MEDICAL DATA RESEARCH
脊柱 CT 数据集如何从“有影像”变成可验收的研究资产?
脊柱CT数据集建设如何避免重复计数、标签错配与隐性泄漏?本文从Study级计数、原始DICOM、报告语义、跨模态关联、专家复核、质量门控和独立验证,梳理面向研究交付的可复核方法,并明确数据授权与临床边界。
同一项脊柱 CT 检查里,轴位源图像、骨算法重建、软组织重建和矢状/冠状重建可能属于多个 Series;如果把每个序列都当作一例,数量会被放大,标签也会在检查之间错配。反过来,如果只保留一张截图、一个“异常”字段或一段被截断的报告,研究者就无法判断影像覆盖了哪一段脊柱,也无法知道“阳性”究竟是骨折、退变、肿瘤线索,还是术后金属伪影造成的不可评价。脊柱 CT 数据建设真正困难的地方,不是把文件放进目录,而是让检查、序列、报告、征象、证据和质量状态在同一条可追溯链路上成立。
先把临床问题翻译成数据对象
脊柱 CT 项目通常同时服务于创伤评估、退变性改变研究、肿瘤或感染线索识别、术后内固定评价,以及围绕椎体和附件的结构分析。ACR–ASNR–ASSR–SPR 的脊柱 CT 实践参数把创伤、退行性改变、骨密度、对齐、术后、感染、肿瘤和发育异常等列为不同的临床使用场景,并分别讨论检查和质量控制边界。1 这提醒数据采购者:不能用一个“脊柱异常”总标签替代具体任务,也不能把不同临床问题的证据门槛混成一个真值。
一个可执行的项目应先写清楚输入。最低输入是经过授权和去标识处理的原始 CT DICOM,保留 Study、Series 和 Instance 层级的引用关系、像素数据、HU 转换所需信息、空间几何、方向、层厚、重建核及检查范围。对于常规脊柱 CT,骨算法和软组织重建应按实际可得情况分别记录;有多期相、术后金属伪影处理或特殊重建时,也应保留原始名称、版本和可评价状态。截图、胶片照片、报告 PDF 或关键帧拼图可以作为辅助材料,却不能替代约定的原始影像对象。
计数单位应固定在检查或 Study 层级,而不是 Series、视图或文件数量层级。同一次检查内的多序列、多期相、多重建和多视图属于一个检查对象,只有在数据字典中明确其关系,才能既保留模型需要的输入,又避免重复结算或重复进入训练集。患者、检查、报告、病理或手术记录之间则应使用稳定的匿名关联键;没有来源系统证据时,只能标为不可得,不能凭相似日期、相似文本或人工猜测建立关联。
输出也要分层。检查级标签可以表达明确阳性、明确阴性、不确定、无法评价和未检测;报告级字段应保留检查名称、所见、诊断结论、主要诊断和否定语义;征象级字段应进一步记录节段、目标椎体或附件、位置、程度、单位、分级体系及版本。若研究目标需要病灶级定位或像素级分割,应另行定义标注对象、边界和导出格式,不能把患者级标签或跨模态关联误写成病灶级金标准。一个数据集有无 Mask,不应成为所有任务的统一质量标准。
图 1|技术示意:脊柱 CT 数据从原始对象到标签和验收的分层关系;不表示真实患者、已完成实验或临床诊断。
标签字典要区分“看见了什么”和“依据是什么”
脊柱 CT 的疾病与征象范围可以按风险和证据来源分组。创伤类可包括急性压缩、爆裂、屈曲牵张、旋转或移位骨折,以及椎弓根、横突、棘突等附件骨折。骨质疏松性压缩骨折应与陈旧骨折和急性创伤分开;急性程度如果需要 MRI、临床症状或既往片比较,不能仅凭 CT 外观强行确定。退变类可包括椎间盘膨出或突出、骨赘、终板硬化、间隙变窄、小关节退变、椎管或椎间孔狭窄、滑脱和峡部裂。肿瘤、转移、感染、先天变异、侧弯或后凸、术后融合和椎管内或椎旁占位线索,则需要把影像提示与病理、手术、MRI、检验或随访证据分开。
标签字典至少要把五类状态拆开:明确存在、明确不存在、疑似或考虑、无法评价,以及未做或资料不可得。“不能除外”不是阳性,“报告未提及”不是阴性,“术后改变”也不应自动归入疾病阳性。影像报告可以支持报告级征象标签,但不能在没有病理或其他明确证据时升级为病理确诊。对于 CT 评价脊髓或软组织受压的边界,应保留报告原有的限定语和进一步检查建议,避免把 CT 的线索写成 MRI 或病理结论。
