AI 医学影像辅助诊断算法工程师考试试卷及答案

AI医学影像辅助诊断算法工程师考试试卷及答案AI医学影像辅助诊断算法工程师考试试卷一、填空题（每题1分，共10分）1.医学影像最常用的数字化标准格式是______。2.医学影像分割经典CNN模型是______（U开头）。3.医学影像标注常用开源工具是______（Label开头）。4.衡量模型区分能力的分类指标是______（AUC开头）。5.处理类别不平衡的损失函数是______（Focal开头）。6.无电离辐射的医学影像模态是______（MRI）。7.医学影像配准开源库是______（SimpleITK）。8.CNN提取特征的基本操作是______。9.医学影像数据增强常用方法包括旋转、翻转和______（缩放）。10.AI医学影像算法的核心伦理要求是______（患者隐私保护）。二、单项选择题（每题2分，共20分）1.以下无电离辐射的医学影像模态是？A.CTB.MRIC.X线D.PET答案：B2.U-Net的核心改进是引入？A.残差连接B.注意力机制C.跳跃连接D.批量归一化答案：C3.评估小病灶分割效果的最优指标是？A.准确率B.召回率C.精确率D.Dice系数答案：D4.专门针对医学影像AI的开源框架是？A.TensorFlowB.PyTorchC.MONAID.Keras答案：C5.窗宽窗位调整的目的是？A.去噪B.增强组织对比度C.标准化D.裁剪答案：B6.无监督医学影像异常检测算法是？A.自编码器B.CNN分类C.分割网络D.目标检测答案：A7.DICOM中标识患者身份的字段是？A.PatientIDB.StudyDateC.ModalityD.SeriesNumber答案：A8.算法外部验证指？A.同一数据集划分B.不同医院数据验证C.交叉验证D.数据增强验证答案：B9.衡量模型预测一致性的指标是？A.Kappa系数B.AUC-ROCC.F1分数D.准确率答案：A10.医学影像“语义标注”指？A.仅标记病灶位置B.标记位置+类别C.像素级类别D.标记序列答案：B三、多项选择题（每题2分，共20分）1.医学影像AI开发流程包括？A.数据采集B.数据标注C.模型训练D.临床验证答案：ABCD2.医学影像预处理方法有？A.窗宽窗位调整B.标准化C.去噪D.数据增强答案：ABCD3.分割评价指标包括？A.Dice系数B.IoUC.准确率D.召回率答案：ABD4.算法伦理要求包括？A.隐私保护B.透明可解释C.临床验证D.bias控制答案：ABCD5.医学影像模态包括？A.CTB.MRIC.USD.PET答案：ABCD6.目标检测算法有？A.YOLOB.FasterR-CNNC.U-NetD.MaskR-CNN答案：ABD7.类别不平衡解决方法有？A.FocalLossB.过采样C.欠采样D.权重调整答案：ABCD8.算法临床应用前步骤有？A.伦理审查B.注册审批C.多中心验证D.性能测试答案：ABCD9.CNN特征提取层包括？A.卷积层B.池化层C.全连接层D.激活层答案：ABD10.配准应用场景有？A.多模态融合B.病灶跟踪C.手术导航D.放疗计划答案：ABCD四、判断题（每题2分，共20分）1.MRI产生电离辐射。（×）2.U-Net仅适用于分割。（×）3.DICOM支持元数据存储。（√）4.算法训练无需考虑隐私。（×）5.自编码器可用于去噪。（√）6.窗宽窗位不改变原始像素值。（√）7.外部验证泛化能力更强。（√）8.标注仅需临床医生参与。（×）9.Kappa系数越高一致性越好。（√）10.MONAI针对医学影像AI。（√）五、简答题（每题5分，共20分）1.简述医学影像标注注意事项答案：①专业性：临床医生主导，确保标注类别（病灶类型/部位）符合诊断标准；②一致性：统一标注规则（边界/阳性判断），减少主观差异；③隐私性：去标识化（去除PatientID），符合隐私法规；④质量控制：定期抽查，用工具审核像素/语义标注；⑤范围明确：清晰界定标注对象（可见/潜在病灶），避免遗漏。2.类别不平衡的影响及解决方法答案：影响：模型偏向多数类，少数类（罕见病灶）预测差。方法：①数据层：过采样（SMOTE）、欠采样；②模型层：FocalLoss、加权交叉熵；③集成学习：融合多子模型结果；④评估层：用Dice、召回率替代准确率。3.临床验证核心步骤答案：①数据：多中心外部数据集，确保多样性；②性能：计算AUC-ROC、Dice，对比医生诊断；③实用性：评估辅助决策价值（漏诊率/诊断时间）；④安全：检测假阳/假阴的临床影响；⑤合规：伦理审查、注册审批。4.多模态融合的优势及方法答案：优势：整合互补信息（CT密度+MRI软组织对比），提升诊断准确性。方法：①像素级：加权融合对齐影像；②特征级：CNN提取特征后拼接/注意力融合；③决策级：各模态模型独立预测后投票；④深度学习：双分支CNN融合多模态。六、讨论题（每题5分，共10分）1.AI医学影像可解释性的重要性及挑战答案：重要性：①临床信任：医生理解决策依据，避免黑箱；②合规：监管要求可解释，确保安全；③错误排查：明确误判原因，优化模型。挑战：①影像复杂：3D/多模态特征交互难可视化；②模型黑箱：深度学习内部机制不透明；③临床绑定：需结合医学知识解释（如“像素代表钙化灶”）；④平衡性能：可解释方法可能降低精度。2.罕见病诊断AI的难点及思路答案：难点：①数据稀缺：罕见病例少，泛化差；②标注难：病灶不典