跳至正文
朗慧科技

MEDICAL DATA RESEARCH

肋骨CT多模态数据集怎么建:把病例、结构与证据放进一条可验收链路

面向医疗AI研发与数据采购,拆解肋骨CT多模态数据的Study级计数、DICOM几何、肋骨与胸骨标签、报告证据分层、专家复核、患者级划分及独立验收,明确哪些要求仍需授权和项目书面确认。

CT与血管影像AI辅助整理 · 研发交流

肋骨 CT 数据集最容易被低估的地方,是把“有一套胸部 CT”误认为已经拥有了可训练、可复核的数据。真正的研究任务可能要回答:骨折发生在哪一侧、哪一根肋骨和哪个节段?是新鲜、陈旧还是术后改变?一项检查里到底有几处骨折?胸腔积气、积血或肺挫伤是否属于同一次检查中的伴随损伤?报告中的“疑似”“不能除外”与影像明确征象是否被错误地压成同一个阳性标签?如果这些问题没有在数据结构里提前回答,模型训练得到的可能只是“异常检查”识别器,而不是能够被独立检查的肋骨影像研究数据。

这类数据建设也有一个重要边界:文章讨论的是经授权的研究数据、标注流程和交付验收,不对任何个体作诊断,不把研究结果等同于临床效果,也不把某一项需求写成已经存在的数据库存量。对医疗人工智能研发团队来说,价值不在于把需求中的数量口径原样搬进宣传材料,而在于把临床任务拆成可追踪的对象、可解释的标签和可以在下游真正打开的交付物。

一、先把临床问题拆成检查级、结构级和证据级任务

肋骨 CT 项目通常同时包含几种颗粒度不同的任务。检查级任务关注一次 CT Study 是否存在明确骨折、阴性、无法评价或不确定状态;结构级任务要定位侧别、肋序、前段、侧段或后段,并记录骨折数量、移位、新旧程度等属性;伴随损伤任务则描述肺挫伤、血气胸、胸壁血肿或其他实际进入诊断视野的胸部表现。胸骨柄、胸骨体和剑突并不应因为名称接近肋骨就被默认为同一对象,它们应当作为独立的解剖标签和独立的覆盖条件处理。

“阳性”也不能成为唯一输出。单发与多发骨折、细微或隐匿骨折、陈旧骨折与骨痂、术后固定或切除改变、肿瘤相关病理骨折、感染性骨质改变以及正常外伤对照,可能服务于不同的模型和不同的偏差分析。比如,急性骨折检测可以将新旧程度作为分层变量,但不能用一个模糊的“骨折”类别把陈旧骨痂和新鲜骨折混在一起;术后金属材料造成的伪影也不宜简单当成阴性样本,因为它更适合作为质量与适用性标签。

输入模态应从原始对象开始定义。优先考虑可读取的薄层胸部 CT、肋骨骨算法重建、胸骨冠状和矢状多平面重建,以及用于观察肺和胸腔伴随损伤的软组织或肺窗。MPR、曲面重建和三维派生图像可以作为辅助视图,但要与原始 Series 分开标记。报告文本、检查目的、比较检查和经授权可得的急诊病史、手术固定或随访信息属于不同证据层,不能因为它们都出现在同一文件夹中就被视为同一层级的真值。

一次 CT Study 只能按约定的检查级主键计数。同一次检查的多序列、多期相、多重建、多视图和重复导出,不应因为文件数量增加而被拆成多个样本。相反,研究系统需要保留这些层级,以便算法知道哪些图像是同一检查的不同表达。对纵向数据,应以去标识化患者为划分单位,把同一患者的时间点、衍生重建、报告和关联临床信息放在同一数据分区中,防止模型通过重复解剖、设备特征或报告模板获得不应有的提示。

