跳到主要内容
朗慧科技
医学影像 · 超声视频与静态图 · 需求规格

腹部、甲状腺与乳腺超声采集数据:从静态图像走向完整检查过程

《超声数据采集需求》把腹部、甲状腺、乳腺检查放在一个采集方向中。其关键价值不是单张“标准图”,而是完整检查过程、标准切面、测量动作、病灶多切面与报告语境之间的联系。本文把需求转成可训练的数据结构与质控方案。

采集需求文件;未提供实际样本清单、授权与伦理证明。文中所述规模均不作现货承诺。
首页 › 数据资产 › 腹部、甲状腺与乳腺超声采集数据:从静态图像走向完整检查过程
建议的数据工程链路
检查视频片段 + 标准切面 + 卡尺/测量值 + 解剖与病灶区域 + 报告/分级时序可追溯样本

图 1|概念性数据结构示意,非现有库存数量或已完成流程证明。

一、附件提出的三类超声场景

需求覆盖腹部、甲状腺和乳腺,不宜把三者混成单一任务标签。腹部更关注器官与扫查区域、切面完整性、病灶与周围结构;甲状腺需要结节长短径、内部回声、边界、钙化、纵横比、血流及分级依据;乳腺需横纵切面、病灶至乳头距离、B 模式、弹性、彩色多普勒和对侧腺体信息。目录可以用一个“超声采集方向”作为入口,内部按器官和任务分层,防止分类重复,同时保持样本粒度可拆分。

二、为什么完整视频改变训练价值

单帧图像丢失探头移动、组织变形、病灶边界在不同角度下的稳定性,以及操作者如何找到标准切面。连续视频能够支持扫查质量反馈、关键帧定位、切面覆盖评估、病灶跨视角一致性和检查过程摘要。近年的超声多模态基准也指出,静态图文数据不能覆盖视频的时序动态;所以采集时应保留原始视频、帧率、时间戳、探头类型、预设参数和片段起止标记,并明确设备是否做过压缩或后处理。

三、建立检查级数据模型

建议主键以检查为中心,关联受试者去标识化键、部位、左右侧、探头、设备、操作者角色、采集时间、视频片段、关键帧、测量对象、报告和分级。每个静态切面必须能回指视频中的时间点;测量值要记录单位、卡尺端点、测量平面和来源(设备自动/操作者手工/报告抄录)。同一病灶在横切、纵切、弹性和多普勒中的对应关系需要显式链接。没有可靠对应关系的图像不能随意拼成“同一病灶多模态样本”。

四、分级标签的版本治理

附件提到甲状腺 TI-RADS 2–6 的相对均衡和乳腺 BI-RADS。分级体系必须记录采用的具体指南和版本,保留组成分项与最终类别,不能只存一个数字。官方 ACR 资料目前使用 BI-RADS v2025;附件中“2026 BI-RADS”的表述应在采购文件更新前核实,不应据此制造不存在的新版标准。不同国家/机构采用的分级细则也可能不同,应保存机构来源、指南版本、适用人群和评审者资质。平衡抽样适合提高少数类别训练覆盖,却不能替代真实患病率下的外部测试。

五、采集与标注质控

采集端应设定完整性检查:是否包含规定切面、视频是否覆盖检查过程、关键帧是否与报告对应、测量是否可复核、设备元数据是否齐全。标注端可拆为解剖定位、标准切面、病灶分割/框、征象属性、卡尺与数值、报告事实抽取及分级复核。对模糊边界保存不确定区域或复核状态,不要用“专家看过”取代逐样本证据。不同操作者、设备、年龄和病灶大小都应进入分层质控,检查标签是否与站点或操作者产生捷径关联。

六、模型任务与验收分开

可训练任务包括标准切面识别、视频关键帧检索、检查完整性评估、病灶跨帧追踪、测量值读取、结构化报告生成和分级证据对齐。任务验收不能只看生成报告是否流畅:要核对数值容差、解剖位置、属性遗漏、幻觉率、拒答行为和关键帧定位误差。临床级用途需另行完成前瞻性、外部中心和临床工作流评估。采购数据的离线模型结果不能替代医疗器械审批或临床验证。

七、运营交付与增长路径

朗慧可以把该方向运营为“检查采集包—结构化标注包—模型评测包”三级产品。首批先以少量授权样本验证采集协议、视频解码、关键帧规则和报告匹配;再按甲状腺/乳腺/腹部逐模块扩展。每批附数据字典、病例纳排、设备覆盖、指南版本、质量报告、授权限制和抽检记录。网页当前描述的是基于需求文件形成的产品规划,只有逐批样本、合法来源和客户验收通过后,才能更新为可交付库存。

八、器官级字段拆分

腹部至少需要器官、侧别、切面、可见范围、图像质量、病灶区域及测量值;甲状腺需要左右叶/峡部、结节编号、三径、边界、组成、回声、钙化、纵横比、血流和淋巴结;乳腺需要左右侧、钟点位、距乳头距离、病灶尺寸、多模态视图、弹性指标和对侧检查情况。每个字段要标记“未见、未评估、未采集、不适用、不可判读”的区别。把各器官共享字段和专科字段分开,可共享设备、检查、视频和患者级实体,避免把不适用字段填成假阴性。

