MEDICAL DATA RESEARCH
心脏及血管 CTA 数据建设:从原始 DICOM 到可复核标签的验收设计
面向医疗AI研发与数据采购,拆解心脏及血管CTA的Study计数、DICOM层级、冠脉与主动脉标签、报告证据、专家复核、泄漏控制和独立验收,明确数据建设与临床诊断的边界。
开篇:CTA 数据为什么不能只按“检查例数”计算
当研究团队拿到一批心脏及血管 CT 血管造影(CTA)数据时,最先要问的通常不是“有多少例”,而是“这一例究竟包含什么证据”。一行索引可能对应一次心电门控冠状动脉 CTA,也可能对应主动脉 CTA、肺动脉 CTA 或其他大血管检查;同一次检查还可能产生平扫、增强期相、薄层源图像、曲面重建(CPR)和多平面重建(MPR)。如果把多序列、多期相或多视图拆成多例,数量会变得好看,却会让患者级划分、报告配对和模型评估产生泄漏。
CTA 的临床语义也不是一个“阳性/阴性”二元字段可以容纳的。冠状动脉斑块、狭窄和钙化需要区分血管段、斑块类型、分级体系及是否能够评价;主动脉瘤、夹层、壁间血肿和穿透性粥样硬化性溃疡对应不同的解剖与证据边界;术后支架、搭桥、人工血管和吻合口改变又不能与未治疗血管混在一起。对于“考虑”“疑似”“不能除外”或“图像质量不足”的描述,如果在整理时被强行改成明确诊断,后续算法得到的不是更干净的标签,而是被人为制造的确定性。
因此,心脏及血管 CTA 数据建设应被理解为一项临床证据组织和质量工程:以检查(Study)为基本计数对象,以 DICOM 层级保护影像上下文,以结构化报告和证据来源承载医学语义,再用可追溯的质量门控把数据交给算法研发。本文围绕这一具体问题,讨论需求拆解、数据设计、算法路线、专家标注、偏差控制和项目验收。文中不提供个体诊断或治疗建议,所有具体阈值均应由项目授权方、医学专家和书面方案共同确定。
图 1|技术示意:CTA 数据链路应同时保留影像层级、报告语义、证据关系与质量状态。
一、先把临床任务拆开:同一模态不等于同一种标签
CTA 数据需求常被写成“心脏及血管 CTA 影像数据集”,但这个题名至少包含四组不同的研究任务。第一组是冠状动脉管腔和斑块任务,包括冠脉树追踪、血管段定位、管腔狭窄、钙化、非钙化或混合斑块,以及可能存在的异常起源、壁内走行、心肌桥和瘘。第二组是主动脉及大血管任务,包括动脉瘤、扩张、夹层、真假腔、分支受累、壁间血肿、附壁血栓、穿透性溃疡和狭窄或闭塞。第三组是肺动脉与心脏附带结构任务,例如肺动脉栓塞的血管段位置、右心负荷征象、心腔扩大、心包异常或心脏占位倾向。第四组是术后与跨模态任务,包括支架、搭桥、人工血管、吻合口、内漏,以及心电、超声、介入或手术、MRI 和随访之间的受控关联。
这些任务的输入并不相同。冠脉狭窄需要能够追踪目标冠脉的适宜心电门控 CTA;主动脉病变通常依赖与目标血管范围匹配的增强期相和薄层重建;钙化评价可能需要保留平扫及其方法信息;肺动脉栓塞不能用不适宜的期相去作排除性结论。项目索引应写清模态、实际覆盖结构、协议、门控方式、期相、层厚、重建核、设备与软件版本,并区分“未做”“不可得”“不适用”“未知”和“无法评价”。文件名中的“心脏 CTA”不能替代对真实覆盖范围的核验。心脏 CT 与体部 CTA 的官方实践参数也分别从检查技术、人员职责、记录和质量控制等方面规定了适用边界,适合用作项目规则的背景参照,而不是未经书面确认的合同阈值。1
输出颗粒度也要先定下来。对于数据交付,最稳妥的基本单位通常是一次 CTA 检查或 Study,而不是一张图或一个 Series。Study 下仍需保留 Series、Instance、像素数据、空间几何和重建信息;多期相、多视图和派生重建可作为同一检查下的不同对象,并通过明确的原始/派生标识组织。对于训练任务,输出还可以包括血管中心线、血管段级标签、病灶或斑块的体素级分割、测量点、报告级分类和患者级结局,但每一种输出都应在字典中说明坐标系、单位、证据层级和适用的影像协议。
