为什么要用两个视野而非一个
脑转移瘤的体积跨度很大，从小于 0.010 mL 的病灶到超过 0.500 mL 的肿块都有，单一 3D 网络因此面临严重的尺度失衡。大视野能让网络看到病灶周围的解剖结构作为上下文，但微小病灶在输入体积中所占比例会变得极小。小视野提高了病灶在输入中的相对占比，代价是失去了帮助排除相似结构的那部分上下文。
论文提出的问题范围很窄、控制很严：在骨干网络、图像分辨率和输入模态都固定的前提下，把两个不同空间视野的预测结果结合起来，能否改善病灶级检测？作者把这一设计表述为将空间上下文的作用，与分辨率和模态选择的作用分开，而在多尺度流程中，后两者通常是一起改变的。
全容积概率图的加权后融合
该框架独立训练两个紧凑的 3D U-Net，一个使用 96³ 输入，另一个使用 64³ 输入。每个网络输出一张全容积概率图。融合发生在预测之后、概率层面：用权重 α 设定 96³ 概率图所占的份额，把两张图合并，再对融合后的图做阈值处理和过滤。
由于两个网络分别训练、只在输出端合并，融合步骤不增加联合训练，计算开销很小。这也使视野成为两个分支之间唯一被有意改变的变量，正因如此，下文的比较才能被理解为空间上下文带来的效果。
单独缩小视野并没有帮助
单独缩小视野没有超过 96³ 基线。64³ 模型观察到的最佳 F1 为 0.413，出现在概率阈值 0.70 处，此时敏感度 0.484、精确率 0.360、每例患者 5.907 个假阳性。一个独立训练的 64³ 重复模型在同一阈值下达到 F1 0.433，敏感度 0.541、精确率 0.361、每例患者 6.588 个假阳性。
采样消融实验指向同一结论。在假阳性负担大致相当的情况下，基线敏感度为 0.544（每例患者 4.00 个假阳性），加权采样为 0.501（每例患者 3.99 个假阳性），且没有一致的大小分层优势。更频繁地采样，或缩小视野，单靠其中任何一项都不够。
中间权重下融合提升了精确率与 F1
中间融合权重给出了最好的精确率与敏感度平衡。在 α = 0.60 时，融合达到敏感度 0.582、精确率 0.602、F1 0.592，每例患者 2.639 个假阳性。相对于 96³ 端点，这是 F1 相对提升 17.2%，每例患者假阳性减少 57.2%。
一项 10,000 次重采样的患者级 bootstrap 给出融合 F1 为 0.592（95% CI 0.538–0.643），96³ 模型为 0.505（95% CI 0.428–0.583）。配对 F1 差值为 +0.087（95% CI 0.024–0.150；p = 0.003），每例患者假阳性少 3.526 个（95% CI 1.691–5.722）。作者选择 α = 0.60 而非 F1 四舍五入后相同的 α = 0.70 设置，原因是前者多检出 26 个真病灶。
这一优势并不依赖单一工作点。当每种方法各自选择最佳 F1 概率阈值时，融合在阈值 0.65 处达到 F1 0.593，敏感度 0.559，每例患者 2.26 个假阳性；96³ 模型在阈值 0.55 处达到 F1 0.515，敏感度 0.624，每例患者 5.49 个假阳性。
增益不只是集成平均
把两个独立训练的网络做平均本身就可能改善结果，因此论文加入了一个同视野对照。研究者训练了第二个 64³ 模型（seed 43），把它的概率图与原始 64³ 模型按 50/50 平均。在各自最佳 F1 阈值下，这个 64³ + 64³ 集成达到敏感度 0.523、精确率 0.472、F1 0.496，每例患者 4.021 个假阳性。
跨视野的 96³ + 64³ 集成达到敏感度 0.559、精确率 0.630、F1 0.593，每例患者 2.258 个假阳性。在配对的患者级 bootstrap 中，跨视野融合使 F1 提高 0.096（95% CI 0.059–0.132；p < 0.001），精确率提高 0.158（95% CI 0.113–0.203；p < 0.001），每例患者假阳性减少 1.763 个（95% CI 1.247–2.340；p < 0.001）。敏感度差异 +0.036 不显著（95% CI −0.008–0.075；p = 0.114）。
作者据此认为，通用集成对性能有贡献，而跨视野结果额外带来了精确率、F1 和假阳性方面的收益，这是单纯平均无法解释的。这一解释建立在对照比较之上，而不是对每个分支贡献的直接测量。
小转移瘤仍是难点
