MEDICAL DATA RESEARCH
甲状腺超声数据交付:从 Study 去重到跨模态验收的工程化路径
面向医疗AI研发与数据采购,本文把甲状腺超声一次检查定义为可追溯Study,说明原始多帧影像、报告语义、病理与随访证据如何分层关联,并以去标识、独立抽检、外部验证和版本化验收降低重复计数、标签错配与数据泄漏风险。
一份甲状腺超声数据集交到算法团队手里时,最先要回答的往往不是“有多少张图片”,而是“这一行究竟代表什么”。如果同一项检查的多序列、多视图和重复导出被重复计数,如果报告中的“考虑”“不能除外”被压成确定类别,如果病理、随访和影像提示没有区分来源,后续训练得到的就不只是噪声标签,还可能是不可解释的分布偏差。对需要支持研究、模型开发和数据治理的项目而言,甲状腺超声数据应当被设计成可追溯的检查对象,而不是图片文件的集合。
这类任务可以被拆成几个互相连接但不能混写的层次:检查级数据负责定义去重单位和临床上下文,序列与帧级数据负责保存采集过程,病灶级数据负责表达位置和属性,像素级数据负责表达轮廓,报告和跨模态字段负责记录语义与证据。每一层都有不同的标注主体、质量风险和验收方法。只有把这些层次放进同一套版本化数据字典,研究者才知道模型的输入来自哪里,标签又在什么意义上成立。
先固定检查单位,再组织影像对象
甲状腺超声的基本计数单位宜定义为一次超声检查或 Study。一次检查内可能包含双侧叶、峡部和颈部淋巴结区,也可能同时包含灰阶、彩色或能量多普勒、弹性成像和造影超声等实际存在的序列。它们可以支持不同研究问题,却不应在数量统计中被当成多个独立病例。主键、来源相对时间、Study 与 Series 的关系以及重复导出的判定规则,都应在项目开始前写入字典。这样既避免规模被技术导出方式放大,也为后续患者级或检查级划分提供稳定基础。
输入模态的定义应服从真实采集记录,而不能由文件名或项目预期倒推。灰阶图像适合承载腺体形态、结节回声和边界等影像观察;多普勒、弹性或造影序列只有在实际完成并且质量支持评价时才作为相应字段的输入。颈部淋巴结区也应单独标记覆盖情况,不能因为检查名称写着“甲状腺”就推断所有区域均已扫描。对于缺少某序列、某视图或某解剖范围的检查,应分别编码为未做、不可得、不可评价或不适用,而不是转换成阴性。
目标解剖结构至少包括双侧叶和峡部,并按实际扫描记录处理颈部淋巴结区。结节级记录需要稳定的病灶标识、侧别、上中下位置和三径,必要时进一步保存组成、回声、形状、边缘、强回声灶、血流和弹性等属性。多个结节不能共用一个病例级标签;同一检查存在多个病灶时,每个病灶都要能回溯到自己的影像证据、报告语句和复核记录。这样设计的好处不是让表格更复杂,而是防止一个病灶的病理或随访结果被错误传播给同一检查中的其他病灶。
研究任务还要在项目层面明确输出颗粒度。检查级分类回答的是一次 Study 的总体类别;病灶级检测回答某个结节或淋巴结在哪里;帧级定位回答对象在连续扫查中的出现范围;像素级分割回答可见边界;报告字段抽取则回答某段文本中有哪些结构化语义。这些任务不能使用一个含义模糊的“阳性”字段替代。公开研究已经显示,动态超声会产生数量不均的图像,同一患者的不同结节也可能有不同病理标签;其数据组织方式说明,患者、图像集合和病理证据需要分层保存,而不能把每张图都视作独立样本。1
图1:甲状腺超声 Study 级数据对象、证据分层与验收链路的技术示意;不含真实患者数据,不表示某批数据已交付或已形成临床诊断。
原始影像、帧序列与元数据要一起交付
超声影像的外观同时受到探头、频率、成像深度、增益、设备软件、操作者扫查方式和后处理的影响。若项目只留下压缩截图,后续研究很难判断边界差异究竟来自病灶、采集条件还是导出过程。因此,原始 DICOM 静态图和设备原始动态图应在授权范围内优先保留;如果使用研究格式转换,也要同时提供转换工具版本、参数、日志和完整性校验。截图、胶片照片、报告 PDF 或关键帧拼图可以作为辅助阅读材料,但不能替代约定的原始影像或完整视频。
