人工智能大模型与 “小” 模型的突破 ——西安光机所取得新进展

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”模型也取得新突破。

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。

“就像需要不断训练且‘喂料’类型要多种多样，才能提高人工智能大模型智能化水平一样，进行半监督医学图像语义分割协同训练时，一方面‘投喂’的图像需具有一定的差异性，另一方面要训练从不同角度识别同一图像，才能提升模型的‘智能读图’性能。”胡明说。

基于此，该团队进行了技术攻关，提出一种创新算法，在数据处理、训练结构等方面进行了改进。这种创新算法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。”