二、数据模型的核心不是目录,而是可回到原始证据

一个适合研发交接的最小层级,可以从“匿名患者—检查/Study—Series—Instance—派生视图—结构对象—报告与证据”展开。匿名患者层用于控制纵向划分;Study 层记录检查日期的受控表示、检查目的和覆盖完整性;Series 层记录序列、期相、视图、重建核、层厚和设备信息;Instance 层保留文件级哈希、像素数据和读取状态;派生视图层记录 MPR、曲面或三维重建与原始序列的关系;结构对象层记录每个骨折或胸骨对象;报告和临床证据层记录语义来源、日期和关联键。

这样的层级不是要求每个项目都拥有所有模态,而是要求“有”和“没有”都能被解释。未做检查、资料未取得、该字段不适用、图像不可评价、报告明确阴性和真正未知,至少应有不同的编码。把所有空值填成“阴性”,会让模型学习到采集缺失而非医学现象;把没有病理或手术依据的影像提示写成病理确诊,则会把证据层级错误地提升。

原始 DICOM 的保留重点也不只是像素。方向、空间几何、层厚、层间距、重建核、期相和设备软件版本会影响细微骨折的显示条件。若数据只剩压缩截图或拼接图,研究者将无法判断某个边界差异来自真实结构、重采样、窗宽窗位还是导出过程。文件清单应能回到相对路径、对象 ID、原始或派生状态以及校验摘要;结构化报告则应与具体 Study 稳定配对,而不能只提供一个与影像目录脱开的文本表。

肋骨CT研究数据从检查对象到可复核标签的技术示意查看完整技术图(可放大)

图1 肋骨 CT 研究数据对象、医学语义与研究输出的关系示意。图示为原创技术示意,不含真实患者影像,不表示已完成实验或临床诊断。

三、标签设计要保留定位、状态和证据的差异

肋骨骨折的结构化标签至少需要回答三个问题:在哪里、看到了什么、依据是什么。位置字段可以包括侧别、肋序、前/侧/后段及必要的胸骨分段;征象字段可以记录骨折线、皮质不连续、骨痂、畸形愈合、移位、粉碎或不愈合倾向;状态字段应区分明确阳性、明确阴性、不确定、不可评价、未做和未知。数量、单位、分级体系和规则版本必须随字段保留,否则“移位”或“骨折数量”在不同批次中的含义可能并不相同。

报告语义与影像标注之间也要建立分层关系。“考虑骨折”“不能除外”“疑似”“治疗后改变”和“明确骨折”不是同义词。可以在项目规则中定义研究标签的映射,但不能用归一化类别覆盖原始报告语义。若研究目标需要病例级二分类,应额外生成一个派生字段,并保留映射规则、证据来源和不能映射的原因。这样,算法团队可以在主任务中使用清晰标签,也能在敏感性分析中重新选择证据门槛。

伴随损伤应保持独立。血气胸、肺挫伤和胸壁血肿可以作为同一次 CT 中的伴随标签,也可以按部位和证据来源进一步拆分,但不能把它们与肋骨骨折的实例 ID 混成一个“严重外伤”类别。若原始检查并未覆盖某个结构,或图像质量不足以评价,就只能记录覆盖不足或不可评价,不能为了满足阴性配额给出范围外阴性结论。

少见或高风险类别的标注更需要证据分层。肋骨肿瘤、转移、感染和病理骨折等字段,如果项目需要组织学或临床依据,应把病理、肿瘤史、实验室、手术和影像报告分别记录。影像上出现溶骨、成骨或软组织肿块,可以成为影像观察字段,但不应被自动写成组织学类型。研究数据的严谨性往往体现在这些“不强行归并”的地方,而不是体现在标签表看起来多么整齐。

四、算法路线要围绕对象和失败模式,而不是先选一个模型名字

肋骨 CT 的算法设计可以采用分层路线。第一步是输入标准化:读取 DICOM、检查空间方向与体素间距、核对层厚和重建核,按项目约定生成骨窗和软组织或肺窗输入,同时记录每个变换的版本。第二步是确定任务主线:检查级分类适合输出阳性、阴性和不确定概率;实例级检测需要给出肋骨或胸骨位置、类别和置信信息;体素级分割则需要轮廓或 Mask,并明确其空间坐标和插值规则。一个模型可以共享特征,但不同输出不能用同一个验收指标替代。