AIUM 的超声实践参数把高质量检查的实施与记录放在同一框架中,并将参数定位为完整检查的最低参考,而不是脱离场景的法律标准。4 这对数据建设的启发是,影像、报告和采集上下文应被共同核验;如果设备条件或实际临床流程无法产生某项序列,应如实记录其未做或不可得状态,而不是为满足字段完整而补造内容。
DICOM 的超声多帧对象把患者、Study、Series、设备、采集、像素、cine、多帧和超声区域校准等模块放在同一信息对象中,提示数据整理时不能只抽取一张可视化图片而丢掉时间和空间上下文。2 对每个序列,至少应检查 Rows、Columns、Pixel Spacing、帧数、帧顺序、帧率、方向、深度、探头频率和设备信息是否存在;未知值、真正缺失和不适用要有不同编码。对转换后的文件,必须验证像素尺寸、帧顺序、Study/Series/Instance 关系是否仍然可解析,不能只依赖文件能够打开这一项粗略判断。
结构化报告也不是数据交付的附属说明。检查名称、检查所见、诊断结论或印象、主要诊断、细分标签、否定语义与不确定语义,应与对应 Study 稳定绑定;原始报告有变更时,应保留报告状态和版本,而不是用一条重新书写的摘要覆盖原文意义。报告中“疑似”“考虑”“不能除外”“治疗后改变”和“病理确诊”属于不同证据状态,任何同义词归一都不能删除原始语义。若影像与文字报告发生冲突,应把冲突作为独立状态进入复核与整改记录,而不是自动以任一方覆盖。
TI-RADS 或其他影像分层可以作为结构化影像语言和风险分层字段,但不能自动充当病理金标准。ACR 对 TI-RADS 的定位包括建立甲状腺结节超声描述词典和风险分层体系,用于辅助判断哪些结节需要进一步处理;这与组织学诊断的证据性质不同。7 因而,数据字典应同时记录分层体系及版本、原始报告值、结构化映射、影像观察者和外部证据来源。若标签来自穿刺、手术病理、甲状腺功能或随访,应有独立字段、日期和关联 ID;缺少这些证据时,影像倾向不能被写成确诊。
分布设计要服务于研究问题,而不是追求单一规模
数据分布是技术设计的一部分,而不是交付结束时的一张统计表。项目应在纳入前明确异常病例、正常或阴性对照、不确定病例、治疗后改变和术后状态如何分组,并在统计中分别呈现。正常对照要有完整图像和报告依据,不能以“未发现异常”这一缺少范围信息的文本代替。疑似病例可以为不确定性研究提供价值,但不应为了提高阳性率而并入明确阳性;病理确诊、影像提示和稳定随访也要保持证据分层。
多中心、多设备、多年份和不同人群的设计需要围绕实际算法用途确定。若模型要处理设备迁移,就要在索引中保留可核验的设备与软件信息;若模型面对动态扫查,就要保留完整序列和帧率上下文;若研究关注术后床或淋巴结,则这些场景应在标签字典中单列,并说明影像和临床证据的边界。年龄段、性别、儿童、妊娠期和术后状态等人群维度也应以授权可得为前提,未知值要显式统计,不能把未知当成普通类别。
抽样不仅用于估计总体质量,也用于发现高风险错配。独立抽检子集应与常规交付清单在患者和中心层面隔离,避免复核者只是重复看过的样本。抽检可以按协议、部位、病种、图像质量和质量档分层,由独立医学复核者直接查看原始图像、视频或报告。抽检结果应记录抽到的对象、复核版本、问题类型、是否整改和复验结论,而不能只留下一个通过率数字。
质量分档可以帮助使用者按研究任务选择数据,但分档不能成为把同一例重复计算的方式。若项目采用 L1—L5 等分档,应为每档写明最低字段和适用任务:基础档可以只承担原始影像与正式报告的可读性和配对要求;更高档次再增加结构化报告、设备与协议元数据、详细临床字段、纵向关联或跨模态关系。同一例只能按最终实际达到的一档计入统计或结算,不得跨档重复计算。每一档都要有字段字典和最低条件,且跨模态关联只能表达来源支持的患者级、检查级或对象级关系,不能包装成不存在的像素级病理标注。
标注主体、边界协议与争议记录
甲状腺超声标注至少需要区分数据工程检查者、初审标注者、医学复核者和必要时的争议终裁者。初审可以依据项目字典完成病灶定位、测量、影像属性和报告字段填写;复核者则重点检查 Study 关联、病灶 ID、双侧结构覆盖、协议归属、边界和证据来源。对于良恶性、炎症类型、术后复发倾向或淋巴结性质等高语义字段,标注者不应仅凭个人印象制造真值,应按项目约定调用报告、病理、检验、手术或合格随访证据。
