周四晚七点，七楼工作间。

陆远洲把笔记本电脑接上投影仪，两组数据的扫描参数对比表打在大屏上。林小禾坐在旁边，脸上还带着前两天实验失败后的沮丧。

“先说结论。”陆远洲拿起白板笔，“模型没问题，你的算法没问题。”

林小禾抬头看他。

“问题出在数据源头。”

陆远洲指着屏幕上的对比表，一行往下点。

“层厚，本院1。25毫米，协和0。625毫米。重建核，本院标准核，协和骨算法核。造影剂注射速度，3对4。”

他顿了一下。

“打个比方。你用尼康相机拍了一组照片训练人工智能认猫，效果很好。然后换了台索尼相机拍的照片去验证，色温不一样，白平衡不一样，锐化方式不一样。人工智能看见的不是猫变了，是整张照片的底色变了。”

林小禾眼神一亮。

“所以纹理特征里混的是设备噪声？”

“对。模型学到的“规律”里，有一大块其实是本院那台西门子ct的出厂指纹。换了台机器，指纹对不上，自然就瞎了。”

林小禾往后一靠，长出一口气。

他这两天一直在怀疑是自己特征筛选做得太烂。现在知道不是算法的锅，整个人顿时轻松了不少。但紧接着，新的问题来了。

“那怎么办？总不能让协和换一台跟咱们一模一样的ct重扫吧。”

“当然不能。”

陆远洲转身面对白板，唰画了一个流程图。

“解决思路：在特征提取之前，加一个标准化预处理模块。”

他在图上标了三个方块。

“第一步，灰度直方图匹配。把两家医院的灰度值分布强制校准到同一个参考区间。”

“第二步，纹理特征z值标准化。每一维特征按自身样本的均值和标准差做归一化，消除绝对数值差异。”

“第三步”他用笔重点了一下，“这是核心。用正常肝实质作为内部参考。”

林小禾往前探了半个身子。

“什么意思？”

“每个患者的ct片上都有正常肝组织。这部分组织在不同设备上拍出来灰度值不一样，但它本身的生物学性质是一样的都是正常肝。”

他在白板上画了两条直线。

“用正常组织的特征值作为基线，算偏移量，然后把肿瘤区域的特征值做等量校正。相当于每张片子自带了一个校准尺。”

林小禾盯着白板看了十几秒。

然后他站起来，走到白板前面，用手指沿着流程图从头到尾划了一遍。

“可以。逻辑上说得通了。”

他转过身，搓了搓手。

“但工作量不小。图像配准得重写，统计变换那块要新建模块，还得做质控检验防止校准过程引入新误差……”

他闭着眼算了几秒。

“最快三周。”

陆远洲在心中盘算了一下时间。

现在八月初。全国年会十月底。何老那边推荐青年优秀论文需要完整数据做支撑。

三周完成标准化模块。一周重跑外部验证。一周整理结果写报告。

九月中旬出结论。

时间紧，但卡得住。

“行。即日启动。”