在三维体数据中,细微骨折往往既小又长,且可能跨越多个切片。较合理的研发方案通常需要结合三维局部块、骨窗信息和跨切面上下文;是否引入肋骨中心线、曲面重建或邻近结构参照,应通过试标与失败样本决定,而不是预设为所有项目的必需能力。对于同时包含胸骨和伴随损伤的任务,还要防止模型只依赖肺部阴影、金属伪影或急诊流程中的设备特征。

公开研究可以说明任务难度,但不能直接替代本项目验收。一项 2020 年的 FracNet 研究以薄层 CT 建立了肋骨骨折数据和三维检测分割流程,采用人工参与的标注、患者级训练/调参/测试划分,并将检测用 FROC、分割用 IoU 和 Dice 评价。3 一项 2025 年研究针对新鲜肋骨骨折和严重程度分级,使用内部测试与公共数据外部测试,并将标注中的严重与非严重定义写入方法部分。1 这些工作说明,目标定义、标注证据和评测层级必须一起设计;它们的病例构成、设备条件和研究性能不能被移植成某个新项目的承诺。

预标注如果被采用,只能被视为草稿。模型生成的框、轮廓或类别需要进入可修订、可复核、可撤回的状态机,审核通过前不得进入金标准、训练集或正式统计。模型版本、预处理版本、人工修订范围和最终审核状态都应写入交付记录。这样做既方便回放,也能避免“模型给过的标签”在批量处理中被误当成专家真值。

五、专家标注不是一次签字,而是一套可追溯的证据治理

初标人员可以按照字段字典记录图像可见信息和报告语义,但标注主体的专业背景、任务权限和审核责任要在项目方案中明确。复核者应重点检查肋序与侧别、骨折数量、急慢性状态、胸骨覆盖、伴随损伤和原始报告的否定或不确定表达。对于隐匿骨折、血管沟混淆、解剖变异、金属伪影、骨痂与新鲜骨折难分的样本,应建立难例库,不要在批量阶段默默改写规则。

单盲或多盲审核的目的,是减少复核者被前一轮答案带偏。至少要保留初始判断、复核判断、争议点、引用的图像或报告依据、最终决定、修改时间和规范版本。无法可靠判断的样本可以进入不可评价或待复核状态;这比把不确定样本强制改成阴性更有研究价值,因为后续模型可以把不确定性作为分层分析对象。

一致性指标要与任务颗粒度匹配。检查级阳性状态可以使用适合分类的指标,肋骨实例定位需要关注漏检、多发骨折错配和位置偏差,轮廓任务才适合讨论 IoU 或 Dice,结构化字段还要核对单位和类别映射。任何 Kappa、FROC、IoU 或 Dice 的计算,都应提前写明抽样单位、参考标准、排除规则和实现版本,不能把不同层级的数字拼成一个“总体准确率”。

六、质量偏差往往发生在模型训练之前

关于肋骨骨折 CT 深度学习的系统综述指出,研究风险主要来自患者选择、对照样本、切片厚度、参考标准和适用性报告不足;低风险研究与其他研究之间的性能差异提醒我们,数据选择本身会改变结论。2 因而,项目不能只统计阳性病例数,还要记录外伤背景、阴性和不确定样本、旧骨折、术后改变、图像质量受限样本、年龄和性别分层、检查年份、中心、设备及协议分布。

高阳性比例可以让检测任务更容易,却不代表真实临床场景。若训练集几乎没有阴性或不确定检查,模型可能只学到外伤流程、报告模板或设备差异;若某一中心占比过高,模型可能把中心特征当成疾病特征;若所有影像来自同一代设备和同一重建核,内部测试表现也许很好,但换到其他设备或协议时不一定稳定。分布说明应随着数据交付一起提供,而不能在模型结果出来后才补充。