按真实病灶体积对选定的 α = 0.60 融合模型分层，敏感度随体积单调上升：小于 0.010 mL 为 0.057（70 个病灶中检出 4 个），0.010–0.025 mL 为 0.326（95 个中 31 个），0.025–0.050 mL 为 0.414（87 个中 36 个），0.050–0.100 mL 为 0.583（84 个中 49 个），0.100–0.500 mL 为 0.698（139 个中 97 个），0.500 mL 及以上为 0.891（192 个中 171 个）。
关键在于，在相同的后处理条件下，融合相对于 96³ 基线并没有提高各大小分层内的敏感度。它的收益来自假阳性抑制带来的精确率和 F1 提升。读者在把这项工作与声称能更好检出小病灶的多尺度方法比较时应注意，该框架的增益落在权衡中假阳性这一侧，而不是检出这一侧。
0.010 mL 过滤是经验性权衡
在融合权重固定为 α = 0.60、概率阈值固定为 0.60 的条件下，作者把最小预测连通域体积依次设为 0、0.0025、0.005、0.010、0.025 和 0.050 mL 进行扫描。0.010 mL 过滤给出最高的总体 F1，为 0.592。取消连通域过滤后，总体敏感度从 0.582 升到 0.619，小于 0.010 mL 病灶的敏感度从 0.057 升到 0.171，但每例患者假阳性从 2.64 升到 6.32，F1 降到 0.488。
把过滤收紧到 0.025 或 0.050 mL，假阳性进一步降到每例患者 1.69 和 1.10，但 F1 也降到 0.572 和 0.533。因此，所选设置是在极小病灶敏感度与假阳性抑制之间实测出的折中，而不是无代价的改进。
跨视野一致性过滤以敏感度换假阳性
作为探索性的后处理对照，作者保留 60/40 融合与概率阈值 0.60，并要求每个连通域候选都获得两个视野分支的最低平均支持。在一致性阈值 0.35 下，每例患者假阳性从 2.639 降到 2.268，精确率从 0.602 升到 0.630，敏感度则从 0.582 降到 0.561。F1 基本不变（0.592 对 0.593；配对 bootstrap 差值 +0.001，95% CI −0.009–0.012；p = 0.786）。
由此得到的启示是，要求两个视野一致，主要是通过丢弃处于边界上的真病灶来减少假阳性。它并没有在加权融合之上再叠加一层独立的增益。
残余错误与外部测试说明了什么
对 40 个置信度最高的未匹配预测做基于外观的审查，发现 23 个（57.5%）是紧凑的、类似病灶的候选；8 个（20.0%）是周边、边界相关或解剖结构；7 个（17.5%）是大范围弥漫或不规则的非病灶区域；2 个（5.0%）是接近真值、但因分裂/合并或一对一匹配而未被匹配的病例。该审查是描述性的，未经放射科医生裁定，比例也只适用于这一高置信度子集。作者据此认为，假阳性抑制需要的不仅仅是调整阈值。
适用范围在这里很重要。主要结果来自 97 例患者的发展队列。对 509 个非 DEV97 病例的描述性分析取自同一 BraTS-METS 训练数据集，且使用补丁级而非患者级划分，因此不构成独立的留出测试。官方 BraTS 评估显示内部与外部性能存在明显差距，ET 实例 F1 为 0.385。因此，这里记录的融合收益是关于精确率与假阳性权衡的发展队列发现，而不是已被证明的泛化提升。
跨视野融合的适用位置
论文的实践优先级很明确：当骨干网络、分辨率和模态都已固定，而假阳性是主要瓶颈时，把 96³ 与 64³ 概率图做加权后融合，是一种低成本移动工作点的方法。在 α = 0.60 时，它给出 F1 0.592、每例患者 2.639 个假阳性，而同视野对照表明这一增益超过了单纯集成所能提供的水平。
边界同样具体。融合没有提高任何病灶大小分层内的敏感度，小于 0.010 mL 的最小病灶敏感度仍接近 0.057。如果团队真正担心的是漏掉微小转移瘤，就应把跨视野融合视为一种假阳性控制手段，必须与其他方法配合使用，并把 0.010 mL 连通域过滤当作可调的权衡，而不是默认设置。
本文引用的文献
Scale-Aware 3D Deep Learning for Robust Brain Metastasis Detection in Multimodal MRI
在 97 例患者的发展队列上，96³ 与 64³ 3D U-Net 概率图的加权后融合达到病灶级 F1 0.592、每例患者 2.639 个假阳性，精确率和 F1 优于任一单一视野，但没有提高按大小分层的敏感度。