用有限的带标签数据，提升了模型在未标记数据上的性能与系统整体分割精度，在多个公开医学图像数据集上的试验性能处于领先水平。

“通俗来讲，我们人工设计并‘投喂’了更多训练医学图像，增加了模型判断依据，大幅提升了模型智能化水平。”胡明说，“下一步，我们将聚焦医学图像智能‘阅读’分析领域，实现用‘小’模型精确划分出病变区域、用大模型去理解和反馈，造福更多患者。”