跳至正文
朗慧科技

MEDICAL DATA RESEARCH

胸腹部CT多模态数据集建设:从Study级索引到可复核验收

胸腹部CT多模态数据集如何避免重复计数、范围误判和报告标签漂移?本文从Study级索引、DICOM元数据、扫描协议、否定与不确定语义、分层质检到患者级外部验证,梳理可复核的研发交付与验收方法,并说明数据授权、伦理和临床边界。

CT与血管影像AI辅助整理 · 研发交流

同一项胸腹部CT检查,为什么会在模型训练前变成几条互相矛盾的数据记录?常见原因不是算法不够复杂,而是一个检查被按期相、重建或文件数量重复计数,报告中的“考虑”被改成确定疾病,未扫描到的盆腔或全胸壁被误当成阴性,或者DICOM、报告与标签在交付时已经无法逐例对回。对于要支撑胸部和腹部多病种研究的团队,真正的难题是把影像、文本、解剖覆盖、设备协议和质量证据放进同一条可追溯链路。

这类数据建设不应被理解为“收集一批CT,再附上一列标签”。它更接近一个研究数据工程项目:先定义一次检查的计数单位,再把影像层级、扫描语境、报告语义和标签证据绑定起来;随后通过专家复核、分层抽样和版本冻结,保证下游研究者知道每个字段从哪里来、适用于什么任务、还有哪些不确定性。本文讨论的是经授权的胸腹部CT研究数据与标注交付方法,不包含任何真实病例、机构名单或商务条款,也不构成临床诊断建议。

先把临床任务拆成可验收对象

胸腹部CT项目往往同时服务于多个算法方向。胸部侧可能涉及肺结节、肺气肿、肺炎、间质性肺异常、胸腔积液、肺动脉栓塞、主动脉改变、纵隔或肺门淋巴结等;腹部侧可能涉及肝脏、胆道、胰腺、脾脏、肾脏、肠道、腹膜和大血管的征象、疾病或肿瘤。它们的输入模态并不相同:常规平扫适合承载一部分结构和征象,低剂量胸部CT对应筛查或随访语境,薄层或高分辨率重建支持更细的肺实质观察,增强及多期增强则改变血管、实质器官和肿块的可见性。若不把协议、期相和覆盖范围纳入标签条件,所谓“同一病种”其实可能对应不同任务。

因此,项目开始时应为每个任务写出五个问题。第一,输入是完整Study、指定Series,还是某一重建和期相;第二,解剖范围需要覆盖到哪里,哪些结构只需部分进入视野;第三,输出是病例级报告标签、器官或病灶分割、病灶属性,还是影像与文本的配对关系;第四,标签单位是患者、检查、序列、层面还是独立病灶;第五,什么证据才足以支持阳性、阴性、不确定或不可评价。

以报告级分类为例,“肺部异常”通常不足以作为稳定训练目标。更有用的记录应保留器官或部位、征象或疾病、必要属性以及原始报告语义。报告写“考虑感染性改变”,标签就应保留不确定性;写“右下肺片状实变”,不能在没有额外证据时自动变成某种病原体感染;写“未见异常”,也要确认目标区域实际进入可评价序列。肿瘤标签同样应区分影像提示、病理确证、手术记录和随访结论。数据工程可以把这些证据并列保存,但不能把不同来源压缩成一个没有来源的“真值”。

数据颗粒度也必须在设计阶段固定。一次患者可以有多次检查,一次检查又可有平扫、增强、延迟期和多个重建。计数时应以Study级主键去重,层级关系中再保留Series和Instance。这样既能避免用多期相和多重建虚增样本,也能让后续模型按患者级或更高层级划分数据。对于计划研究病程变化的序贯检查,则要另设患者级纵向键,记录检查顺序和相对时间,而不能把每次检查当作完全独立样本。

胸腹部CT研究数据链示意:从Study索引到可复核标签查看完整技术图(可放大)

