弱监督医学分割：少标注也能切得准

可视化演示

弱监督原理：少标注的底气从哪来

探险队要出海寻宝，如果每座岛都要请测绘师画精确地图，三年也出不了航。但只要你肯换个思路——只标记“哪座岛有宝藏”，或者在地图上画个歪歪的 X——第二天就能扬帆。医学影像分割面临一模一样的抉择：像素级标注一个 CT 病灶轮廓，熟练医生也要 30 分钟起步，而图像级标签只需勾选“有无病灶”，1 秒搞定；涂鸦标注随手画两笔，10 秒收工。巨大的成本差，就是弱监督分割存在的理由。

那问题来了：这么粗糙的信号，模型凭什么能学会分割？底气来自两类先验。第一类是模型自己的结构先验：病灶在图像里往往是连续区域、边界相对光滑、与周围组织有纹理差异，这些规律不需要像素标注也能被网络学到。第二类是弱监督信号的“空间投影”能力：图像级标签虽然不说“在哪里”，但分类网络在判断“有病灶”时，内部特征图会不自觉地对病灶区域产生高响应，这响应稍加转化就成了位置线索；涂鸦标注则更直接，它等于告诉模型“这些像素确定是病灶”。

用一个统一视角看待弱监督学习：我们希望找到一组网络参数，使得模型在给定弱标注（图像级标签或涂鸦）上，预测结果与标注保持一致的期望风险最小。因为 Y 不是完整像素图，损失函数 L_weak 必须针对弱标注形式单独设计，这正是后几节要展开的 CAM、涂鸦损失和伪标签循环。

探险队带着“哪座岛有宝”的粗线索出发，模型带着“这张图有病灶”的粗标签训练——后面你会看到，这些粗线索如何一步步变成精细的藏宝图。

CAM类方法：从“有没有”到“在哪里”

藏宝图上只有一行字“东岛有宝”，探险队总不能把整座岛翻个底朝天。好在夜里起了月光，埋宝处的泥土颜色跟周围不一样，月光一照就格外显眼——CAM 类方法就是这样一束月光。它把“这张图有病灶”这个整图结论，反推成“哪里最像病灶”的空间热力图。

技术上看，分类网络在最后一层全局池化之前，保留着一组空间特征图 f_k，每一张特征图都记录了“某种图像模式出现在哪些位置”。最后分类层要为类别 c 打分，就需要给每个通道分配一个权重 w；这个权重恰好表达了“该通道对判断出 c 有多大贡献”。于是把权重乘回特征图、逐通道累加，就得到一张与输入图像空间对应的热力图。响应高的位置，就是模型眼中“这里像病灶”的证据区域。Grad-CAM 进一步用梯度近似权重，让该方法适用于任意结构的分类网络。

拿到热力图之后，设定阈值把高响应像素挑出来，就形成一块“伪区域”。这块区域可以作为初始种子，交给区域生长、条件随机场等后处理，也可以直接当作伪标签进入下一轮训练。需要注意：分类网络为了提升语义抽象能力，会反复下采样，热力图分辨率往往只有原图的十六分之一，边界相当模糊，小病灶可能弱响应消失——这是 CAM 天生的分辨率局限。

月光照亮了大致的埋宝范围，但光斑边缘始终有些朦胧。CAM 告诉我们“病灶大概在这片区域”，接下来涂鸦监督会把这束月光换成更结实的定位桩。

涂鸦式监督：随手两笔也能当标杆

向导盯着地图看了三秒，掏出炭笔“唰唰”画了两道：“宝藏就在这一片。”这两道线虽然粗糙，却瞬间把搜索范围从整座岛缩小到一小块——这就是涂鸦标注的威力：医生在病灶内部画一两笔（甚至一个十字），等于明确告诉模型“这些像素确定是病灶”。相比之下，CAM 还要靠模型自己猜，涂鸦则是直接钉下定位桩。

训练时，涂鸦监督的核心思想是“只对涂鸦覆盖的像素计算损失”。常规分割损失要求每个像素都有真值，但涂鸦场景下绝大部分像素没有标注。于是我们只求模型在医生画过的地方预测正确，剩下的像素交给平滑性正则——比如鼓励相邻像素预测一致、边界像素梯度小——让模型从“定位桩”出发，把整片病灶“织”出来。这就是区域扩散的雏形。

涂鸦损失写出来很简洁：对涂鸦像素集合 S 内的每个像素，计算模型预测与涂鸦真值的交叉熵，再取平均。这里的细节在于：损失只在 S 上计算，所以 S 的质量决定上限。医生如果画在病灶边缘或画到背景，模型会被“钉”在错误的地方；画在病灶内部但分散在不同部位，扩散效果最好。