专业报告体系也不能被当作病理真值。CAD-RADS 2.0 将冠脉狭窄程度、斑块负荷和修饰项纳入标准化报告框架,并强调它应与阅片医师的完整印象结合使用,而不是替代个体化临床判断。3 对数据建设而言,这意味着可以保留原报告中实际采用的分类、分级和修饰项,但不应把报告级分类自动升级为像素级分割,也不能把影像提示直接写成介入或病理确证。
二、原始影像、报告和关联键:把“可读”变成“可复用”
CTA 的第一层数据设计是原始性。研究集应尽量保留脱敏后的原始 DICOM,而不是只交付截图、胶片照片、报告 PDF 或关键帧拼图。对每个 Study,要能够向下追溯到 Series 和 Instance,验证层面顺序、像素间距、层厚、方向、HU 转换、重建核、期相和门控信息。派生的 MPR、CPR 或视频应与源序列分层保存,并注明生成工具、参数和版本。否则,算法团队在训练时看到的可能只是一个看似规整的体积,却无法解释体素强度、空间方向和几何测量从何而来。
DICOM 的去标识也不是“删除姓名”这么简单。DICOM PS3.15 明确指出,属性保密配置不能保证所有可识别信息都被去除,去标识还需要结合数据用途、接收方、适用法规和再识别风险进行过程设计;像素中烧录的身份文字、私有属性、文件元信息以及不同对象之间的 UID 引用都需要专项处理。7 对 CTA 来说,日期相对偏移、匿名患者和 Study 的稳定关联、序列引用、测量和派生对象的可解析性同样重要。若为了保护隐私而随机改写每个对象的关联键,患者级划分和纵向配对可能被破坏;若为了保留时间线而保留过多原始日期,又可能增加再识别风险。项目应把安全处理、关联完整性和研究可用性一起验收。
第二层是报告与结构化字段。检查名称、所见、诊断印象、主要诊断、细分标签、否定语义和不确定语义应尽可能逐例关联原始报告;结构化字段可以方便统计,却不能覆盖原文。血管段、斑块类型、狭窄原文、钙化积分、动脉瘤最大径、夹层范围、心率、门控方式和对比剂期相等字段,需要同时保留原值、单位、分级体系、测量方法和版本。缺失值不能只用空白表示:没有检查、记录缺失、未评价和不适用对模型训练的意义不同。
第三层是跨模态关系。心电、超声、介入或手术、MRI、检验和随访可以为研究提供上下文,但“有关联”不等于“已经完成像素级配准”。关联键至少应回答:这些对象是否属于同一匿名患者、同一次检查还是不同时间点;来源记录是什么;时间是精确日期、相对时间还是仅有顺序;影像提示、手术记录、病理结果和随访结局分别处在哪一层证据。跨模态数据若缺少来源与时间,就容易把后续事件错误地当成 CTA 当日事实。
三、算法路线应服从任务:从中心线到多任务输出,而不是先选模型
CTA 的算法研发可以拆成相互衔接但不可混为一谈的环节。第一步是输入质量与协议识别:读取 DICOM,检查序列完整性、覆盖范围、层面顺序、重建核和门控信息,对金属、运动、低对比剂充盈和严重伪影建立“可评价”“降级”或“排除”状态。第二步是解剖定位与血管树建模:可用三维分割、中心线提取和 MPR/CPR 生成,把心脏、主动脉、肺动脉或其他目标血管定位到统一的研究坐标。中心线不是最终疾病标签,它只是帮助后续血管段划分、截面测量和病灶追踪的中间表示。
第三步是按研究问题建立输出头。冠脉项目可以分别设置血管段识别、斑块类别、狭窄程度和“无法评价”分类,并在需要时增加斑块或管腔的体素级分割;主动脉项目应将部位、真假腔、破口、壁内血肿、附壁血栓、分支受累和最大径测量分开编码;肺动脉项目则应明确栓子位置、血管层级和右心负荷征象的来源。一个多任务模型可以共享影像特征,但数据字典不能因为模型共享就把不同病种和不同证据压缩成一个“异常”标签。
