MEDICAL DATA RESEARCH
脊柱 MRI 数据集建设:从检查级 DICOM 到可审计证据链
面向医疗AI研发与数据采购,拆解脊柱MRI检查级Study计数、DICOM协议元数据、报告与病理证据分层、专家复核、患者级拆分及外部验证,帮助把数据交付写成可追溯、可复核的研究规格。
当研究团队希望用脊柱 MRI 训练分割、检测或报告理解模型时,最先需要解决的并不是选择哪一种网络,而是确定“一例数据”究竟是什么。一个检查可能含有多条序列、多个节段和多个时间点;报告中的“考虑”“不能除外”与明确诊断也不是同一类标签;影像所见、手术记录、病理和症状责任节段之间更不能被自动视为同一层级的事实。如果这些关系在入库时没有被写清楚,后续再精细的标注也难以回答模型学到了什么、错误来自哪里以及结果能否迁移到另一种采集条件。
因此,脊柱 MRI 数据建设应把检查级对象、序列级技术语境、报告级语义、病灶或解剖级标签和证据来源放在同一条可追溯链路中。它既服务于算法训练,也服务于样本筛选、专家复核、独立验证和交付审计。公开的 SPIDER 数据集已经展示了多中心腰椎 MRI 研究如何同时保存多序列、结构分割、放射学分级和独立保留测试对象;这类实践提示,数据规模之外,研究者更需要知道每个标签处于哪一个对象层级、由谁依据何种影像或记录形成。1
先把临床问题拆成可验收任务
脊柱 MRI 的“异常”不是一个足够用于研发的输出。面向退变性疾病,模型可能需要判断椎间盘突出或膨出所在节段、中央或旁中央位置,以及是否存在神经根接触或压迫;面向狭窄任务,则要分开椎管、侧隐窝和椎间孔,记录程度、原因和受压结构;面向脊髓病变,需要描述受累节段、信号改变、肿胀或软化。骨折、感染、转移或原发肿瘤、炎症/脱髓鞘病变、血管异常、先天畸形和术后改变又有不同的证据需求。把这些内容统一压缩为“阳性/阴性”会丢失模型训练和临床解释所需的层级。
需求定义至少应回答五个问题。第一,输入是完整的脱敏 DICOM 检查,还是仅提供某一组重建图像;是否保留矢状 T1、矢状 T2、脂肪抑制或 STIR、关键节段轴位 T2,以及临床实际产生的增强或 DWI 等专项序列。第二,输出是检查级分类、节段级标签、病灶级框或轮廓,还是需要与报告字段配对的多任务数据。第三,标签主体是椎体、椎间盘、脊髓、椎管、神经根、椎旁软组织、术后材料,还是一项跨模态事件。第四,数据以单次 Study、患者纵向时间线还是患者—检查—序列三级对象组织。第五,验收究竟检查可读取率、覆盖完整性、标签一致性、报告配对,还是外部来源上的独立表现。
计数单位应优先选择 MRI 检查或 Study,而不是把同一次检查中的每条序列、每个期相或每个视图拆成多个样本。这样可以避免模型在训练集和测试集之间看到同一检查的近重复影像,也能让交付统计与临床检查语境一致。Study 之下仍须保留 Series 和 Instance 或等效层级,因为序列名称、方向、层厚、层间距、空间几何、磁场强度、线圈、TR/TE/TI、b 值和对比剂信息,可能直接影响模型的输入分布。DICOM PS3.10 将文件格式、文件元信息和媒体存储对象作为交换标准的一部分,说明研究数据不应只留下脱离上下文的截图或拼图。6
图1|脊柱 MRI 检查级数据链技术示意;不含真实患者影像,不表示已完成实验或临床诊断。
原始影像和报告要保持同一语境
脊柱 MRI 的覆盖范围必须成为显式字段。颈、胸、腰和骶尾节段不能仅凭检查名称推断;矢状面是否完整覆盖目标节段、关键轴位是否存在、是否能评价目标结构,都应由原始文件和质量规则核验。部分覆盖或严重伪影时,系统可以标记“部分覆盖”“不可评价”或“待核验”,但不应据此生成范围外结构的阴性结论。公开的腰椎 MRI 数据研究也会对视野截断、缺层、运动伪影或无法完整显示神经孔的检查做质量处置,这说明“有文件”与“支持某一标签评价”是两个不同条件。2