边界协议要把“看得见什么”和“研究者希望得到什么”分开。结节边缘清晰时,可以规定轮廓是沿可见最外缘还是保守标记;低对比度、散斑噪声、部分遮挡或结节离开视野时,应允许使用不可见、边界不确定或待复议状态。若研究任务需要动态分割,帧数、帧顺序和空间尺寸要与原始多帧影像保持一致;若只需要关键帧定位,则要明确关键帧的选择规则以及起止帧是否仍然保留。连续性是数据结构的要求,不代表可以从有限扫查推断真实三维体积。
所有争议都应留下可解释记录。一个争议条目至少包括原始判断、复核意见、分歧位置、依据来源、最终决定、规则版本、决定日期和受影响对象。规则变更后,不能只把新答案写回旧数据,而应标记受影响批次并进行回溯。未知、缺失、未做、不适用、不可评价和明确阴性不是同一类值;把它们统一成“0”或空白,可能让模型把数据缺陷学习成临床信号。
从标签工程走到算法验证
在数据结构稳定后,算法路线才有意义。检查级分类可以采用多实例学习,把同一 Study 的多帧图像作为一个集合,由集合级证据学习总体标签;病灶级检测和分割则需要在病灶或帧层提供空间监督;动态任务可以使用时间聚合或序列模型,但必须先保证帧顺序和可见范围可靠;报告与影像联合任务可以采用晚期融合,将图像特征与结构化文本或临床字段分开编码后再融合。多模态算法不是把所有字段拼在一起,模型需要知道某个字段是影像观察、报告转录还是外部证据。
公开研究中的结果应被理解为方法学证据,而不是项目性能承诺。Hou 等研究以病理标签组织甲状腺超声图像,并在患者层面安排内部训练验证和独立批次验证,说明同一患者的多张图像必须在划分时保持聚合,外部批次也应独立保存。1 另一项使用掩码自编码预训练和 Transformer 进行结节分割的研究,在多个公开数据集上报告了任务级 Dice 结果,同时指出边界不规则、数据多样性和样本规模仍是限制;这些研究结果不能直接外推到不同设备、不同人群或不同采集协议。5
数据划分的最小单位应根据泄漏风险确定。存在同一患者 ID 时,患者级划分通常比随机图片划分更稳妥;只有 Study ID 而无稳定患者关联时,至少要避免同一检查的序列、帧和派生图跨集合。近年的系统综述指出,甲状腺结节检测与分割研究存在显著异质性,许多研究缺少多中心外部验证,内部验证可能高估模型在其他人群和设备上的表现。6 因而,数据采购或建设阶段就应冻结训练、验证和测试清单,记录纳排规则,并预留独立来源用于外部评估。
评价指标也要与任务和数据层级对应。分割可报告 Dice、IoU、边界误差和小病灶分层表现;检测要说明对象级匹配规则、敏感度、假阳性和定位误差;分类不仅要给区分度,还要结合校准、阈值、证据来源和亚组表现;报告抽取则要检查字段级准确性和否定语义是否被改变。任何研究指标都应同时说明样本来源、设备与协议、参考标准、分割或分类的单位、模型版本和外推限制。研究性能不等于临床效果,更不等于监管批准。
图2:从任务定义、证据分层到外部验证和误差回溯的技术示意;不含真实患者数据,研究性能不等于临床效果或监管批准。
去标识化、授权与交付验收必须前置
医学数据的合规和安全不能等到导出后才补做。数据进入项目时,应核对来源授权、使用目的、衍生数据权限、伦理或其他适用审查材料以及访问边界。对报告和结构化文本,要排查直接标识、自由文本中的准标识和不应外传的内部信息;对超声图像,要同时排查 DICOM 头、私有属性、文件元数据、像素内烧录文字、叠加层和相关文档。去标识配置文件是技术工具,不是来源合法或风险为零的证明。
DICOM PS3.15 明确指出,属性级保密配置不能保证信息对象已经完成去标识化,也不能替代结合使用场景、接收方和再识别风险开展的流程;它还要求关注像素内识别信息、私有属性、UID 和跨对象引用的一致性。3 因此,交付前应执行文件级、像素级和关联级检查。UID 重映射后,Study、Series、Instance、报告、测量、分割和派生对象之间仍要能够解析;日期处理要保留必要的相对时间关系;任何不能确认的对象都要进入问题清单,而不是静默删除。