九、视频关键帧与时序标注

视频标注不应只挑最好看的帧。建议为检查起止、器官扫查阶段、标准切面、病灶出现与离开、测量操作、图像质量变化和操作者提示建立时间区间。关键帧选择需要覆盖不同角度和连续运动,帧间追踪可用目标一致性复核,但不能把算法跟踪结果直接当作专家真值。记录原始帧率、时间戳精度、丢帧、压缩编码、剪辑来源和隐私遮挡。若采集系统只导出静态截图,页面应明确不具备连续视频训练能力。

十、评分指南的版本陷阱

附件对分类配额有平衡要求,但任何 BI-RADS、TI-RADS 标签必须注明体系、版本、适用对象和标注日期。ACR 官方页面列出的当前乳腺 BI-RADS 发布为 v2025,含超声弹性描述;因此来源文件中的“2026 BI-RADS”应校订为准确版本或明确指向内部研究方案,而不是写成官方新版本。甲状腺分级也存在不同体系,跨机构标签不能只按数字直接合并。若要映射到统一标签,应保存原始分级、映射表、映射依据和专家批准记录。

十一、跨设备和跨操作者验证

超声图像受探头频率、焦点、增益、动态范围、预设、压迫程度及操作者扫查习惯影响。训练和测试需按设备/机构划分,并至少留出一组未见设备或操作者。模型表现应检查关键帧定位、病灶测量一致性、视图分类、属性抽取和报告对齐,报告病例级而非帧级指标。对同一个病灶拆分出的帧要始终留在同一数据分区,避免数千帧样本造成虚假的独立测试规模。

从“文件集合”到可训练任务

数据集不是把影像、病历或轨迹装进压缩包就结束。面向基础模型预训练,需要来源可追溯、模态可解码、重复与污染可识别、分布可描述;面向监督微调,需要样本与任务、输入输出、参考答案及标注依据一一对应;面向偏好优化和强化学习,还要定义状态、动作、约束、奖励或可验证结果,并保留失败样例。三类用途可以共用底层实体和来源台账,但不能把同一条记录不加区分地重复计入训练、评测和验收。

以原始证据为锚点

工程上建议建立不可变原始层、标准化层、标注层和发布层。每个文件及派生对象记录来源批次、采集时间、授权文件编号、设备/软件版本、转换工具版本、校验和、脱敏策略和责任角色。转换只生成新版本,不覆盖原件;标注保存坐标、时间戳、标签、置信度、指南版本和复核记录。这样才能重建“模型看到的输入来自哪里、经过什么处理、谁作了什么判断”。

把切分与评测设计前移

医学与金融数据尤其容易发生主体泄漏和时间泄漏。应优先按患者、账户、家庭、建筑项目、设备或源机构分组,再按时间设定训练、验证、测试;同一患者的检查、报告和住院文书不得跨集合泄漏。测试集来源、标签和访问权限单独管理,冻结版本并记录哈希。内部随机切分只说明同分布表现,不能替代跨医院、跨设备、跨市场或前瞻性外部验证。

以错误分析驱动补数

总体准确率会掩盖少数群体、低频类别和关键边界条件。交付数据卡应同时报告单位定义、纳入排除规则、缺失率、重复率、字段完整率、标签一致性、类别分布、机构/设备/时间分布及置信区间。对困难样本、阴性样本、模糊样本和真实世界失败样本设置独立清单。数据补采的优先级应由下游错误成本与不确定性决定,而不是单纯追求更大数量。

用可复核的流程体现运营能力

朗慧可把能力落实为可审计的工作包:需求映射、权利与伦理核验、样本盘点、格式转换、双人标注、专家仲裁、自动化质检、盲测抽检、数据卡和版本发布。每个环节都应有输入、输出、责任人、判退条件和留痕。页面介绍的是拟构建方向,不等于已完成采购、取得授权或达到客户验收;正式承诺应以逐批数据清单、许可证明、样例评测和合同附件为准。

落到字段:最小交付实体

本方向建议以“检查/视频/病灶/切面”作为主要实体,并为患者/项目/检查/会话等上层主体保留受控关联键。每条记录需要稳定 ID、数据版本、来源批次、采集或事件时间、生成/转换软件版本、权利依据状态和责任角色。字段级数据字典需要列出类型、单位、允许值、空值语义、原始来源和变换规则;派生标签应保留原文或几何证据指针。交付方要同时提供样本计数脚本和去重逻辑,采购方才能重算数量。