协议名称还要与实际文件一致。供应链整理时常见的风险是仅依据目录名把一条序列归为 T2,或把不同重建版本当作互相独立的检查。较稳妥的做法是保留原始序列名,同时维护受控标准名,并记录归类依据、缺失状态和版本。对于不同机构、设备代际和扫描参数,应保留原始值及单位,不宜用一个归一化字段覆盖原始语境。ACR–ASNR–SABI–SSR 的成人脊柱 MRI 专业参数将适应证、脉冲序列、层厚、覆盖范围、文档和质量控制分别列为技术考虑事项;在数据建设中,它可以帮助团队检查协议字段是否足以解释适用范围,但不应被机械改写成所有项目都必须满足的合同阈值。7
结构化文本需要同时保存检查所见、诊断结论或印象、主要诊断、细分标签、否定语义和不确定语义。报告中的“疑似”“考虑”“不能除外”“治疗后改变”与“明确诊断”应分别编码,原文与结构化映射之间保持可回溯关系。影像报告提示的肿瘤或感染不能被写成病理确诊,影像上的脊髓信号改变也不能直接替代病因诊断。对训练任务而言,保留不确定状态并不意味着数据不可用;相反,它可以帮助研究者构造排除规则、敏感性分析和弱标签实验,而不是让模型把不确定语句错误学习成确定真值。
跨模态关联应遵循“有来源才关联”的原则。CT、X 光、手术、神经查体、病理、检验和随访可以在患者级或检查级建立关联,但关联键只表达对象之间的可追溯关系,不等于像素级配准,也不等于病灶级证据。尤其是症状责任节段,不能仅由影像算法自动推定。若项目需要纵向研究,应记录前后检查的受控时间关系、比较对象和来源记录;如果实际未做某项检查,应区别“未做”“不可得”“未知”和“阴性”,避免把数据缺失变成临床否定。
标签设计要把解剖、疾病和证据分开
一套可复用的脊柱 MRI 标签,至少应有三层。第一层是可直接从影像或文件核验的对象层,例如扫描节段、椎间盘级别、椎体和椎弓、脊髓、椎管、神经根、椎间孔、术后材料和伪影。第二层是对象属性层,例如狭窄程度、脊髓 T2 高信号、压迫部位、病灶位置、增强表现或术后改变类型。第三层是证据层,说明字段来自原始影像、正式报告、专家复核、手术记录、病理、检验还是随访。三层可以互相引用,但不应被一个没有来源的“最终诊断”字段替代。
对于病灶级任务,颗粒度要在项目开始前固定。若研究目标是检测,输出可以是病灶框、节段和类别;若目标是分割,则要定义边界是否覆盖整个异常区域、是否保留内部坏死或液化成分、如何处理与骨、硬膜外组织或术后瘢痕相邻的模糊边缘;若目标是报告结构化,则应进一步约定字段的语义范围、单位、分级体系和不可判断条件。对于脊髓或神经根等细长结构,需要说明是全结构轮廓、受累段轮廓,还是仅建立存在性和位置标签。不同任务不能因为共享同一套影像就被默认成同一真值。
公开研究为这种分层提供了具体参照。SPIDER 将椎骨、椎间盘和椎管作为三维分割对象,同时保存按椎间盘级别整理的放射学分级;其标注采用模型初始结果加人工修订的迭代方式,并明确指出这种方式可能带来偏差。1 另一项 2026 年的腰椎矢状位数据论文由三名神经外科医师参与,对神经孔按左右侧、椎间盘层级和正常至重度分级建立框标注;其中部分病例因为神经孔显示不清而没有该项标注,作者也指出脊柱畸形和矢状位不对称会影响完整评价。2 这两项工作共同说明,标签数量不应掩盖可见性条件和标注排除原因。
专家标注不只是“找一位医生看图”。应在试标阶段固定术语、节段计数、边界例外、阴性对照和不确定编码,并用图例或案例说明等级差异。初标者需要知道哪些字段可直接依据影像填写,哪些字段必须等待报告或病理/手术证据;复核者要能看到原始影像、序列语境和标签来源,而不是只审一张导出的截图。对争议样本,应保留初始判断、争议点、复议依据、最终决定和指南版本。静默覆盖分歧会让后续团队误以为标签天然一致,也无法追踪规范变更对既有批次的影响。
算法路线应服从任务粒度和数据证据