同样重要的是临床场景字段。外伤、退变、肿瘤、感染和术后状态应作为可并存的背景或分层变量,而不是互相排斥的单一类别。内固定、融合器、植骨、松动或断裂等术后对象要标记金属伪影影响;如果某个区域无法可靠评价,应记录不可评价的范围和原因。侧弯或后凸的几何测量也要说明来源:完整站立位 X 光更适合某些全脊柱对齐参数,CT 中已有的测量记录不能被重新包装成统一的全脊柱测量金标准。
标注主体应与字段风险匹配。影像科或脊柱相关专业人员可以完成初始报告语义整理和征象分层;涉及分型、少见病变、术后复杂改变或证据冲突时,应由具备相应经验的复核者处理。初标、复核和仲裁不应共享未经控制的先验标签。复核者需要看到规定范围内的影像和上下文,但对模型输出、前一位标注者的决定以及可能造成暗示的字段应按任务设计进行盲法处理。每次修改都应留下原始判断、争议原因、依据、最终决定、指南版本和审核状态。
公开数据集的做法可以帮助理解这种分层。RSNA 颈椎骨折 CT 数据集以 Study Instance UID 作为 Study 级标识,并同时提供患者或椎体层级标签;其较小子集进一步提供框标注和椎体分割。该项目还记录了练习、再培训和不同标注深度之间的取舍,最终选择了“广泛的 Study 级标签加有限的图像级定位”的混合方案。2 这并不意味着每个采购项目都应复制同一方案,而是说明标签颗粒度应由研究任务、专家时间和验收目的共同决定。
CT 协议和多模态关联必须保留边界
脊柱 CT 的工程质量不能只看图像能否打开。设备厂商和型号、软件版本、采集参数、层厚、像素间距、重建核、期相、覆盖节段和方向,决定了模型看到的空间尺度和纹理条件。2025 年公开的颈椎退变多模态数据集同时保留 CT 骨窗、软组织窗和 MRI 序列,并记录不同扫描设备及参数;研究者还按患者而不是按单张切片固定训练和测试划分。3 对采购项目而言,这意味着设备分布和划分规则应在建库前冻结,不能在模型训练后才寻找一个看起来更好的测试集。
跨模态的价值在于补充证据,而不是制造更强的标签。脊柱 CT 可以较好呈现骨性结构,MRI 对脊髓、椎间盘和其他软组织问题可能提供不同信息。手术、神经查体、病理或随访则可帮助解释影像征象的临床背景。但“同一匿名患者曾有 MRI”只证明患者级或检查级关联;如果没有共同的空间坐标、病灶 ID、时间依据和原始记录,不能宣称像素级配准、病灶级配对或病理确证。每条关联都应有来源类型、日期或相对时间、证据强度和缺失状态。
去标识也不能被简化成删除姓名。DICOM PS3.15 明确说明,属性保密配置不能保证所有可识别信息都已消除,去标识属性不等于整个信息对象完成去标识;像素内烧录文字、图形、私有属性、文件元信息、UID 引用和相关对象之间的一致性都需要单独处理。4 因而,正式流程应同时检查 DICOM 头、私有标签、像素和报告自由文本,并核验匿名患者、Study、Series、Instance、报告和派生对象之间的引用是否稳定。去标识处理还要记录工具和版本、保留与替换规则、日期处理、风险评估和复核结果。它解决的是信息保护问题,不自动授予数据的研究或商业使用权。
从规则到算法:先防泄漏,再谈性能
脊柱 CT 数据可支持多个机器学习任务,但不同任务需要不同的输入输出。检查级分类适合回答“该 Study 是否存在明确骨折或某类征象”;多标签分类可以同时保留骨折、退变、术后改变和不确定状态;检测任务需要定位椎体或附件区域;分割任务则需要连续层面的边界、标注协议和导出格式。把所有标签压缩成一个二分类,虽然方便训练,却会掩盖不确定语义、共存病变、部分覆盖和金属伪影造成的不可评价。
