跟骨骨折自动分块的零增益实验与失效机制：历史资产复用、固定规则评价及参数审计

摘要

目的：解释既有跟骨骨折数据与标注已能复用的条件下，局部同实例关系学习为何未能改善自动分块，并建立可审计的原因分析。方法：复用4例CT及42个经来源、体素和空间核验的历史工程师骨块，固定旧基线F0、前轮候选N8和本轮候选N10。使用13项局部CT特征，按病例轮流留出训练4个ExtraTrees分类器；在N8邻接图上执行预先固定的单轮两两合并。以IoU≥0.5的一对一对象匹配和逐例不退化条件评价；冻结结果后进行参考标注辅助的逐边合并诊断及实际模型参数审计。结果：139条候选接口均未达到P10≥0.95，接受合并0次，N10与N8的分块和对象指标一致。N8及N10在两例中的对象F1低于F0，整体未通过原准入条件。某例最高分的3条合并分别导致已有正确匹配丢失；另一例存在4条可增加匹配的单次合并机会，但有1个参考骨块的当前前景覆盖仅40.80%，超出了固定前景合并操作的能力。参数审计另确认max_features实际为整数1。结论：本轮零增益的直接原因是没有合并满足固定条件；其背后同时存在对象级排序不足、候选操作覆盖有限、样本结构不均及参数语义需要复核等问题。现有证据不能量化这些因素各自的因果贡献，也不能推出该方法类别普遍无效。

关键词：跟骨骨折；实例分割；局部亲和度；负结果；历史资产复用；参数审计；医工协同

一、研究背景与问题界定

跟骨自动重建、骨折块实例分离和骨块复位解决的是不同问题。重建需要形成可信的骨性前景；实例分离需要确定哪些体素属于同一骨块；复位则基于已有骨块求解空间位置。既有CalcAI复位引擎能够复用，并不意味着从原始CT自动生成独立骨折块的问题已经解决。本轮研究对象是自动分块中的局部合并候选，不评价复位引擎的临床准确性。

学习相邻体素之间的亲和关系，再以图划分或区域聚合形成实例，已有方法学基础。早期相关研究主要针对电镜神经结构，其有效性不能直接外推到骨折CT。^[1] 本文采用便于审计的小型树模型，检验现有局部特征能否支持受约束的合并决策，而不是提出新的通用分割网络。

研究的实际问题有两层：第一，历史标注和模型是否已被正确接回当前流程；第二，接回后新增算法是否带来可验证的收益。前者是资产与工程连续性问题，后者是算法问题，二者需要分别给出证据。

二、材料、资产核验与研究设计

本轮沿用既有研发资料中的4例CT，记为T7_001至T7_004，共42个历史工程师骨块。前轮资产核验完成原始来源哈希对应、历史Mask与原生体素比对，以及物理坐标一致性检查；本轮直接复用这些已核实资料，不重新生成参考标签。这里的参考是历史工程师标注，不等同于本轮独立医生裁定的解剖金标准。

另对既有86例、1195个实例的资产登记进行清点，其中78例具备来源ZIP哈希与体素数量相对应的记录，且存在原生体积文件和既有几何证据文件。78例属于元数据与文件存在性核对结果，不能写成78例均已完成本轮逐体素验证，更不能计入本轮训练病例数。该清点的用途是确定后续可复用资料的范围。

比较对象为F0旧基线、N8冻结候选及以N8为输入的N10局部合并候选。四次训练中，每次使用其他3例的标签构建关系模型，并预测被留出病例；本例参考标签不进入对应模型的训练及推断输入。四例此前均参与过研发，上游分割和候选生成未作完整嵌套隔离，因此本设计只构成本轮关系模型的病例级留出复测，不是整个流水线的独立外部验证。

病例数为4，接口、体素对和骨块均嵌套在病例内。本文逐例报告描述性结果，不把大量体素对当作大量独立患者，不报告未经支持的显著性、置信区间或临床泛化准确率。医学影像分析中的数据划分和可复现性问题需在研究设计阶段处理。^[5]

三、方法：局部关系学习与固定合并规则

训练标签来自原生网格的六邻接体素对。仅当两个端点都有明确、非重叠的历史实例身份时使用：同一实例记为1，不同实例记为0；背景、未知区与重叠标签65535均排除。此规则避免把未标注区域误当成可靠负例，但也限制了模型能看到的负例类型。

输入仅包含局部CT信息：裁剪至−1000至3000的HU、0.6 mm与1.5 mm尺度平滑值、局部标准差、物理梯度及邻接步长，共13项对称特征。每例每类最多抽取12000对。采用ExtraTreesClassifier，256棵树、最大深度14、最小叶样本数12、随机种子20261007、4个CPU线程；未设置类别权重，未进行新的神经网络训练。^[2]

实际运行库为scikit-learn 1.9.0。保存协议中的max_features为整数1；再次加载4个已训练模型，均确认输入维数为13、树的max_features_为1。该参数把每次分裂的候选特征数配置为1，不是浮点数1.0所表达的全部特征比例；实现可能为寻找有效划分而检查更多特征。^[3] 本文按实际运行值报告，不将其改写为另一种配置。