质控要覆盖的方向特异指标

除通用完整性外,至少跟踪:视频覆盖率、关键帧回指时间、病灶跨视角关联、设备和探头元数据、测量值来源、分级版本。指标应分别报告总体、批次、机构/设备和关键子群分布,列明统计分母、抽样方法、缺失处理和置信范围。数据异常不能只以“已清洗”概括,要保留缺陷类别、处置动作、返工数量和豁免依据。若某项指标不可计算,应明确原因与风险,而不是用空值掩盖。高风险字段可设置自动阻断阈值,但阈值要由项目方与领域专家签署确认。

任务设计围绕可观察能力

适合构建的训练和评测能力包括:视频阶段识别、标准切面定位、病灶跨帧追踪、卡尺测量、属性抽取、报告证据对应。每个任务包需定义目标输入、可用信息截止点、输出结构、参考证据、允许的替代答案、失败边界和人工升级条件。监督微调数据可强调正确映射和证据引用;偏好数据需成对呈现质量差异及判据;RL 环境则必须加入状态、动作、工具权限、终止条件和奖励验证。不能把不同任务类型合并为一项综合分数,也不能用语言流畅度替代专业正确性。

必须主动测的失败模式

测试集要明确覆盖:重复帧泄漏、不同病灶误配、单帧冒充完整检查、设备预设捷径、指南版本混用、把未评估当阴性。针对每类错误准备最小反例和近似正例,检查标注者与 Judge 是否稳定区分。训练集、调参集和最终盲测集按主体及来源分开;所有派生版本记录样本哈希,审计重复与答案污染。对稀有但高后果的边界案例,单独报告样本量和不确定性,禁止把平均指标解释成全人群保证。发现错误时,要能定位到数据来源、字段、标注规则或模型组件。

客户可独立复核的验收包

本方向建议以如下证据作为可交付门槛:采集协议完整性、视频解码与帧率、关键切面覆盖、病灶链接正确率、专家盲审和设备外测试。此外提供数据卡、字段字典、来源与许可清单、去标识化说明、质量报告、标签指南、版本差异、样例使用协议和已知限制。验收抽样由双方约定的随机种子或采购方独立抽取,并保留复核过程。涉及敏感信息的样例应在受控环境检查,不能通过邮件或公开网页传递原始记录。任何数量、准确率或完成率都注明测试日期、批次、分母及责任签署人。

治理、合规与用途边界

任何敏感数据都必须先回答“谁有权提供、为何可处理、谁可以使用、能否再分发、何时删除”。健康与精神健康记录属于敏感个人信息场景,不能仅凭删除姓名就宣称匿名;影像标签、稀有事件、机构和时间组合仍可能重新识别。应完成合法处理基础、必要性与最小化评估、单独同意或其他适用基础核验、伦理审查、访问控制、加密、导出审批、日志审计和到期删除设计。跨境、商业训练、公开发布和模型权重再分发分别核验。

复现、漂移与版本发布

建议为每次构建生成批次快照,固定输入清单、转换代码、标注指南、模型和评测器版本;关键步骤有变更时,不覆盖已发布版本,而是生成新版本并写明变更原因、影响字段、受影响样本数和回归测试。定期检查来源接口、设备软件、指南、市场数据或业务模板变化。若分布漂移超出约定范围,应暂停自动发布并重做代表性抽检。客户引用数据卡时可以定位到批次和版本,朗慧内部也能从缺陷报告回溯处理责任。

从数据质量到业务价值的闭环

运营指标应与模型风险和客户工作流连接:数据是否覆盖目标场景、标注分歧是否集中在高价值边界、模型错误是否能通过补采或规则调整降低、每轮迭代的成本和质量是否可解释。建议设置需求提出、样例验证、权利审查、工程构建、专家复核、买方盲测和售后监控等阶段门,每阶段明确责任人及退出条件。复盘不仅记录通过的样本,也要记录拒收、授权不足、格式失败和模型失效案例,使下一批建设有证据而非凭经验扩量。

发布与持续运营的管理指标

产品运营应分开追踪需求确认周期、来源核验通过率、样例到正式批次转化率、字段和格式一次验收率、专家复核分歧率、返工周期、客户复测差异及版本更新影响。指标须注明计数单位、统计时间和样本范围,避免用“交付量”掩盖权利材料或质量缺陷。每次发布前由数据负责人确认数据卡与页面描述一致,法务/隐私负责人确认允许用途,技术负责人确认格式及复现,领域专家确认标签规则。发生版本变化时同步更新目录、数据字典、样例协议和客户通知记录。

参考资料与技术依据

  1. ACR BI-RADS v2025 official resources
  2. Ultrasound multimodal instruction dataset and benchmark (2026)
  3. DICOM Ultrasound Image Information Object Definition

论文用于说明方法和研究方向;结果依赖其数据与实验条件,不直接证明本页面所述数据已经建成或可用于特定部署。

联系朗慧,讨论样例与数据方案

朗慧科技

电话:137-5502-0164
邮箱:lk@langhuiai.com

地址:长沙高新开发区文轩路27号麓谷钰园F1、F2栋2006房

请注明关注的数据方向、用途、模态/字段、预期规模和交付时间。具体范围以授权核验及双方书面确认结果为准。