验收最好建立机器可读的 manifest。每批记录数据集和版本、相对路径、字节数、格式、对象 ID、原始或派生状态、中心与协议字段、去标识和转换工具版本以及文件摘要。接收方可以重新计算摘要以确认比特完整性,但摘要本身不能证明授权、标签正确或临床适用。文件能打开也不代表图文配对正确,必须增加 Study/报告/标签主键核对、重复主键和重复哈希检查、跨批重复检查、公开数据混入检查以及派生数据披露。
有些问题应被视为阻断缺陷:直接身份信息泄漏、错患者或错报告关联、来源授权无法核验、伪造或静默替换文件,都会使数量统计失去意义。整改必须产生新版本或差异包,写清旧版与新版摘要、原因、影响对象和回滚方法;不能直接覆盖既有交付目录。对于撤回对象,还要评估其是否已进入独立抽检、训练集或其他派生结果。这样的验收设计把质量从“看起来完整”转换为“可以复算、可以解释、可以回溯”。
把项目需求转成可实施的工作包
一个可实施的项目可以先从任务定义会开始。研究方需要说明模型要解决的是检查级分类、病灶检测、动态定位、分割、报告结构化还是多模态关联,并指定输入、输出和最小可用粒度。随后建立字段字典,定义 Study、Series、Instance、帧、病灶、报告、病理或随访之间的关系,列出允许值、单位、空值语义、证据来源、更新方式和版本号。规则不清时,先用小批样本试标并集中处理难例,再冻结正式规范。
批次执行阶段应将自动检查和医学复核并行安排。自动检查负责文件可读性、帧顺序、空间尺寸、哈希、主键、重复和元数据缺失;医学复核负责解剖覆盖、报告语义、病灶属性、证据层级、边界和争议。统计报告应从逐例索引重算,分别列出送检、通过、整改、排除和待核验对象,并按设备、协议、病种、质量档和证据来源分层。这样,验收方看到的不只是一个合格数量,还能知道哪些数据适合哪种研究任务,哪些局限仍然存在。
根据已核验的公司能力边界,朗慧可在项目授权和书面规格确认的前提下,将医疗数据目录、需求梳理、专业标注、质量记录、版本管理和数据交付组织为项目化服务;这些是流程与交付能力的定位,不代表已经拥有某个特定数据集、现成模型或临床验证结果。具体人员资质、复核层级、样本范围、周期、格式和验收阈值,都应在项目方案、授权条件和合同中单独确认。公司能力、源文件需求和建议研发路线三者不能互相替代。
对算法团队而言,真正有价值的交付不只是影像文件和一张标签表,还包括数据字典、去重规则、证据来源、划分清单、质量报告、问题样本、版本记录和已知限制。对数据采购或管理团队而言,真正需要验收的也不只是数量,而是每个对象能否被找到、每个标签能否被解释、每次更改能否被追踪、每项外部证据能否被核验。甲状腺超声的临床复杂性不会因为数据被格式化而消失,工程化的任务正是把这种复杂性保留下来,并让它变成研究者能够审计和复用的结构。
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、风险预测、治疗建议或疗效承诺。文中的结节、炎症、淋巴结、TI-RADS、病理和随访等词语用于说明数据字段和证据层级,不能用于判断任何个人健康状况。任何模型研发、数据共享和实际部署,都需要根据具体用途完成授权、伦理、隐私保护、质量管理和独立临床验证;个体临床决策应由具备相应资质的医务人员结合完整病史、原始影像、报告、病理及其他必要资料作出。
参考来源
- An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning
- A.7.4 Ultrasound Multi-frame Image IOD
- DICOM PS3.15 Security and System Management Profiles
- AIUM Ultrasound Practice Parameters
- Thyroid nodule segmentation in ultrasound images using transformer models
- Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules
- ACR Thyroid Imaging Reporting and Data System