推断仅使用CT特征及N8候选邻接图。对每条接口按物理接触面积加权计算同实例预测分数的第10百分位数P10；筛选条件同时包括P10≥0.95、至少16个接触面、接触面积≥2 mm²。接口特征按方向分层抽样，预算参数为2048个面。通过筛选后，节点按P10、接触面积及编号确定优先邻居，仅接受互为优先的互不重叠两两合并，且只执行一轮。

本轮不改变骨性前景、不删除小对象、不重采样、不做迭代合并链，也不提供拆分或漏检恢复操作。P10是模型输出分数的面积加权分位数；0.95是本实验固定的筛选参数，不表示经过校准的95%正确率、统计置信度或临床安全概率。

四、评价指标、准入条件与复核

采用既有冻结评价代码，在全部对象上以IoU≥0.5实施一对一匹配。令TP为匹配数，P为预测对象数，R为参考对象数，则FP=P−TP、FN=R−TP，对象F1=2TP/(P+R)。同时保留前景与界面检查结果，避免以单一总体重叠值概括所有实例错误。指标应与具体任务及错误类型对应。^[4]

原有准入条件保持不变：每例保留F0已匹配的参考对象；每例F1不低于F0；至少一例有严格收益。另单独检查相对N8的新增收益，防止把上一轮改善记为本轮成绩。

四份模型和输出先冻结，再运行参考评价。复核进程重新加载模型、重算合并规则并逐体素重建输出，检查空间一致性、前景保留与小对象保留；原基线指标重算一致。文件访问记录用于核对留出病例训练数据未被对应模型读取。上述程序性检查证明结果可复现和受约束，不等于证明预测解剖正确。

五、结果：139条接口，0次合并，0新增收益

四例候选接口分别为3、42、61和33条，合计139条。各例接口P10最大值依次为0.6659、0.7129、0.8296、0.9098，均小于固定阈值0.95，因此没有接口进入后续合并选择，四例输出与N8一致。

T7_001相对F0的提升来自N8，不能计为N10新增收益。T7_002和T7_003匹配数没有增加，但预测对象数分别由21增至23、28增至30，对象F1因此下降。即使某些前景或界面指标改善，也未改变逐例准入失败的结论。N10没有替换正式平台的既有版本。

六、原因分析之一：固定门槛解释零动作，不能解释排序为何失效

候选冻结后，对当前图中每条接口分别模拟一次合并，并用参考标注重新评价；这些是参考辅助诊断，不是自动算法实际输出，也不反馈修改本轮候选。T7_002评分最高的3条接口P10约为0.713、0.707和0.701，各自单独合并都会丢失1个原有正确匹配。该观察说明当前排序尚不能可靠保护已匹配对象，不能把“没有执行合并”仅解释为阈值过严。

T7_003存在4条单次合并可增加匹配且不损失旧匹配的诊断机会，对应P10约为0.602至0.689，未被固定规则接受。其中两条指向同一参考骨块；4条机会不能相加为4个可同时恢复的独立骨块。这说明有益机会确实存在，但当前评分与执行规则没有将其转化为收益。

上述证据不证明所有较低阈值都必然更差，也未给出最优阈值。它支持的结论是：直接下调门槛不能替代对象级收益识别、错误代价分析和独立校准。局部体素同实例分数与“合并两个完整对象后是否改善”并非同一目标。

七、原因分析之二：只有合并，无法补回缺失前景

T7_003中参考骨块AP_02在当前候选前景中的覆盖比例仅为0.4080。设固定前景为F、参考骨块为R、任意合并后对象为P，则P包含于F；由此可得IoU(P,R)=|P∩R|/|P∪R|≤|F∩R|/|R|=0.4080＜0.5。

这一上界不依赖合并评分或阈值。只要禁止增加前景，无论如何组合现有对象，该参考骨块都无法达到本实验的IoU匹配门槛。因此，这部分问题需要回到前景恢复或上游分割，而不能继续靠合并参数补救。该推导以当前历史参考为条件，不是对真实解剖误差的独立测量。

T7_002和T7_004的当前图中，逐条单独合并也没有新增匹配机会。此结果只限制“当前图上的单边合并”，不排除多步操作或其他候选能改善；但它提示下一轮必须评估局部拆分、边界修正和漏检恢复，而不应把候选空间长期限定为合并。

八、原因分析之三：病例少、边界不均，且参数语义影响实验解释

样本结构不是均匀的。T7_001没有符合当前取样定义的跨实例直接邻接负例；这不表示该病例不存在骨折或边界，只表示标签、六邻接和有效性筛选共同决定的可用样本为0。四例抽样后同实例对各12000个，跨实例对分别为0、2665、1512和12000个。

