AFIDs-Validator：一个用于学习解剖标志点放置的开放获取AI引导平台

解剖学标志点的精确定位是解剖学与影像学中的一项基础技能，通常通过专家指导以非正式方式进行教学，并且需要访问数据和桌面软件。目前尚不存在一种公开可访问、具有交互性并能够通过定量反馈教授神经解剖学的资源。我们提出 AFIDs-Validator（validator.afids.io），这是一个开放获取、基于浏览器的平台，将引导式教学与定量评估相结合。该平台结合了：（1）学习模式，在该模式中，一个基于语言模型的神经解剖学导师运行于 MRI 查看器内部，提供以解剖结构为核心的教学，并根据学习者当前的图像切片、方向和光标位置作出响应；以及（2）验证引擎，该引擎接收学习者的标志点文件，并返回相对于覆盖 21 个脑模板的专家标注参考的每个标志点欧几里得误差。为了使反馈具有可解释性，我们分析了来自 132 名人类受试者的 15,000 个标志点标注，发现标志点难度存在 4 倍差异（中位误差从前连合处的 0.37 mm 到颞角处的 1.50 mm 不等），且每个标志点的误差分布均呈重尾特征。这些分布被汇编为每个标志点的可靠性先验，因此，对学习者的评分是依据训练有素评定者的经验离散范围，而非任意设定的阈值，从而避免将难以定位的标志点误判为学习者表现不佳。AFIDs-Validator 无需安装、无需授权软件，也无需本地数据，并且其全部代码、参考数据和导师设计均已公开发布。

解剖学标志点的准确定位是解剖学与影像学中的一项基础技能，通常通过专家指导进行非正式教学，并且需要访问数据和桌面软件。目前尚无一个公开可访问、交互式的资源能够以定量反馈的方式教授神经解剖学。我们提出 AFIDs-Validator（validator.afids.io），这是一个开放获取、基于浏览器的平台，将引导式教学与定量评估相结合。该平台包含：（1）一种学习模式，其中语言模型神经解剖学导师在 MRI 查看器内运行，提供以解剖为先的指导，并对学习者当前的图像切片、方向和光标位置作出响应；以及（2）一种验证引擎，接收学习者的标志点文件，并相对于涵盖 21 个脑模板的专家标注参考，返回逐个标志点的欧氏误差。为使反馈具有可解释性，我们分析了来自 132 名人体受试者的 15,000 条标志点标注，发现不同标志点的难度存在四倍差异（中位误差从前连合的 0.37 mm 到颞角的 1.50 mm 不等），且每个标志点的误差分布均呈重尾分布。这些分布被汇编为逐标志点的可靠性先验，因此学习者的评分依据的是训练有素的标注者的经验分布，而非任意阈值，从而不会将困难标志点误判为表现不佳。AFIDs-Validator 无需安装、许可软件或本地数据，且全部代码、参考数据和导师设计均已公开发布。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.20.746086v1?rss=1

🏷️ 神经解剖学 解剖标志点 MRI影像 人工智能教学 定量验证