医学数据评测
腹部作业 AI 辅助评分
围绕腹部作业扫描件，试做成绩识别和 AI 建议评分，帮老师整理和复核。
目前做到哪使用 268 张匿名化图像完成评分实验
面试可讲解方法
- 需求Anamnesis
- 我把任务拆成两条流程：OCR 读取老师已经写下的成绩，评分模型根据作业图像给出建议分。
- 我做了什么Opus
- 我参与匿名化资料整理、结果核对和易错样本检查。排查时发现图像里残留的手写成绩可能让模型“看到答案”，项目因此撤回旧指标，遮住成绩区域后重做了五折对照实验。
- 验证Probatio
- 2026-07-14 的 clean_v2 五折 OOF 平均绝对误差（MAE）为 2.191 分，即对没参与该折训练的作业做预测，再汇总误差；旧兼容基线是 2.227 分。
- 范围Ambitus
- 输出只是给老师的建议分，始终标记需教师确认。70—79 分段只有 6 份样本，该段平均误差达 10.041 分，低分作业尤其需要人工复核。
展开详细说明
做法
我把任务拆成两条流程：OCR 读取老师已经写下的成绩，评分模型根据作业图像给出建议分。我参与匿名化资料整理、结果核对和易错样本检查，让“读出已有成绩”和“模型学会评分”不被混为一谈。
排查时发现，部分手写成绩残留在图像里，模型可能直接看到答案。项目因此撤回了旧指标，重新遮住成绩区域、去掉身份页眉，并在清理后的数据上做五折对照实验。我把这些局限和人工复核的要求写进了交付说明，而不只是展示一个平均误差。
技术细节与验证
数据与方法：268 张匿名化扫描图像。clean_v2 在模型读取之前遮住成绩角和身份页眉，把整页和四个区域送入冻结的 ResNet-50，再由 Ridge 回归给出建议分；OCR 不参与模型打分。
结果：2026-07-14 的 clean_v2 五折 OOF 平均绝对误差（MAE）为 2.191 分——对没参与该折训练的作业做预测，再汇总误差。旧兼容基线是 2.227 分，两者差异的置信区间跨过 0，差异在统计上不显著。
局限：70—79 分段只有 6 份，该段平均误差达 10.041 分，低分作业尤其需要人工复核；输出始终标记需教师确认。