患者级拆分是防止泄漏的基本条件。重复导出、同一 Study 的不同重建、同一患者的随访 CT、报告复制和派生 MPR 都不能跨越训练与测试边界。若存在多中心数据,外部测试应尽量在中心、设备或时间上形成独立条件,并把“独立”定义写清楚。一个外部测试研究在内部数据和外部数据上呈现不同的敏感度,正说明外部验证不是把内部测试再随机一次,而是检查分布变化后的适用性。4

推荐的独立基准集应关注代表性、图像质量和可访问的评价规则。2024 年关于医学影像基准数据集建设的建议强调,外部验证需要独立数据,病例代表性和图像质量会直接影响可信度。5 对肋骨 CT 来说,独立抽检可以按中心、协议、部位、病种和质量档分层;抽检对象与常规交付保持患者级隔离,并由指定专家直接阅片或阅图。这样的基准集不是用来制造一个漂亮分数,而是用来检验标签边界、读取成功率和模型失败模式。

七、把验收写成数据闭环,而不是只看文件能否打开

第一道验收闸门是来源与合规:授权范围、处理目的、去标识规则、伦理或其他适用基础、访问角色和版本记录是否齐全。第二道是原始性与完整性:DICOM 是否可读取,Study/Series/Instance 层级是否稳定,像素、几何、层厚、重建核和期相是否与索引一致,原始与派生对象是否明确区分。第三道是图文配对:报告、结构化标签、匿名检查主键和影像对象是否逐例对应,错患者、错 Study 或关键语义改变都应被视为阻断缺陷。

第四道是医学语义验收。抽样核对侧别、肋序、节段、骨折数量、移位、新旧程度、骨痂、胸骨骨折和伴随损伤,检查不确定、不可评价、未做、未知与阴性是否被正确区分。对于少见类别,要查证其证据来源和纳入规则;对于术后数据,要确认它被标记为术后状态,而不是被迫归入阳性或阴性。若某个字段需要报告、病理、手术或随访支撑,验收表就应记录具体证据类型,而不是只检查字段是否非空。

第五道是分布与独立性验收。按 Study 去重后重算合格量,分别查看中心、设备、年份、人群、协议、质量档和阳性状态的分布;检查同一患者是否同时出现在常规交付和独立抽检中;检查跨批重复、重复哈希、公开数据混入以及合成或派生数据是否被清楚披露。项目约定的数量和比例应作为待书面锁定的验收口径,而不能被文章中的示意数字替代。

第六道是下游可用性验收。至少应取一组脱敏样例,在目标训练或分析工具中打开影像、标签和报告关联,验证方向、体素间距、坐标系、Mask 或框的位置与原始图像一致。交付包应同时包含机器可读 manifest、字段字典、校验摘要、质量报告、异常样本清单、整改复验、版本影响范围和已知限制。只有通过这些检查,数据才从“文件交付”变成“可回放的研究资产”。

肋骨CT数据从准入、专家复核到独立验收的质量闸门技术示意查看完整技术图(可放大)

图2 肋骨 CT 数据质量闸门示意。图示为原创技术示意,不含真实患者影像,不表示统一准确率、已完成实验或临床应用批准。

八、去标识化不能与授权、伦理和数据质量混为一谈

DICOM PS3.15 的保密配置文件明确提醒,属性去标识并不保证整个信息对象已经完成去标识化,也不替代对使用场景、接收者、适用法规和再识别风险的判断。6 肋骨 CT 项目不仅要检查患者姓名、检查号和私有属性,还要检查像素内烧录文字、报告自由文本、序列引用、UID 一致性以及可能泄露机构或人员的信息。若要保持纵向关系,应使用受控且可审计的 UID 和日期重映射,同时确保跨 Series、报告和派生对象的引用仍可解析。