图1|技术示意:展示影像、报告与证据如何保持同一检查级关联;不含真实患者数据,不代表具体病例或临床诊断。

DICOM不是附件,而是任务语境

DICOM的价值不只在于“文件能打开”。现行DICOM标准将信息对象定义、数据结构、数据字典、安全与系统管理等内容分开维护,CT数据的研究复用依赖这些层级和属性保持一致。1 一个可训练的胸腹部CT队列至少需要核查Study、Series、Instance之间的从属关系,以及图像方向、层面位置、像素间距、层厚、重建类型、协议名称、增强期相、设备和传输语法等与任务相关的元数据。并非每个项目都要保留所有字段,但删减必须有明确理由,并且不能破坏范围、空间和强度解释。

导入阶段应先做技术性准入,而不是直接交给标注人员。第一步确认文件格式、Series完整性和Instance数量是否符合项目定义;第二步检查层面排序、空间几何和体素间距是否可解释;第三步核对CT值转换、压缩方式和图像类型,区分原始图像、派生图像和仅供浏览的重建;第四步确认目标Series与非目标Series不会混入同一训练样本。缺层、方向错误、严重运动或金属伪影、关键期相缺失等情况,应进入排除或待核验队列,并保留原因,而不是让标注人员凭经验补全。

扫描范围是胸腹部项目最容易被忽略的字段之一。胸部检查应记录扫描起止层面、肺和纵隔覆盖情况,以及全胸壁、乳腺或腋窝是否进入重建视野;腹部检查则要说明肝胆胰脾肾、上下腹、阑尾、结肠段、输尿管或盆腔等实际覆盖项。范围证据可以是结构化描述、经核对的层面信息或质检记录,但必须能回到匿名检查级主键。依赖特定范围、协议或期相的标签,不应仅凭检查名称或报告关键词计入。

脱敏也不能简化为删除姓名和检查号。DICOM保密配置文件提供属性级处理原则,但标准本身并不保证所有可识别信息都已移除;像素中烧录的文字、私有厂商标签、UID关联和日期组合都可能需要单独核查。2 TCIA的MIDI-B资源用合成身份信息同时覆盖DICOM头和像素文字,并配套答案键、映射文件和验证脚本,说明去标识质量可以被设计成可复现的测试对象,而不只是一次人工承诺。7 对研究数据而言,脱敏前后应有受控记录;对外公开稿则只讨论原则,不暴露任何真实来源或路径。

把报告文本做成有边界的标签层

胸腹部CT的“多模态”通常不是把报告复制到影像旁边,而是把检查级影像语境与报告级语言精确配对。索引应保留检查名称、检查所见、诊断结论或印象、主要诊断、细分标签、否定描述和不确定描述。报告原文、结构化标签和派生标签应分层保存:原文回答“报告写了什么”,结构化标签回答“项目按何种字典映射”,派生标签则回答“研究者如何依据规则形成训练目标”。三者不能互相覆盖。

文本抽取可以提高规模化处理效率,但不能让语言模型或关键词规则替代证据治理。否定句、比较句、既往史、术后改变、建议随访和“不能排除”等表达都会改变标签含义。更稳妥的做法是先建立词汇和句式映射,再用专业人员复核高风险语义。对于“考虑”“可能”“待排”以及“未见明确异常”,可以分别编码为不确定、待核验或在当前范围内阴性;对未扫描部位则应编码为不可评价,而不是阴性。

腹部异常的跨器官关系也需要在字段设计里保留。例如肝内病灶、胆管扩张和门静脉改变可能在同一报告中同时出现,但它们的证据层级和任务用途不同。胸部肿块、淋巴结和胸腔积液也不能因为同一检查中共现,就在没有规则的情况下拼成某个分期标签。研究者如果需要建立器官—征象—报告的联合任务,应明确关系字段由报告支持、影像复核支持,还是病理或随访支持。