当输入包含完整 Study 和多序列影像时,算法路线可以分为三个层次。第一层是数据可用性和协议识别:验证序列是否存在、覆盖是否满足任务、空间几何是否自洽,并把设备、序列和缺失模式作为质量协变量。第二层是解剖结构定位:先识别节段、椎体、椎间盘、脊髓或椎管等参照对象,再把病灶或狭窄标签映射到稳定的解剖层级。第三层才是疾病征象或报告字段预测。这样做的好处是错误可以被定位:模型是没有找到目标结构,还是发现结构后把节段、侧别或证据来源配错。
分割任务可使用三维或二维—三维混合网络,但输入重采样、强度归一化、序列选择和缺失序列处理必须写入数据卡。检测与分级任务需要明确框、中心点、节段和侧别的关系,不能把多节段多个神经孔压缩成一个病例级类别。报告理解任务则要处理否定和不确定语义,避免只从结论句抽取阳性标签而丢掉“未见”“不能排除”这类关键上下文。Lee 等对脊柱 MRI 人工智能研究的综述把采集处理、分割、诊断、治疗规划和预后区分开,并强调设备、机构和脉冲序列差异会削弱模型的可泛化性。3
预训练或半自动初标可以降低重复勾画的负担,但预标注不应直接成为金标准。初始模型可能系统性漏掉少见病变、错误延续椎间盘边界或把金属伪影当作病灶。更稳妥的工作流是把机器输出标为草稿,要求人工修订,之后由另一名复核者检查边界、层级、阴性与不确定标签,并将失败案例回流到指南和试标集。算法输出和专家最终值要分开存储,以便研究者区分“模型意见”“人工修订”和“证据标签”,也便于重新评估不同预标注版本的影响。
质量验收不是一个总分
质量管理至少应分成来源、技术、语义、关联和版本五类。来源层核验授权范围、处理角色、伦理或其他适用基础,以及是否允许研究、派生和再次提供;技术层核验 DICOM 可读取性、Study/Series/Instance 层级、覆盖、空间方向、序列、关键参数和文件完整性;语义层核验报告与标签是否逐例对应,否定和不确定语义是否保留;关联层核验匿名患者、检查、报告、标本和派生对象的键是否稳定;版本层则记录每次更正、替换、撤回和对已交付批次的影响。
去标识化不能只依赖删除姓名和患者编号。DICOM PS3.15 明确提示,属性保密配置文件并不保证所有可识别信息都被移除,也不替代完整的去标识流程和再识别风险评估;像素内烧录文字、图形叠加、私有属性以及相关实例的 UID 一致性都需要单独检查。5 对需要纵向关联的研究数据,还要在降低识别风险的同时保留稳定的匿名键和必要的相对时间关系。任何用于重映射的规则、工具版本、保留字段清单和人工复核结果,都应进入版本记录,而不是只在交付前临时处理。
独立抽检要避免与常规交付发生患者或中心重复。抽检可以按来源中心、设备、序列、节段、病种和质量档分层,由指定专家直接阅片或阅图,形成一套与训练标注相对独立的质量基准。抽检结果不应只报一个汇总比例,还要记录错配、不可评价、边界分歧、证据不足和脱敏缺陷的数量与处置。若一个问题会导致错患者、错报告关联、来源无法核验或文件被静默替换,它应被视为阻断性缺陷,而不是用总体平均分稀释。
CLAIM 2024 对医学影像 AI 的要求与此高度一致:数据来源、纳排标准、预处理、去标识、缺失值、采集协议、参考标准、标注者资质和标注者变异都要可复现地说明;训练、验证和测试应至少在患者级或更高层级保持独立,并明确外部数据测试是否存在。4 将这些要求转为项目验收时,重点不是照抄论文清单,而是让交付物能够回答“这条标签由谁、在什么影像条件下、依据什么规则产生,以及后来如何被修改”。
图2|脊柱 MRI 数据集标注、质控与独立验证技术示意;不含真实患者影像,不表示真实实验结果或临床诊断。
外部验证要看差异,而不只是换一批数据
外部验证不是把同一批次随机再抽一部分。真正有意义的独立评估,需要在来源机构、设备厂商和代际、磁场强度、序列组合、节段构成、病例严重度和报告习惯上存在与目标场景相关的差异,同时保证标签定义和参考标准仍可比较。评估前要先检查外部数据是否缺少轴位、是否存在不同的覆盖范围、是否采用不同的分级体系,以及某些结构在该来源中是否根本不可见。若标签结构不同,应报告不可直接比较的部分,而不是强行计算一个总体指标。