预处理应在不损害可追溯性的前提下进行。可以按任务需要进行方向统一、体素重采样、窗位显示或裁剪,但必须保留原始文件、转换日志和版本信息,并记录哪些字段用于模型、哪些字段只用于审计。对骨窗和软组织窗,不能用一个未经说明的窗宽窗位覆盖原始重建;对不同层厚和设备,也不宜在没有验证的情况下假设同一纹理分布。若模型输入是派生体数据,应能够回溯到原始 Study、Series 和转换参数。
数据划分首先按患者去重,再考虑中心、设备、检查时间和连续随访。患者的多次检查、同一 Study 的不同重建以及由同一原始对象派生的切片不得跨训练和测试集合。外伤病例的复查、术后病例的前后检查和跨模态对象也应按项目规则成组,否则模型可能通过设备、报告模板或患者特征而非病变本身获得捷径。对少见病种,不能把自然不足用合成或外部混入数据悄悄补齐;如果引入公开数据,应单独披露来源、许可、版本和是否进入训练或仅作外部评价。
算法路线可以采用“结构先验加任务头”的设计。第一步是通过方向、覆盖范围和椎体定位建立解剖参照;第二步在检查级或节段级进行多标签识别;第三步对高风险或需要解释的条目增加定位、测量或分割分支;第四步把报告文本中的否定、不确定和比较检查语义与影像输出分开处理。这样的路线不等于预先承诺某个模型效果,而是把任务输出与临床证据分层,便于分析错误来自采集、标签、关联还是算法。
外部验证必须独立于开发数据。一个椎体骨折算法的外部研究在胸部、腹部和胸腰椎 CT 中纳入了来自三家厂商、16 台扫描仪的 4,810 名受试者,并以盲于临床信息的参考阅片进行评价;研究报告了检查级识别的敏感度、特异度和其他指标,但这些结果只属于该研究队列和任务定义,不能直接外推到脊柱专门 CT 数据集或其他病种。5 项目验收因此应预先规定分层方式:按中心、设备、解剖段、病种、术后状态、图像质量和证据等级报告,而不是只给一个总体分数。
质量门控要能阻断问题批次
可实施的质量门控至少有四层。第一层是来源和合规:确认授权范围、处理角色、去标识方案、访问边界、数据使用目的和撤回机制。第二层是文件和技术完整性:全量解码,检查 Study/Series/Instance 层级、像素、方向、顺序、HU、空间几何、层厚、重建核和覆盖范围,识别重复哈希、错序、污染和不可读取对象。第三层是临床语义:核对报告与影像逐例配对,检查主要诊断、细分标签、阴性和不确定语义是否被改变,并把证据来源与标签版本写入索引。第四层是分布与独立评价:按中心、年份、设备、扫描段、年龄段、性别、术后状态和质量档次重算统计,另设不与常规交付重复的医生复核或独立抽检集合。
对每个异常都要有闭环。问题记录至少包括匿名对象、发现版本、问题类型、影响范围、处置决定、责任角色、复验结果和最终版本。整改前的对象不得计入合格量;替换不能静默覆盖旧文件,必须形成新版本或差分包并更新哈希和影响清单。对错患者、错报告、授权无法核验、直接身份泄漏、伪造或静默替换等高风险问题,应设置批次阻断,而不是用总体合格率冲抵。
质量基准样本的价值不在于给公司或模型制造一个漂亮数字,而在于提供可重复的参照。项目方或研究团队可以预先冻结一组由指定专业人员直接阅片的样本,覆盖核心病种、常见质量缺陷、不同协议和边界病例。复核者应独立于生产标注,并在评价前锁定标签字典、分型版本、排除规则和模型版本。评价报告需要同时呈现样本来源、参考标准、病例级与病灶级口径、缺失处理、置信区间或一致性方法,以及未纳入场景。没有这些上下文,单个准确率或 AUC 很难说明数据能否支持真实研究。
TCIA 的 Spine-Mets-CT-SEG 是一个有用的公开对照:其数据规模较小,包含 CT、分割、分类和随访信息,来自特定肿瘤转移场景和有限设备,格式与许可也有明确说明。6 它展示了“任务专用、对象分层、格式可用、来源可追溯”的价值,同时也提示不能把一个针对放疗模拟或脊柱转移的集合,直接当作创伤、退变和术后全谱数据。采购验收应让适用范围和不适用范围同样可见。
图 2|技术示意:从来源与去标识到独立验证的质量门控;不表示真实患者、实验完成或临床诊断结果。
让交付真正服务研发,而不是只服务结算
