医学影像 AI 辅助诊断工程师考试试卷及答案

医学影像AI辅助诊断工程师考试试卷及答案一、填空题（每题1分，共10分）1.医学影像常用标准格式是______。2.卷积神经网络中提取特征的核心层是______层。3.医学影像分割常用评价指标包括Dice系数和______。4.医学影像预处理常用操作包括归一化和______。5.模型训练常用优化器包括Adam和______。6.检测医学影像中病变的任务称为______。7.处理序列医学影像（如CT增强）常用模型是______。8.医学影像数据增强常用方法包括旋转和______。9.模型部署常用框架包括TensorRT和______。10.区分CT图像组织密度的参数是______。二、单项选择题（每题2分，共20分）1.常用于医学影像分割的模型是？A.ResNetB.U-NetC.BERTD.GPT2.CT图像HU值范围通常是？A.-1000~1000B.0~255C.-2000~2000D.0~10003.二分类分割常用损失函数是？A.MSEB.Cross-EntropyC.DiceLossD.MAE4.避免过拟合的方法不包括？A.早停B.数据增强C.增加模型复杂度D.正则化5.用于医学影像标注的工具是？A.LabelImgB.PyTorchC.TensorFlowD.OpenCV6.MRI图像特点不包括？A.无辐射B.多序列成像C.软组织分辨率高D.成像速度最快7.Transformer在医学影像中的应用模型是？A.ViTB.VGGC.InceptionD.MobileNet8.常用的交叉验证方法是？A.K折交叉验证B.留一法C.随机验证D.以上都是9.属于医学影像AI临床应用的是？A.肺结节检测B.图像压缩C.格式转换D.噪声去除10.模型部署不考虑的核心问题是？A.推理速度B.准确率C.模型大小D.训练时间三、多项选择题（每题2分，共20分）1.医学影像AI常用数据集包括？A.LIDC-IDRIB.ChestX-ray14C.ImageNetD.MNIST2.医学影像预处理步骤包括？A.窗宽窗位调整B.去噪C.归一化D.标注3.医学影像分割类型包括？A.语义分割B.实例分割C.全景分割D.分类4.模型训练常用框架包括？A.PyTorchB.TensorFlowC.KerasD.Scikit-learn5.数据增强方法包括？A.旋转B.翻转C.缩放D.颜色抖动6.常见医学影像模态包括？A.CTB.MRIC.X线D.超声7.医学影像AI评价指标包括？A.准确率B.召回率C.F1值D.AUC8.模型部署方式包括？A.本地部署B.云端部署C.边缘部署D.离线部署9.病变检测任务包括？A.肺结节检测B.脑肿瘤分割C.眼底病变检测D.图像配准10.正则化方法包括？A.L1正则化B.L2正则化C.DropoutD.早停四、判断题（每题2分，共20分）1.DICOM格式仅含图像数据，不含患者信息。（×）2.U-Net含编码器-解码器+跳跃连接结构。（√）3.数据量越大，模型效果一定越好。（×）4.CT图像HU值越高，组织密度越大。（√）5.BERT常用于医学影像分类。（×）6.LabelImg可标注目标检测的boundingbox。（√）7.TensorRT可加速模型推理速度。（√）8.MRI对钙化灶显示优于CT。（×）9.Dice系数越接近1，分割效果越好。（√）10.验证集用于调整模型参数。（×）五、简答题（每题5分，共20分）1.简述医学影像AI中数据增强的作用及常用方法。答案：数据增强通过变换现有影像生成有效样本，解决数据不足、过拟合问题。作用：①扩充数据集，提升泛化能力；②增强对变换的鲁棒性。常用方法：①几何变换（旋转、翻转、缩放）；②强度变换（调整窗宽窗位、对比度）；③像素变换（去噪、模糊）。需注意避免生成不符合临床实际的样本（如肺结节旋转后位置异常）。2.简述U-Net在医学影像分割中的优势。答案：U-Net为编码器-解码器对称结构，带跳跃连接。优势：①适合小样本训练（数据增强配合效果好）；②保留精细结构（跳跃连接传递细节）；③适配不同模态影像（CT、MRI等）；④结构简单，训练速度快，广泛用于肺结节、脑肿瘤分割。3.简述医学影像AI模型临床验证的关键步骤。答案：①数据准备：多中心独立数据集（避免偏倚）；②评价指标：结合临床需求（如肺结节召回率、分割Dice系数）；③专家评估：对比金标准（病理、专家标注）；④伦理审查：去标识化、符合法规；⑤性能稳定性：测试不同设备/人群表现；⑥不良事件监测：记录错误并分析。4.简述医学影像AI模型部署的核心挑战及解决思路。答案：挑战：①推理速度慢（高分辨率影像）；②模型大（占用资源多）；③兼容性差（医院系统接口不统一）；④鲁棒性不足（数据变异大）。解决思路：①模型压缩（量化、剪枝）；②专用硬件（GPU、FPGA加速）；③标准化接口（DICOM、HL7）；④多中心训练提升泛化。六、讨论题（每题5分，共10分）1.讨论医学影像AI中“数据隐私与模型性能”的平衡。答案：隐私需符合HIPAA等法规，性能需足够数据支撑。平衡策略：①隐私保护：去标识化、差分隐私、联邦学习（多中心联合训练不共享数据）；②性能提升：数据增强弥补不足，多中心数据减少偏倚；③注意：隐私保护不能牺牲临床有效性，需二者兼顾推动落地。2.讨论医学影像AI模型泛化能力不足的原因及改进方法。答案：原因：①数据偏倚（单一中心/设备）；②过度拟合；③影像变异大（体位、设备参数）。改进方法：①多中心数据采集；②针对性数据增强（模拟临床变异）；③迁移学习（预训练模型）；④对抗训练提升鲁棒性；⑤临床反馈迭代优化。需经多中心验证确认泛化能力。答案汇总一、填空题1.DICOM2.卷积3.IoU（交并比）4.去噪（窗宽窗位调整）5.SGD6.目标检测7.LSTM（Transformer）8.翻转（缩放）9.ONNXRuntime10.HU值二、单项选择题1.B2.A3.C4.C5.A6.