在留出T7_004时，训练集只有4177个跨实例负例与36000个同实例正例；其他折的负例数量更高。类别比例和边界来源随折变化，空间相邻体素又高度相关。大量体素对无法补足病例与骨折形态的多样性，且本轮未实施概率校准或病例/边界均衡加权。

由取样规则可以推断：模型主要学习已标注实例内部及直接接触的边界，未明确覆盖骨折间隙、未知区和候选错误粘连的全部类型。这种训练关系与实际候选错误分布的差异，是合理的失效假设；但本轮没有对分布差异进行独立定量检验，不能写成已证实的唯一根因。

发布前新增的参数审计同样需要如实纳入：整数1与浮点数1.0在max_features中代表不同含义，数字看似接近，模型配置并不等价。^[3] 本轮采用了整数1所定义的设置；尚未运行其他特征采样设置的受控消融，因此不能断言改为全部13项特征后即可通过准入。冻结、哈希和推理回放能够证明“同一配置被重复执行”，不能替代对参数语义与设计意图的核对。

九、讨论：把无收益结果转化为可执行研究问题

首先要区分几种收益。来源、体素与坐标核验使历史骨块重新成为可调用资产，是工程收益；对象匹配改善是算法收益；手术规划更可靠、工程师修订时间减少或临床结局改善，则需要另行验证。本轮完成了关系模型实验及失效定位，没有获得新增分块精度收益，更未测量后两类效益。

其次，F1的数值改善也需解释机制。若合并后TP不变而P减少，F1可因分母下降而上升。这是指标定义下的变化，可能对应减少冗余对象，但不自动证明恢复了新的正确骨块，更不等价于解剖或临床收益。因此后续需同时报告新增匹配、丢失匹配、前景覆盖、对象数与局部边界错误，而不只追求一个总分。^[4]

本研究的价值是缩小不确定性：固定门槛导致零动作已得到直接验证；最高分合并可能丢失匹配有具体反例；固定前景对部分漏检存在数学上界；类别与边界样本不均、实际参数类型也已被审计。至于扩大病例、补充上下文、改变特征采样或采用其他模型各能贡献多少改善，仍需新的受控实验。

十、后续研究设计：沿用既有资产，分别检验假设

第一步，对78例元数据对应资料优先复用既有验证器，补齐来源、体素和空间核验，记录缺失、冲突与失败病例。以病例为分组单位建立开发、校准与最终评估集合；重复序列、同患者资料及衍生数据不得跨组泄漏。未经逐体素核验的记录不自动升级为可训练参考。

第二步，独立开展参数语义与模型容量消融。显式记录参数值及类型，并核对已训练模型的实际属性；比较不同特征采样设置时保持数据划分与评价条件一致。本轮原模型和失败记录保留，后续结果不得回填或覆盖本轮结论。

第三步，围绕错误类型扩充局部候选，分别处理过切分、错误粘连和前景缺失；学习候选前后对象级收益与损失，补充高分有害、低分有益及保持不变的训练例。现有R9表示、历史Mask和工程师修订可作为待评估的复用来源，其有效性仍需验证。

第四步，在未参与方案选择的病例上评价完整链路，继续保留原准入要求，并将工程师复核时间、修改量及交付一致性列为另行预先定义的应用终点。以上是后续研究设计，本稿不声称这些训练、独立验证或应用测量已经完成。

十一、局限、数据说明与透明性声明

本研究仅4例，且均有历史研发暴露；参考来自历史工程师标注，缺少本轮独立临床解剖裁定。模型只利用局部CT特征、仅有一次固定配置实验，既未开展参数消融，也未比较代表性外部方法，不能据此评价亲和度学习或ExtraTrees在该领域的一般有效性。

逐边诊断使用了参考标签，属于事后错误分析，可能引导后续研发；这些病例不能继续被包装为未见测试集。单边诊断结果不能简单相加，分块F1也不能替代复位精度、可打印性或临床疗效。本文未研究后者。

本文为子殷科技官网研究报告，未经学术期刊同行评审。研究沿用既有研发数据；公开内容仅含去标识化代号、汇总数值与方法图，不发布CT、Mask、模型权重、患者身份或访问凭据。本文不声明已取得尚未核验的临床研究伦理批件；如开展临床研究或期刊投稿，应依研究性质另行核实数据授权、伦理审批或豁免及必要的独立复核。

分析依据为N9资产核验记录、N10冻结协议、模型与输出清单、既有评价结果、冻结后诊断以及2026年10月7日实际模型参数核对。AI工具参与代码核对、数据整理和文字起草；AI辅助不等同于独立临床审查。报告来自平台研发方，存在自身系统评价的潜在利益关联，未宣称第三方独立验证。

十二、结论

复用历史资产是持续研发的必要基础，但资产可用不保证新算法有效。本轮固定局部关系模型未产生新增分块收益；证据显示，单纯降低合并门槛不足以解决对象级排序、缺失前景和候选操作受限的问题。样本结构与参数语义需纳入下一轮受控验证。保留原系统和失败证据、明确哪些事实已证实与哪些原因仍待检验，比把零收益包装成性能突破更有助于平台建设。