人工智能训练师（医疗影像方向）岗位招聘考试试卷及答案

人工智能训练师（医疗影像方向）岗位招聘考试试卷及答案一、填空题（10题，每题1分）1.医疗影像AI训练中，最常用的标注类型包括______、语义分割、实例分割和关键点标注。2.DICOM格式全称为______。3.用于3D医疗影像（如CT/MRI）的卷积神经网络类型是______。4.欧盟针对医疗数据隐私的核心法规是______。5.医疗影像标注中，确保标注一致性的常用方法是______。6.医疗影像分割任务中，衡量精准度的核心指标是Dice系数和______。7.多模态融合的三个层次包括像素层、______和决策层。8.医疗影像预处理中，调整图像显示范围的操作是______。9.训练AI模型时需避免的核心问题是过拟合和______。10.医疗影像AI临床验证的核心要求是______、大样本、临床专家参与。二、单项选择题（10题，每题2分）1.以下不属于医疗影像模态的是？A.CTB.MRIC.PETD.PDF答案：D2.DICOM文件的核心作用是？A.存储影像及元数据B.压缩数据C.标注影像D.模型推理答案：A3.病变区域检测更适合用哪个指标？A.准确率B.灵敏度C.特异度D.均方误差答案：B4.医疗影像常用标注工具是？A.LabelImgB.PhotoshopC.WordD.Excel答案：A5.医疗数据在GDPR中属于？A.公开数据B.敏感个人数据C.匿名数据D.通用数据答案：B6.3DCNN与2DCNN的核心区别是？A.处理维度不同B.卷积核大小不同C.激活函数不同D.训练速度不同答案：A7.模型部署前需完成的核心步骤是？A.临床验证B.增加训练数据C.更换模型D.降低精度答案：A8.以下哪种适用于医疗影像数据增强？A.随机翻转B.随机缩放C.窗宽窗位调整D.以上都是答案：D9.标注数据的核心要求是？A.数量多B.质量高C.速度快D.格式统一答案：B10.特征层融合的优势是？A.保留模态独特特征B.计算简单C.无需预处理D.适合所有模态答案：A三、多项选择题（10题，每题2分，多选少选不得分）1.医疗影像AI训练核心步骤包括？A.数据采集B.预处理C.标注D.模型训练验证答案：ABCD2.医疗影像标注类型有？A.边界框标注B.语义分割C.实例分割D.关键点标注答案：ABCD3.医疗数据隐私保护技术有？A.匿名化B.去标识化C.联邦学习D.差分隐私答案：ABCD4.CNN核心组件包括？A.卷积层B.池化层C.全连接层D.激活函数答案：ABCD5.多模态医疗影像模态有？A.CTB.MRIC.PETD.超声答案：ABCD6.模型评估常用指标有？A.Dice系数B.IoUC.灵敏度D.特异度答案：ABCD7.医疗影像预处理操作包括？A.去噪B.标准化C.重采样D.窗宽窗位调整答案：ABCD8.标注人员要求有？A.医学背景B.熟悉标注工具C.了解AI需求D.掌握隐私法规答案：ABCD9.临床验证类型包括？A.离体验证B.离体+在体验证C.多中心验证D.单中心验证答案：ABC10.数据增强的作用有？A.提升泛化性B.增加数据量C.避免过拟合D.降低标注成本答案：ABCD四、判断题（10题，每题2分，√正确×错误）1.DICOM是唯一的医疗影像存储格式。（×）2.语义分割输出每个像素的类别标签。（√）3.GDPR不涉及医疗数据保护。（×）4.3DCNN不能处理动态医疗影像。（×）5.标注数据越多模型性能越好。（×）6.多模态融合只能在特征层进行。（×）7.模型评估只需关注准确率。（×）8.医疗影像AI训练无需临床专家参与。（×）9.DICOM文件可包含患者隐私信息。（√）10.数据增强仅适用于训练集。（√）五、简答题（4题，每题5分，约200字）1.医疗影像标注质量控制要点？答案：核心要点包括：①标注人员需具备医学背景（如放射科医师），熟悉影像解剖；②制定统一标注指南（病变边界、标签命名等）；③采用双盲标注+交叉验证，计算标注者间一致性（如IoU），低于阈值重标；④临床专家抽样审核标注数据，剔除错误；⑤使用专业工具（LabelImg、3DSlicer）确保精度；⑥留存标注记录（时间、修改历史）便于追溯。2.CNN肺结节检测核心流程？答案：①预处理：CT影像重采样（统一体素）、肺窗调整、去噪；②标注：结节边界框/分割标注，区分良恶性；③模型：3DCNN（U-Net、ResNet）提取特征，加注意力机制聚焦病变；④训练：划分数据集，用Dice系数/灵敏度做损失，数据增强避免过拟合；⑤验证：多中心数据验证，评估召回率、假阳性率；⑥部署：轻量化后辅助医师初筛。3.医疗数据合规性要求？答案：①来源合规：需患者知情同意或伦理审查，不得用未经授权数据；②隐私保护：匿名化/去标识化，符合GDPR、HIPAA；③质量：标注经临床专家审核；④存储：加密存储、权限控制；⑤伦理：项目通过伦理委员会审查；⑥共享：仅共享匿名化数据用于科研训练。4.多模态融合方法及场景？答案：①像素层融合：对齐像素后融合（CT+MRI），适用于配准准确场景；②特征层融合：提取各模态特征拼接（CNN提取CT/MRI特征），适用于肿瘤分期等需保留独特特征的诊断；③决策层融合：模型输出加权（CT+MRI模型结果），适用于模态差异大场景（PET+超声）；场景：肿瘤诊断（CT+PET）、脑疾病（MRI+fMRI）等。六、讨论题（2题，每题5分，约200字）1.如何平衡模型性能与数据隐私？答案：①隐私技术：联邦学习（本地训练传参数）、差分隐私（加噪声）、匿名化；②规范使用：仅用经知情同意的匿名化数据，限制访问权限；③模型轻量化：保证性能下轻量化，减少原始数据依赖；④联合训练：多中心协同（数据不共享）提升泛化性；⑤法规遵循：定期隐私审计，符合GDPR等。技术+管理结合，兼顾性能与隐私。2.降低标注成本的可行方案？答案：①半监督学习：少量标注+大量未标注数