对研发团队而言,合格交付不是一个装满影像的压缩包,而是能够被重新理解和复核的数据资产。每批应同时提供机器可读索引、字段字典、文件清单、版本和哈希、分布统计、质量报告、问题与整改记录、标签和证据来源说明。研究者需要知道一条标签来自影像报告、专家复核、手术、病理还是随访,也需要知道该标签适用于哪个 Study、哪个时间点和哪个解剖段。这样的结构才能支持后续新增任务,而不必重新猜测原始数据的含义。
质量档次也应成为交付语义,而不是只在报价或结算表中出现。项目可以按研究需要把基础档定义为原始影像与正式报告,把标准档扩展到结构化报告、设备和协议元数据,把临床档扩展到有来源的所见、诊断或病史字段,再把完整档用于完整序列、视图、期相或纵向关联,把多模态档用于有证据的病理、检验、治疗或其他模态连接。不同档次必须说明纳入条件、缺失语义、关联粒度和可验收的文件清单;同一 Study 不能因为同时含有多个模态就被机械重复计入不同档次。这些是按项目书面确认的分层方法,不是朗慧科技的统一库存、现货等级或临床性能承诺。
项目启动可以采用小样本试评估。先用覆盖边界病例的授权样本核对原始 DICOM 是否能被目标工具读取,确认 Study 级去重、报告配对、标签字典、跨模态键和导出格式;再用独立复核者检查争议病例,观察缺失、不可评价和术后伪影是否都有明确处置。试评估的目的不是提前承诺产能或模型指标,而是发现规范中无法执行的词语。只有当“什么算一例”“什么算阳性”“什么证据足够”“什么情况必须排除”都能由不同角色重复执行,才适合扩大批次。
朗慧科技的公开能力定位是 AI 数据基础设施及流程服务商,公开材料所示能力边界包括按项目开展医疗数据目录匹配、样例评估、标注与质量交付;这不等同于某一特定脊柱 CT 数据库存货,也不证明任何特定病例、中心或临床结果已经具备。围绕本类项目,更稳妥的服务表达应是协助把研究问题转成数据字典、来源审查、DICOM 处理、专业标注、盲审、版本记录和验收包,并在样例评估后确认实际模态、专家配置和交付边界。平台或人工流程产生的预标注只能视作草稿,未经约定审核的结果不应进入最终金标准。
最终,脊柱 CT 数据建设的研发价值来自“可解释的限制”。哪些节段完整、哪些结构未进入视野,哪些标签只是影像提示,哪些病例因金属伪影无法评价,哪些关联只有患者级,哪些中心和设备没有被外部验证覆盖,都应在数据卡和质量报告中明确。这样建立的资产不一定适用于每一种模型,却更容易被复现、审计和重新利用。它把采购需求从文件数量和模糊阳性率,转化为临床任务、数据颗粒度、专家证据、质量门控和独立评价之间的可核对关系,也为之后的模型研究保留了诚实的边界。
本文讨论的是医学影像研究数据建设、标注和验收方法,不构成医疗建议、临床诊断、筛查意见、治疗方案或医疗器械性能承诺。实际项目仍需依据适用法律法规、伦理决定、数据授权、信息安全要求和书面验收方案执行。
参考来源
- ACR–ASNR–ASSR–SPR Practice Parameter for the Performance of Computed Tomography (CT) of the Spine
- The RSNA Cervical Spine Fracture CT Dataset
- Multi-modal and multi-view cervical spondylosis imaging dataset
- DICOM PS3.15 2026d: Attribute Confidentiality Profiles
- External validation of a convolutional neural network algorithm for the detection of vertebral fractures on routine CT scans
- Spine-Mets-CT-SEG: Spine metastatic bone cancer: pre and post radiotherapy CT

