本文提出了一种名为CASED的新型课程采样算法，旨在优化深度学习模型在极端类别不平衡数据集上的表现。通过在胸部CT图像中进行肺结节检测，CASED显著提高了模型的训练效果，获得了88.35%的平均灵敏度分数。该框架适用于其他医学图像问题，且不依赖于成像模态或分割目标的假设。