公开研究可以说明为什么元数据和协议字段会影响算法解释。Denzinger 等在 2023 年的研究中,对同一批 CCTA 原始数据用多种图像形成参数重建,观察到重建核、堆叠方式和去噪设置会影响自动 CAD 评估的稳定性,且训练数据中代表不足的重建条件会增加不确定性。4 这不是说某个模型在所有医院都会失效,而是提示数据采购不能只记录“CT 已完成”:设备、层厚、重建核、堆叠方式、心电相位和软件版本应进入分布统计,外部测试也要覆盖这些变化。
对斑块或血管进行自动分割时,预训练模型、交互式工具或中心线引导算法可以缩短从空白到草稿的时间,但草稿不等于金标准。2025 年发表的 PlaqueViT 研究在开发集、内部测试集、观察者研究和外部验证集之间做了区分,并报告了斑块分割的 Dice、表面距离、体积一致性及检测层面的敏感度和特异度。5 这类设计值得借鉴的是任务拆分、外部验证和多指标报告,而不是把论文中的性能数字移植成任何项目的验收承诺。真正交付时,模型预标注必须经过规定的人工复核;自动传播、插值或异常修补均应留存版本和修改轨迹。
四、标注主体与不确定性:让专家意见可解释、可复议
CTA 的标注主体应根据任务风险配置。基础的序列核对、解剖对象初筛和格式检查可以由经过培训的影像数据人员执行;涉及冠脉狭窄分级、复杂斑块、主动脉夹层真假腔、术后器械、肺栓塞和心脏附带征象的判定,应由具有相应影像经验的合格医师或项目指定专家负责终审。标注者、独立审核者和仲裁者的角色要分开,尤其在外部交付或发表研究中,不能让同一人无记录地完成初标、修改与最终批准。
标注规范应先定义对象,再定义边界。冠脉斑块与管腔狭窄不是同一个 Mask;扩张与动脉瘤、普通斑块与穿透性溃疡、壁间血肿与附壁血栓、影像疑似与病理确诊也不能只靠同义词归并。对于小径支架、严重钙化、运动伪影、低对比剂充盈或目标血管未完整进入视野的病例,应有“无法评价”或“证据不足”状态。部分覆盖不应产生范围外的阴性结论,未检测、阴性、未见明确异常和无法评价必须在字典中分别说明。
专家审核的重点不是追求一张图看起来平滑,而是验证层间连续、血管走行、分支关系、测量平面、对象 ID 和报告语义是否一致。争议病例要保留分歧类别和复议依据:是协议不适合、图像质量不足、解剖变异、术后改变,还是定义本身存在歧义。盲审时可隐藏先前标注和模型结果,避免审核者被已有轮廓带偏;模型预标注修改幅度异常的病例、少见病种和跨中心差异大的亚组,应提高进入专家仲裁的优先级。
发布于 2025 年的 MultiD4CAD 数据集研究展示了另一种值得注意的设计:将 CCTA 与心外膜及冠周脂肪组织分割、临床风险因素和 CAD 标签配对,同时明确入组、排除、脱敏和技术验证过程。6 这类多模态数据可以支持影像组学或多模态模型研究,但其回顾性、单一来源、特定排除条件和有限样本范围也决定了外推边界。对任何新项目而言,跨模态字段越多,越要同时记录缺失机制、时间关系、来源证据和纳排条件,而不能把“字段更多”直接等同于“标签更可靠”。
五、质量、偏差与外部验证:验收不应只看总体通过率
CTA 数据的质量门控至少应分为五层。第一层是来源与合规:授权范围、处理角色、伦理或其他适用依据、去标识方案、访问权限和审计记录齐全。第二层是文件与解析:原始 DICOM 可读取,Study/Series/Instance 层级稳定,像素与空间信息不损坏,原始和派生对象可区分。第三层是图文一致:报告与检查主键逐例配对,关键否定和不确定语义没有被改写,结构化字段可以回溯到原文或指定证据。第四层是医学标签:目标解剖结构在适宜协议和足够质量下可评价,标签类别、测量单位、证据来源和不确定性完整。第五层是交付与版本:文件清单、哈希、字段字典、分布统计、问题单、整改复验和版本变更可重算。