两道炭笔在岛上钉下坐标，模型顺着坐标把整片埋宝地织出来。但光靠这一个桩还不够——下一节，模型要开始“自己当向导”了。

伪标签迭代：自己教自己的循环

探险队第一次按涂鸦挖下去，只挖到一小块区域。但挖出的土质和颜色给了新线索，向导据此修正地图，标出更大的可能范围，再挖一铲——每一轮都让地图更接近真实藏宝点。伪标签迭代就是模型版本的“越挖越准”：先用涂鸦或 CAM 训练一个粗糙模型，让这个模型去预测所有训练图像，把高置信度的预测结果当作新标签（伪标签），再用这批新标签训练下一个更强的模型。

第一步要生成“初始伪标签”。把涂鸦扩散后的区域或 CAM 热力图阈值化，就能得到第一版粗分割。第二步是自训练循环：当前模型对每张图输出像素级概率图，对每个像素取最大概率对应的类别作为候选伪标签，但只有最大概率超过阈值 τ 才被采纳。这个过滤动作极其关键——它防止模型把没把握的错误预测灌进下一轮训练。第三步是迭代：新模型在更完整的伪标签上训练，通常能比上一轮更准，于是能产出更好的伪标签，循环往复。

但“自己教自己”有个陷阱：如果模型在第一轮就对一个错误区域给出了高置信预测，这个错误会被当成“正确答案”进入下一轮，越滚越大，这就是确认偏差。工程上常用三招防偏：设置信度阈值 τ 并随迭代提高；用多次随机推理或蒙特卡洛 dropout 估计不确定性，把高不确定像素丢弃；留一小块干净的真实标注做验证，一旦发现验证集 Dice 下降就回退到上一轮。

每一轮挖掘都在反馈修正地图，挖错了就及时收手，挖对了就扩大范围——伪标签迭代的精髓，正是这种有纪律的自我强化。

性能差距分析：差多少、补多少

歪歪扭扭的 X 地图和精确测绘之间到底差多远？不量不知道。医学分割最常用的尺子是 Dice 相似系数：预测区域与真实区域的像素重叠程度。全监督分割在标准数据集上通常能到 0.90 以上；涂鸦监督一般落在 0.82~0.88；纯图像级标签走 CAM+伪标签路线，大约 0.70~0.80。数字告诉我们的第一件事：少标注确实有代价，但并没有坍塌到“不能用的程度”。

差距具体长在哪里？主要是三种误差模式。一是边缘模糊：弱监督的扩散机制对边界的精确感差，预测轮廓往往比真实边界肥大或收缩；二是小病灶漏检：只有几个像素的小病灶在 CAM 热力图里响应太弱，阈值化时直接被冲掉；三是低对比度区域：病灶与周围组织灰度接近时，弱监督缺乏像素级压力，容易把正常组织误判进去。明白了误差的位置，也就知道了要补什么。

缩小差距的主流策略是混合训练：主体用大量弱标注数据，再掺入一小部分（比如 1%~5%）全监督样本。全监督像素让模型学到锐利边界，弱监督数据则提供丰富的形态多样性，两者配合往往能把 Dice 从 0.82 拉到 0.88 左右。另一种思路是模型集成：训练多个弱监督模型，对预测做投票融合，可以平滑掉单模型的边界噪声。

量出地图与真实之间的缝有多宽，探险队才知道该往哪个方向补测绘。缝合差距的方法有了，下一个问题更现实：预算有限，怎么花最值？

标注成本优化：把好钢用在刀刃上

探险队的经费不可能永远无限。与其每座岛都派测绘师，不如先让斥候——一个便宜的弱监督模型——跑遍所有岛，把“大概率埋宝”和“比较可疑”的区域圈出来；再把最贵、最难的几座岛交给专业测绘队。这就是主动学习的思路：让模型自己指出“我哪里没把握”，人工只补那些最有价值的样本。

落到医学影像工作流，一个典型的成本优化流程长这样：第一轮，用图像级标签或涂鸦把模型快速训练到“能用”；第二轮，模型对未标注数据预测，同时输出置信度或不确定性，把最难的 10% 病例挑出来交医生做像素级精标；第三轮，用混合数据重新训练，再挑更难的下一次标注。每一轮标注预算都花在“模型最薄弱”的地方，单位预算换回的精度提升远高于随机挑样。

要做这个决策，心里得有本成本账。把三种标注形式的单位成本和数量记下来，总成本是一笔线性账。像素级标注虽然贵，但只要 30 例就能让模型从“大概齐”跨过临床门槛；涂鸦便宜，适合大规模铺基础数据；图像级标签最便宜，适合撑起数据多样性。配比得当，总预算不变，Dice 最高。