研究性能和临床效果也要分开。分割研究可以报告三维重叠和表面距离,检测研究可以报告定位和分级表现,报告任务可以报告字段级抽取和否定语义错误,但这些结果并不自动说明模型改善了诊疗流程或患者结局。外部验证中还应保留置信区间、分层结果、失败案例和缺失模式;如果一个模型只在高质量矢状位序列上验证,就不能把结论外推到缺少关键序列、存在金属伪影或有严重畸形的检查。脊柱 MRI 综述同样把真实临床环境评估和泛化问题列为后续研究重点。3
对于纵向任务,还要防止时间泄漏。某位患者的术前和术后检查、同一 Study 的不同重建、同一病例导出的多个版本,都必须在拆分策略中被视为相关对象。数据卡应记录拆分单位、排除重复的方法、版本冻结日期和受影响的样本范围。模型开发者只有在知道这些边界后,才能解释一次高分是来自真正的结构学习,还是来自同一患者或同一采集协议的近重复。
让交付物服务于持续研发
一个可复用的交付包不应只有影像文件和一张标签表。至少还应包括逐例索引、字段字典、文件清单、原始/派生标记、序列和设备元数据、报告配对关系、标签证据来源、质量问题清单、整改复验结果、分布统计、版本说明和必要的转换日志。每个对象都应能够通过匿名键或相对路径回到其来源文件;每项排除、待核验或不可评价状态都应有原因。这样,研究团队可以在改变纳排标准或新增任务时重新筛选,而不是重新采购或重新整理全部材料。
数据字典应明确字段允许值、单位、分级版本、空值规则、来源类型和更新时间。例如“未做”说明临床检查没有产生该序列,“未知”说明目前无法确认,“不可评价”说明影像存在但质量不足,“阴性”则代表在可评价条件下未见目标征象。四者不能互换。对于病理、手术和随访字段,还应记录日期、来源标识和证据状态,避免一个没有时间和出处的结论被反复传播到模型训练集。
项目化的数据基础设施服务可以在需求梳理、数据字典设计、标注组织、质量记录和版本交付等环节提供支持,但具体可用数据、专家配置、部署边界、周期和验收阈值仍需以合法授权和书面项目方案为准。已核验的公司定位更适合被表述为 AI 数据基础设施及流程服务,包括采集、处理、标注、质检和数据交付能力;不能把建设需求、网站目录或单个示意流程写成现货规模、既成临床成果或统一模型指标。
对于采购和研发读者,最值得在立项阶段锁定的不是一个漂亮的总量,而是三个可追溯问题:目标任务的最小输出是什么,标签证据的最低层级是什么,验收失败后如何回流和复验。只要 Study 计数、协议语境、证据分层、专家复核、患者级拆分和外部验证被写入同一份可执行规格,脊柱 MRI 数据才能从“文件集合”转化为支持算法比较、偏差分析和持续迭代的研究资产。本文讨论的是医学影像数据建设与 AI 研发准备,不构成个体诊断、筛查、治疗或疗效建议;任何临床判断仍需由具备资质的医务人员结合完整病史、原始影像和适用证据作出。
参考来源
- Lumbar spine segmentation in MR images: a dataset and a public benchmark
- Medical Spine Sagittal MRI Dataset for Segmentation and Foraminal Stenosis detection
- Applications of Artificial Intelligence and Machine Learning in Spine MRI
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
- DICOM PS3.15 E Attribute Confidentiality Profiles (Normative)
- DICOM PS3.10 Media Storage and File Format for Media Interchange
- ACR–ASNR–SABI–SSR Practice Parameter for the Performance of MRI of the Adult Spine

