跳至正文
朗慧科技

MEDICAL DATA RESEARCH

乳腺钼靶多任务标注如何落到可验收数据:从分割冲突到双视图坐标

面向乳腺影像AI研发与数据采购团队,本文拆解肿块、钙化、结构扭曲和不对称的Mask/BBox任务,说明CC与MLO病灶对应、BI-RADS证据分层、DICOM/NIfTI坐标核验及病例级划分和验收边界。

X光与乳腺影像AI辅助整理 · 研发交流

乳腺钼靶AI项目最容易被低估的,并不是模型选择,而是“同一个病灶到底要交付什么”。一个需求同时写出肿块和可疑钙化分割、良性钙化与结构扭曲检测、BI-RADS分级、乳腺密度、良恶性及病理相关属性,看上去像一份完整清单,实际却混合了像素级、框级、视图级、病灶级和病例级任务。如果没有先冻结标签定义,后续的算法输入、标注工作量和验收指标都会发生漂移:同一处钙化可能在一个版本中被当成轮廓,在另一个版本中只被框选;同一侧乳腺的CC位与MLO位也可能被当成两个相互独立的阳性样本。

因此,乳腺钼靶数据建设的关键问题不是“能否多标一些类别”,而是能否把每个输出放回它所属的层级,并让原图、坐标、证据和复核记录在交付后仍然对得上。本文围绕一类典型的乳腺钼靶智能检测需求,讨论如何处理任务冲突、双视图对应、Mask与BBox的组合、BI-RADS及密度语义、专家标注、坐标转换和研发验收。文中只讨论研究数据与标注工程,不构成对任何个人的诊断或筛查意见。

先冻结任务:同一份规格不能让“分割”和“检测”互相替代

乳腺钼靶通常以同侧乳腺的头尾位(CC)和内外斜位(MLO)共同观察。对算法而言,这至少包含两个视图层面的输入;对标注而言,则包含影像、视图、病灶和病例四种不同颗粒度。一个可执行的规格应先回答五个问题:输入是否为标准数字乳腺X线影像,CC与MLO是否必须成对,检测对象如何定义,哪些对象需要轮廓或体素Mask,哪些对象只需要BBox,以及病例级语义由什么证据支持。

典型需求会把对象分成肿块、可疑钙化、良性钙化、结构扭曲和不对称五类。肿块与可疑钙化可能需要精细空间表达,后三类更常见的交付形式是检测框或发现区域。但“可疑钙化需要分割”与“仅肿块进行分割、钙化只做检出与分类”并不是同一句话的不同写法,而是两个不同的数据产品。前者要求每个钙化簇有像素级边界,后者只要求定位钙化簇并描述形态和分布。若把两者留到批量标注后再解释,验收时就无法判断缺少钙化Mask是漏交,还是本来就不在范围内。

更稳妥的做法是把规格拆成核心层与增强层,但先要把冲突本身写进冻结单:原件前段把可疑钙化列为“分割”,后段又规定仅肿块勾画,并在交付清单中再次出现肿块与可疑钙化的精细NIfTI Mask。因此不能把BBox-only默认为已满足原要求。核心层可先对所有目标规定类别、视图、病灶ID、空间范围和必要属性;肿块的精细轮廓作为核心Mask;可疑钙化至少交付簇级BBox,而是否纳入像素级Mask必须由项目负责人、医学专家和数据使用方在试标前书面冻结,并明确其验收口径。若研究问题确实需要钙化形状、连通性或像素级分布,还要规定单个钙化点、簇状钙化和散在但临床关注钙化的拆分规则。这样既不把检测框冒充分割,也不在数据完成后追加未计入人员与验收的任务。

这类“先拆任务、再定格式”的方法与乳腺影像研究中的实际需要一致。公开的深度学习研究已经把定位、分割、良恶性判断和病例级分类组织为不同层级,并把CC与MLO作为联合输入,而不是把一张乳腺图像独立送入单一分类器。4 近期综述也显示,乳腺病灶检测和像素级分割面对的难点不同,细粒度标注对专家时间和协议一致性要求更高。8 这并不意味着某一模型结构适用于所有项目,而是说明数据规格必须先明确每个任务的监督信号。

乳腺钼靶多任务标注的对象、语义与验收关系示意图查看完整技术图(可放大)

图1 乳腺钼靶多任务标注的对象、语义和验收关系技术示意;不含真实患者影像,不代表实验结果或临床诊断。

双视图不是两张图片:用病灶级ID保存对应关系

同一侧乳腺的CC位和MLO位呈现的是不同投影。压迫方式、组织重叠和病灶可见性会改变病灶在两幅图中的位置和外观,因此两个框不应被要求几何重合。数据需要表达的是“这两个视图中的对象是否可能属于同一病灶”,而不是“两个框是否一样大”。