偏差控制要按研究终点设计,而不能只做总量汇总。中心集中度、设备与重建条件、检查年份、年龄和性别、心率、门控方式、协议、术后状态、图像质量和阳性谱系都会影响模型学习。如果项目只纳入高质量、典型阳性或排除了所有支架和搭桥病例,模型可能在受控队列中表现稳定,却无法处理真实临床中的术后与低质量情况。反过来,如果为满足阳性比例而人为寻找或拼接病例,也会改变自然分布。采购约定的病例构成必须保留审计记录,并把自然分布不足、不可得和超出范围分别报告。
训练、验证和测试应按患者级或项目定义的稳定实体划分,而不能把同一患者不同时间点、同一 Study 的多期相或高度相关的派生重建拆到不同集合。纵向项目还需记录时间顺序,防止把随访结局泄漏到基线特征。外部验证应至少考虑来源中心、扫描设备、重建条件、协议、年龄与性别分布和术后亚组的差异;报告中要分别说明技术指标、标签一致性和临床任务的评价口径,不能把分割 Dice、报告分类一致性和临床结局预测混成一个“准确率”。
公开的 ImageCAS 研究把冠脉分割数据和基准任务明确为 CTA 图像分割问题,说明公开基准适合比较算法实现,但不自动代表所有设备、协议和人群。8 同样,PlaqueViT 的外部验证可以为研究设计提供参照,却不能替代新数据集自己的独立抽检。项目应预先冻结一份与常规交付清单不重叠的质量基准样本,由指定医生直接阅片或阅图;抽检结果应按中心、协议、病种、质量档和标签类型分层,而非只给出一个平均通过率。
图 2|技术示意:从标签定义到独立验证,应将来源、语义、几何、划分和版本作为连续的证据链。
六、把验收写成可执行的业务逻辑
对于数据采购或研究合作,建议先用一小批脱敏样例走完“接入—解析—标签—审核—导出—复算”的闭环,再决定是否扩大规模。样例验收应至少检查:一个 Study 能否在目标工具中完整打开;多期相、多 Series 和派生重建是否保持归属;报告、结构化字段和标签是否能由匿名主键反向定位;DICOM 元数据和像素内文字是否完成专项检查;标签文件在下游训练工具中是否方向正确、体素间距一致;版本更正是否形成新版本或差分包,而非静默覆盖。
批次验收可以将“送检、通过、整改、剔除、待核验”分开统计,并在每项异常后写明原因、责任、日期和复验结果。数量应从逐例索引重算,而不是接受无法追溯的汇总表。对同一 Study 的多序列、多视图、多期相和重复导出,应通过主键、文件哈希和层级清单去重;对跨批重复、公开数据混入、合成数据冒充真实数据、患者错配或报告错配,应设置阻断性缺陷。整改完成后要重新执行自动检查,并按风险进行人工复抽。
业务上还应把数据档次和交付目的分开。基础档可以只包含可读的脱敏原始影像与正式报告;标准档增加结构化报告、设备和协议元数据、核心标签;更高档次再增加纵向检查或跨模态关联。不同档次的分母、去重主键、证据要求和价格口径应在项目书面文件中锁定,同一例不能因同时包含多个模态就被重复计算。专业指南可帮助定义采集完整性和术语边界,但只有在适用范围明确、经项目书面引用后,才适合作为验收条款。
这一逻辑也帮助研发团队判断数据是否真正“可用”。如果数据没有报告原文,模型可能只学到二元标签;如果没有协议和设备字段,外部误差无法解释;如果没有“无法评价”和不确定标签,模型会把技术失败误当疾病阴性;如果没有版本和问题单,研究者无法复现论文中的训练集。可验收的数据交付不是把文件放入一个压缩包,而是同时交付一套能让算法、临床研究和信息安全团队复核的证据材料。
七、公司能力如何与需求对齐:只承诺已核验的流程能力
朗慧科技公开定位为 AI 数据基础设施及流程服务商,自研 LangData 覆盖采集、处理、标注、质检和数据交付;医疗栏目提供按部位、模态和任务组织的数据目录与项目化评估入口。将这些已核验定位用于 CTA 项目时,更合适的表达是:围绕具体授权和任务,协助梳理数据字典、建立影像与报告的关系、组织标注与复核、生成质量记录和版本化交付。平台或流程能力可以支持数据治理与研究准备,但不等于已经拥有某一规模的现货队列,也不等于完成了某项临床验证或监管审定。