健康数据的可用性也不能成为额外收集或改变既有诊疗流程的理由。研究数据建设应使用已经合法产生并在授权范围内可处理的记录,不应为了填补某个标签而诱导检查、补造报告、拼接其他患者或改变原始诊断。CT 专业参数和检查文档可以参考 ACR–SPR 的诊断 CT 实践参数,但专业指南用于界定检查和记录的适用边界,不会自动变成某个项目的合同阈值或模型性能保证。7

九、研发价值来自可复用的交付逻辑

对模型研发团队而言,肋骨 CT 数据的价值不是单一的骨折标签,而是能否沿着同一主键重新组织多个任务。一个研究可以使用检查级状态训练筛查模型,另一个研究可以使用肋骨实例和空间标签训练定位或分割模型,第三个研究可以把新旧程度、术后状态和伴随损伤作为分层变量。只要原始对象、派生对象、证据来源和版本记录没有被混在一起,这些任务就有机会在授权范围内复用,而不必每次重新整理一遍文件。

朗慧科技已核验的能力边界是 AI 数据基础设施及流程服务,覆盖数据采集、处理、标注、质检和数据交付的项目化组织;医疗方向可以按部位、模态和任务进行目录与需求评估,并以项目规格、样例、质量记录和版本交付来定义实际边界。这并不等于公司已经拥有某个肋骨 CT 现货数据集、某种统一专家规模或某项临床获批产品。具体人员资质、可用数据范围、授权状态、复核层级、周期和交付指标,仍需通过样例评估与书面项目方案确认。

更稳妥的实施路径,是先用少量、已授权且脱敏的样例走完入库、解码、标签试标、盲审、版本化导出和下游读取,再决定是否扩大队列。试点应记录失败样本,而不是只展示顺利样例;应比较不同设备、层厚、重建核和人群分层下的修订负担;应把新增标签、验收阈值或关联模态的变更形成新版本。这样,平台能力、人工审核和数据采购不会被混成一个无法验收的“全包”承诺。

结语:把不确定性保留下来,数据才真正可研究

肋骨 CT 数据集建设的难点,归根结底不是把更多图像装进更大的目录,而是让一次检查中的结构、语义、证据和限制彼此对应。Study 级去重保证数量口径不被文件数误导;原始 DICOM 和几何元数据保证研究者能重建输入;肋骨、胸骨和伴随损伤的分层标签保证任务边界清楚;专家复核和争议留痕保证不确定性没有被静默抹平;患者级划分和独立外部验证保证结果不会被泄漏和中心偏差虚高;manifest、质量报告与版本记录则让交付可以被第三方回放。

这套方法不承诺一个固定模型、固定效果或固定临床用途。它做的是把需求转换为可执行的数据设计:哪些对象必须保留,哪些标签必须分层,哪些证据不能越级,哪些缺失必须显式表达,哪些错误足以阻断批次。对医疗 AI 研发、数据采购和质量管理团队来说,这种可解释、可审计、可迭代的结构,往往比一张没有来源和适用边界的性能表更能支撑长期研究。

本文讨论的是经授权的医学影像研究数据建设与标注工程,不构成医疗建议、临床诊断、筛查意见、治疗方案、疗效承诺或医疗器械性能声明。实际项目应由具备相应资质的临床、数据、合规和算法人员依据完整资料、适用法规、伦理要求及书面验收方案独立判断。

参考来源

  1. Intelligent detection and grading diagnosis of fresh rib fractures based on deep learning
  2. Deep learning for acute rib fracture detection in CT data: a systematic review and meta-analysis
  3. Deep-learning-assisted detection and segmentation of rib fractures from CT scans: Development and validation of FracNet
  4. Assessment of automatic rib fracture detection on chest CT using a deep learning algorithm
  5. Recommendations for the creation of benchmark datasets for reproducible artificial intelligence in radiology
  6. DICOM PS3.15 — Attribute Confidentiality Profiles
  7. ACR–SPR Practice Parameter for Performing and Interpreting Diagnostic Computed Tomography (CT)