本研究针对DeepLesion数据集中病灶标签类别不平衡问题，提出三种数据平衡方法以改善CT中病灶检测和标记。实验结果表明，平衡标签显著提高了检测灵敏度，增强了不同类别病灶的识别效果，对放射学报告中的病灶记录具有重要意义。

本研究提出了一种自我训练的管道，用于在CT图像中实现三维病灶的检测与标记。该方法有效解决了深度学习中病灶检测不全面及类别不平衡的问题。VFNet模型在仅使用30%数据时，检测效果与全数据集相当，显示出良好的应用潜力。