建议在影像级、视图级和病灶级分别设定主键。影像级记录脱敏后的病例或检查标识以及采集上下文;视图级记录左右侧、CC或MLO、图像质量和是否完整;病灶级记录LesionID、跨视图的LesionGroupID、类别、坐标、可见性、属性和争议状态。若同一病灶在两个视图均可见,则两个视图的对象分别保存自己的坐标,并共享一个跨视图组ID。若只在一个视图中清晰可见,不应为了追求成对而在另一幅图上臆造一个框,可记录单视图可见或待复核。

病灶对应需要一个可复核的判定规则。试标阶段可以由乳腺影像专家依据侧别、象限、压迫投影、形态和另一视图的可见证据建立配对;对于无法可靠配对的对象,保留“未确定”状态,并把原因写入争议字段。算法训练时可以把成对视图作为联合输入,也可以先做视图内检测、再通过跨视图关联头或规则化匹配形成病灶组。无论采用哪条路线,评估时都不能把同一个LesionGroupID拆到训练集和测试集,否则模型可能利用同病灶的另一视图获得不应有的信息。

双视图关系还会影响“肿块”和“不对称”的标签边界。需求中把可仅在一个投照位出现、无法确认三维占位的密度影归入不对称,这是一个项目内的研究标注规则,不应被算法自动推导为普适临床结论。验收时要抽取单视图密度影、双视图可见肿块、胸壁侧边界模糊和两视图难以对应四类难例,检查标注者是否依据冻结规则处理,而不是用后验的模型预测反过来修改标签。

语义分层:BI-RADS、乳腺密度和病理证据不能挤进一个字段

空间标注只能回答“哪里有一个对象”,不能单独回答“它在临床上意味着什么”。BI-RADS是用于乳腺影像术语、报告组织、评估结构和分类沟通的标准体系,现行ACR页面也强调其与质量审查和结局监测的关系。1 研究数据可以保留原始BI-RADS 0、1、2、3、4a、4b、4c、5和6,但应明确它是某次影像评估中的原始语义,不等于模型训练时必须采用的二分类标签。

乳腺组成也应独立保存。ACR相关资料将乳腺密度分为几类,并把密度作为筛查路径和影像可见性讨论中的重要分层变量。2 数据字典可以用A至D或项目约定的等价编码,同时保留来源、时间点、是否缺失和复核状态。不能把密度字段简单压缩成“致密/不致密”后再声称完整保留原始信息;如果研究只需要二分类,也应把它作为派生字段,而不是覆盖原始分级。

病例级诊断、病灶级良恶性、浸润性癌、最大径、形态、边缘和伴随征象应分别存储。每个字段都要带证据来源,例如原始报告、病理结果、授权随访、专家复核或规则派生。病理确认的恶性与影像专家认为“可疑恶性”不是同一层证据;缺少病理的病例不能因为BI-RADS较高就被悄悄填入确定的病理类别。钙化形态和分布是影像征象,不能在文章或数据字典中升级为已经完成组织学分型。

MammosighTR数据集的论文展示了结构化乳腺组成、象限发现和BI-RADS标签的价值,也报告了不同类别的读者一致性差异。3 这类结果给标注工程的启示不是照搬某个一致性数值,而是把“标签本身是否稳定”作为项目问题:哪些字段可以作为金标准,哪些字段只能作分层变量,哪些字段需要病理或随访证据,哪些字段必须允许未知或不适用。字段来源不同,验收方式也应不同。

从数据对象到算法:让多任务输出与标签颗粒度一致

针对这类需求,可以把模型设计成共享影像编码器加多任务输出头,但不应把“多任务”理解成所有标签共用一个损失函数。视图内检测头负责输出良性钙化、结构扭曲和不对称等BBox;肿块输出实例级Mask或轮廓;可疑钙化按冻结的核心层或增强层输出簇级BBox及可选Mask;属性头再对已关联病灶预测形状、边缘、密度、钙化伴随征象、分布和病例级语义。

双视图融合可采用两个视图的独立编码后再做跨视图特征交互,也可以在检测之后用病灶候选进行配对。无论具体网络名称如何,训练输入都应保留视图类型、侧别和配对关系。把CC与MLO简单拼成两通道并不能自动解决错配;若配对关系本身含有不确定性,模型和数据表都要保留该状态,不能把“不确定”强行改成负样本。

高分辨率处理对微小钙化尤其重要。整幅图像缩放可能让微小目标消失,单独裁剪又可能损失病灶与腺体、胸壁或血管的上下文。可在试验中比较全图低分辨率分支与局部高分辨率分支,但裁剪坐标必须回写到原始视图坐标系,且裁剪策略不能使用测试集标签信息。对分割任务,Mask应保留原始像素与转换后的体素关系;对BBox任务,则应说明是像素坐标、归一化坐标还是DICOM相关坐标。

训练、验证和测试的划分应在病例或检查组层面完成,而不是在单张图、patch或病灶层面随机切分。公开的多视图研究把同一乳腺的CC与MLO视图作为一组,并设置独立测试队列;其研究结果属于特定人群、设备和标签条件,不能直接外推到其他项目。4 CLAIM 2024更新也要求清楚报告数据来源、预处理、参考标准、标注者、划分层级、外部测试和不确定性。7 这些要求应转化为数据交付中的数据卡,而不是等论文写作时再补记忆。