一项多中心腹部CT研究使用常规临床CT及自由文本报告,按器官抽取疾病信息,并把不同机构留作外部测试;研究同时指出,报告风格、协议筛选、影像质量和非病理金标准会影响标签和泛化解释。3 这对数据交付的启发是:报告可以成为规模化弱监督信号,但应把抽取规则、人工复核、排除标准和证据边界随数据版本交付。研究效果不能直接转写成临床效果,更不能把报告级标签当成病理确诊的替代物。

质量不是一个一致率数字

标注主体应按任务风险分层。普通结构化字段可以由受训人员初步整理;涉及急症征象、肿瘤语义、扫描范围、否定和不确定表达的任务,则应由具有相应专业背景的人员复核,争议病例进入独立裁决。初标、复核、仲裁最好在职责上分离,且复核者应能看到原始影像、报告和任务规则,而不是只看前一位标注者的结果。每次修改都应记录依据、时间、规则版本和受影响范围。

分割任务还要区分轮廓完整性、层间连续性和语义正确性。一个平滑的Mask不一定是正确的,过度平滑可能抹掉真实的分叶或边界变化;一条看似连续的血管也可能把不同结构误连。报告级任务则要额外检查标签与实际可评价范围是否一致。对于“无该对象”“未检查”“图像不足”“证据不足”和“未知”,应使用不同状态,避免把缺失和阴性混在一起。

抽检不应只按总量随机抽取。胸部与腹部、平扫与增强、不同层厚、不同设备、不同年龄段、术后与非术后、稀有标签和报告不确定语句,都可能形成不同风险层。分层抽样可以把资源投入到最容易发生系统性错误的组合。若某一类错误反复出现,应先暂停扩量,修订指南和反例库,再复核受影响批次;不要用更多数据掩盖定义尚未稳定的问题。

图文源一致性需要专门的闭环检查。对随机抽取的每一例,应能同时打开同一Study的原始DICOM、结构化报告、诊断标签以及经授权保留的报告源文件,并核对检查级键、主要事实、否定和不确定语义。错配、跨Study拼接、标签与报告实质不一致,都是数据级失败,不应以平均一致率抵消。若项目把错配上限设为零,任一例不符合都应触发影响范围排查、整改和重新抽样复验,而不是仅报告总体一致率。验证结果应形成问题编号、影响范围、修复动作和复验状态。

胸腹部CT数据验收闭环示意:从准入到外部验证查看完整技术图(可放大)

图2|技术示意:把协议、范围、语义、专家复核和独立验证串成验收闭环;不含真实患者数据,不表示任何项目的实际合格率或模型性能。

分布设计决定外部验证能否成立

大规模不等于有代表性。胸腹部CT研究应在数据说明中报告来源类型、年龄和性别结构、扫描协议、层厚、设备与重建差异,以及阳性、阴性和不可评价样本的构成。多中心数据如果被单一设备、单一协议或单一转诊人群主导,模型可能学到采集环境而不是病变本身。2026年对公开腹部CT数据集的评述发现,病例复用、地域偏斜、选择偏倚和标注差异会共同限制临床外推,并建议通过多机构合作、协议标准化和更有意识的人群覆盖改善数据基础。4

设备多样性不应被理解为简单凑够几个品牌。更重要的是把设备厂商、型号、重建核、层厚、增强期相和扫描范围保留为可分层分析的变量。对于跨设备任务,既可以在训练阶段采用分层采样或域适配,也可以在验收时预留按设备和中心的独立切片,观察性能是否只在某一协议上成立。任何方法选择都不能替代对原始分布的透明报告。

训练、验证和测试的划分单位至少应是患者;如果同一患者有多次检查或序贯影像,则通常需要在患者级统一分配,必要时按中心或时间进一步隔离。RSNA的交叉验证指南明确指出,多次检查、二维切片和纵向影像不能在检查级随意拆分,否则相关样本会造成信息泄漏;多中心外部验证的目的之一正是观察数据分布变化带来的性能下降。6 对胸腹部CT而言,Study级去重是计数要求,患者级隔离则是研究有效性的最低条件,两者不能互相替代。