对于心脏及血管 CTA,应在项目启动时单独确认是否覆盖原始 DICOM 解析、冠脉或主动脉的任务模板、MPR/CPR 辅助核验、报告结构化、跨模态关联、专家终审、私有化环境、导出格式和下游工具验证。每项能力都要以脱敏样例和书面验收脚本确认;不能把其他 CT、MRI 或通用标注项目的经验直接当成 CTA 专项现货。涉及来源授权、伦理审查、数据出境、临床结论或诊断性能的事项,也不能由数据服务商替代数据所有者、医疗机构和合格医师作出决定。
对研发团队而言,最有价值的交付往往不是一套看似精细的单一标签,而是“影像—报告—标签—证据—版本”的可复现闭环。对采购与质量团队而言,最有价值的指标也不只是总量,而是逐例可重算、问题可定位、整改可复验、外部样本不泄漏。把这两套视角放进同一份项目规格,CTA 数据才可能从一次性文件加工转化为可持续迭代的研究资产。
结语:让 CTA 的复杂性成为可管理的结构
心脏及血管 CTA 同时拥有三维几何、时间期相、血管层级、报告语义和临床证据的不确定性。高质量建设的目标不是把所有病例都压成确定标签,也不是用某个模型或某个总分掩盖协议差异,而是让每个研究对象知道自己来自哪次检查、依据哪组影像、对应何种报告、由谁在何时复核,以及在什么条件下不应被解释。
从原始 DICOM 到患者级划分,从冠脉中心线到病灶标签,从不确定语义到独立外部验证,任何一个环节缺失都会削弱最终模型的可解释性。对于医疗 AI 团队,先把任务、数据和验收写清楚,再谈算法规模和多模态扩展,通常比先追求数量更能降低返工与偏差。对于数据服务团队,守住授权、原始性、专家责任和版本边界,才能把“能交付”推进为“可复核、可研究、可持续更新”。
本文为心脏及血管 CTA 数据建设的技术分析,不构成医疗建议、诊断、治疗或医疗器械性能承诺。文中示意图不含真实患者信息,不代表实际项目结果;具体数据来源、授权、伦理、标签范围、模型性能和交付条件均须以项目书面确认及适用法规为准。
参考来源
- ACR–NASCI–SPR Practice Parameter for the Performance and Interpretation of Cardiac Computed Tomography (CT)
- ACR–NASCI–SIR–SPR Practice Parameter for the Performance and Interpretation of Body Computed Tomography Angiography (CTA)
- CAD-RADS™ 2.0 – 2022 Coronary Artery Disease – Reporting and Data System
- How scan parameter choice affects deep learning-based coronary artery disease assessment from computed tomography
- PlaqueViT: a vision transformer model for fully automatic coronary artery and plaque segmentation in CCTA
- MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis
- DICOM PS3.15 2026c: Attribute Confidentiality Profiles
- ImageCAS: A large-scale dataset and benchmark for coronary artery segmentation based on computed tomography angiography images