把好钢用在刀刃上，探险队用最少的测绘费挖到了绝大部分宝藏。弱监督分割的工程哲学，正是这样一笔精打细算的成本账。

AI 应用场景

Python 演示

import numpy as np def simulate_lesion(size=64, seed=42):    """生成一个模拟病灶高斯斑块，作为真实分割目标."""    rng = np.random.RandomState(seed)    cx = rng.uniform(size * 0.3, size * 0.7)    cy = rng.uniform(size * 0.3, size * 0.7)    sigma = rng.uniform(size * 0.06, size * 0.12)    xx, yy = np.meshgrid(np.arange(size), np.arange(size))    gt = np.exp(-((xx - cx) ** 2 + (yy - cy) ** 2) / (2 * sigma ** 2))    return (gt > 0.4).astype(np.int32) def draw_scribble(gt, radius=2):    """医生随手在病灶中心画一个十字涂鸦."""    ys, xs = np.where(gt == 1)    cx = int(round(xs.mean()))    cy = int(round(ys.mean()))    s = np.zeros_like(gt)    s[cy - radius:cy + radius + 1, cx] = 1    s[cy, cx - radius:cx + radius + 1] = 1    return s def distance_to_scribble(scribble):    """计算每个像素到涂鸦的最短距离（区域扩散的雏形）."""    ys, xs = np.where(scribble == 1)    xx, yy = np.meshgrid(np.arange(scribble.shape[1]),                         np.arange(scribble.shape[0]))    best = np.full(scribble.shape, np.inf)    for sx, sy in zip(xs, ys):        best = np.minimum(best, (xx - sx) ** 2 + (yy - sy) ** 2)    return np.sqrt(best) def refine_pseudo_labels(dmap, gt, threshold=9.0):    """伪标签迭代：距离扩散->高斯拟合->二次预测，逐步逼近真实形状."""    pseudo = (dmap < threshold).astype(np.int32)    for _ in range(3):        ys, xs = np.where(pseudo == 1)        if len(xs) < 5:            break        mean = np.array([ys.mean(), xs.mean()])        cov = np.cov(np.stack([ys, xs])) + np.eye(2) * 1e-3        inv_cov = np.linalg.inv(cov)        xx, yy = np.meshgrid(np.arange(gt.shape[1]), np.arange(gt.shape[0]))        diff = np.stack([yy - mean[0], xx - mean[1]], axis=-1)        mahal = np.einsum("...i,ij,...j->...", diff, inv_cov, diff)        pseudo = (mahal < 4.5).astype(np.int32)    return pseudo def dice(a, b):    """Dice 相似系数：两区域重叠程度."""    inter = np.sum((a == 1) & (b == 1))    return 2.0 * inter / (np.sum(a == 1) + np.sum(b == 1) + 1e-8) if __name__ == "__main__":    gt = simulate_lesion()    scribble = draw_scribble(gt)    dmap = distance_to_scribble(scribble)    pseudo = refine_pseudo_labels(dmap, gt)    print("涂鸦初始 Dice: %.3f" % dice(scribble, gt))    print("迭代伪标签 Dice: %.3f" % dice(pseudo, gt))    print("需要人工修正的像素占比: %.1f%%" %          (100.0 * np.sum((scribble == 0) & (gt == 1)) / gt.size))

1. gt = simulate_lesion()生成一个模拟病灶作为“真实藏宝图”，供后续计算 Dice 评估精度。
2. s = np.zeros_like(gt)创建一张空白涂鸦画布，相当于医生还没下笔时的地图。
3. best = np.minimum(best, (xx - sx) ** 2 + (yy - sy) ** 2)计算每个像素到涂鸦的最近距离，这是从涂鸦“扩散出去”的第一铲。
4. cov = np.cov(np.stack([ys, xs])) + np.eye(2) * 1e-3对当前伪标签作二维高斯拟合，估计病灶的大致形状和朝向。
5. mahal = np.einsum("...i,ij,...j->...", diff, inv_cov, diff)马氏距离，衡量每个像素相对当前病灶形状模型的偏离程度。
6. pseudo = (mahal < 4.5).astype(np.int32)生成新一轮伪标签：离拟合形状中心近才认为是病灶，越迭代越接近真实形状。
7. dice = 2.0 * inter / (np.sum(a == 1) + np.sum(b == 1) + 1e-8)直接实现 Dice 公式，评估伪标签与真实分割的重合度。

常见误区

面试题