外部验证也不只是把一批数据放到最后跑一次。应在数据冻结前锁定外部中心或时间窗,禁止用外部结果反复调参;报告内部验证和外部验证的指标、置信区间、样本构成以及失败病例。PANDA研究在多中心外部队列中使用独立中心和病理或随访证据,并明确说明人群和医院范围仍有限、需要更多真实世界和前瞻性验证。5 这里可借鉴的是验证设计,而不是把其模型效果移植到任何新的胸腹部CT项目。

序贯数据尤其需要防止“同一病人多次出现”造成虚假规模。纵向队列应保留患者级匿名键、检查顺序、相对时间和纳排状态;同一患者的不同时间点不能跨训练和测试集合。若研究目标是预测变化或随访结果,还需定义基线、观察窗和终点来源,不能只把时间字段当作普通协变量。只有这样,序贯数据才有可能支持病程研究,而不仅是重复的横断面样本。

从数据交付走向研发接口

对算法团队,交付包应至少包含可读取的原始影像、Study/Series/Instance层级索引、报告文本、标签字典、缺失与不可评价编码、质量摘要、版本号和一个已在下游环境中打开核对过的样例。对医学研究团队,还要说明标签的证据来源、专家复核方式、纳排标准、分层变量和外部验证设计。对信息和合规团队,则需要清楚描述授权用途、访问权限、脱敏策略、日志、备份和退出时的数据处理方式。这些材料各自服务不同责任,不能用一张平台功能截图替代。

在项目执行中,LangData这类数据基础设施和流程服务可用于承接采集、处理、标注、质检和数据交付等环节;朗慧已核验的定位是面向企业与模型研发团队提供数据基础设施及流程服务,而不是基础模型厂商、诊疗机构或临床验证机构。具体胸腹部CT的可用来源、专家配置、数据规模、授权和交付状态,仍需逐项目确认,不能由目录、建议方案或网站自述推断为现货或已完成成果。

业务逻辑上,合理的路径通常是先做小规模样例评估,再冻结标签字典、范围规则、报告语义和拒收条件;之后分批接收、分层质检并交付版本快照。样例评估通过只说明规则和接口达到当前约定,不等于全量数据已经具备临床效果,也不等于某个模型已经完成验证。若后续研究改变目标,例如从报告级分类改为病灶分割、从胸部扩展到盆腔、从横断位改为多期融合,都应作为新任务评估输入、标签、专家主体和验收方式。

高质量胸腹部CT数据的价值,最终体现在可复核而不是可宣传。研究者能否从标签回到原始层面和报告语句,能否解释一个样本为何计入或排除,能否识别设备和中心差异,能否在版本变化后重建训练集和测试集,这些问题比单一数量或一个内部指标更接近真实研发需求。把Study级主键、DICOM语境、报告不确定性、专家争议和外部验证同时纳入设计,数据才可能从一次性交付物变成可持续复用的研究基础设施。

研究与应用边界

本文讨论胸腹部CT研究数据建设、医学标注、质量治理和算法研发接口,不构成对任何个人的诊断、筛查、分期、风险评估、治疗建议或疗效预测。文中提到的疾病、征象和标签仅用于解释数据字段及证据层级。实际数据处理、共享、模型训练和部署应以数据授权、伦理审查、隐私保护、质量管理和适用法规为准;任何临床判断均应由具备资质的医务人员结合完整病史、原始影像及必要的病理或随访资料作出。外部研究的性能结果只说明其特定任务、样本和验证设计,不能转化为本文项目或服务商的临床承诺。

参考来源

  1. DICOM Current Edition
  2. DICOM PS3.15 Security and System Management Profiles
  3. Annotation-free multi-organ anomaly detection in abdominal CT using free-text radiology reports: a multi-centre retrospective study
  4. State of abdominal CT datasets: A critical review of bias, clinical relevance, and real-world applicability
  5. Large-scale pancreatic cancer detection via non-contrast CT and deep learning
  6. A Guide to Cross-Validation for Artificial Intelligence in Medical Imaging
  7. Data in Support of the MIDI-B Challenge