专家标注与争议:把“无法确定”保留下来

标注团队应先用小规模试标暴露冲突,再进入批量生产。第一轮由经过任务培训的专业标注者完成,第二轮由独立复核者在尽量不看到前一轮答案的情况下检查;对边界、类别、跨视图配对和证据来源发生分歧时,再由具备乳腺影像经验的专家按书面规则裁决。初标、复核、复议和终版都要留下版本号与修改原因。

肿块Mask的规则应具体到边界。标注者要尽量沿影像中可判断的最外缘勾画,避开皮肤、胸壁、血管、脂肪、腺体和伪影;边缘模糊时记录依据和不确定范围,而不是用固定膨胀替代判断。可疑钙化簇的BBox应包裹同一语义簇的最小合理范围,不能把邻近正常组织大面积纳入,也不能把同一簇拆成多个对象来增加样本数。结构扭曲与不对称的框应保留发现范围和类型,不能因框内存在高密度就改成肿块。

质量指标要跟任务匹配。Mask可以报告Dice、边界距离或轮廓审计;BBox可以报告IoU、中心偏差和漏标/误标;病灶检出要报告按病例、视图和病灶计数的召回与精确率;BI-RADS、密度和形态属性可以报告分层一致性或Kappa,但要同时公布各类别例数与不确定标签比例。不能用一个总体准确率覆盖所有输出,更不能用模型与一位标注者的一致代替多读者一致性。

对于真正无法判定的对象,未知、不适用、缺失、未见和阴性应分开编码。缺失报告不代表阴性,单视图未见也不代表另一视图不存在病灶。争议记录也不应只保存最终答案;保留裁决前意见、裁决依据和规则版本,才能在规则修订后追查哪些数据受到影响。这样做可能让数据表看起来不如强行二值化整齐,但更有利于研究者评估噪声和迁移边界。

NIfTI与DICOM:文件能打开不等于空间对齐

需求若同时要求精细NIfTI Mask和严格对应DICOM图像,坐标验收必须单独立项。DICOM分割对象规范强调,分割实例引用一个或多个源图像;当源图像定义了Frame of Reference时,分割应处于同一参考坐标系,并通过像素测量、平面位置和方向信息表达空间关系,分割帧不必与源图像具有完全相同的采样或范围。5 因此,验收不能只检查文件名和像素矩阵大小,还要检查引用关系、方向、位置、间距和标签含义。

NIfTI适合作为许多算法管线中的分析文件,但其官方说明也指出,它主要用于图像在分析程序之间交换,并不天然提供完整的长期医学影像档案和全部元数据。6 从DICOM转换到NIfTI时,至少要记录原始DICOM的Pixel Spacing、Image Orientation、Image Position、Rows和Columns如何映射到NIfTI;qform与sform的方向和仿射关系要一致,左右手坐标不一致时不能依靠显示软件“看起来正常”来判断。

可执行的坐标验收应包含四步。第一,随机抽取原始视图,覆盖贴边病灶、微小钙化簇、多个病灶和双视图配对对象。第二,将Mask或BBox叠加回原始DICOM显示,检查左右侧、旋转、翻转、缩放和边界是否一致。第三,把NIfTI重新读取并与交付字典中的方向、尺寸、原点和间距逐项比对。第四,在接收方的训练代码中实际加载样例,验证LesionID、类别、视图和语义字段仍能与影像索引关联。任何一步失败,都应退回转换或映射流程,而不是手动移动轮廓后继续交付。

乳腺钼靶从原图、坐标转换到独立验收的技术链路示意图查看完整技术图(可放大)

图2 乳腺钼靶Mask/BBox坐标、格式转换、质量审计与外部验证的技术示意;不含真实患者数据,不表示已完成实验。

验收与研发价值:把数量门槛变成可检查的交付条件

需求中提出每类至少一定数量的高质量病灶时,这应被写成项目样本配额,而不是被宣传成现货规模或公司已经完成的数据资产。以“每类不少于500个高质量病灶”为例,验收至少要同时检查类别定义、病灶去重、跨视图是否重复计数、Mask或BBox是否达到对应格式要求、专家复核是否完成、来源和版本是否齐全,以及这些病灶是否被错误地集中在同一设备或同一分层中。若同一病灶在CC和MLO分别标注,样本统计要明确按视图计数还是按LesionGroupID计数。

一个可复用的交付包应包括脱敏后的影像索引、视图表、病灶空间文件、语义属性表、证据来源、标注规范版本、复核和争议记录、质量报告、数据字典、坐标转换说明和授权范围说明。若项目分为训练、验证和测试集,还要提供病例级划分清单或不可逆的假名键,避免接收方因重新扫描目录而把同一病例拆开。交付包最好配一组负测试样例,例如方向翻转、错误侧别、缺失LesionGroupID、空Mask和类别字段不匹配,用来验证接收方脚本会拒绝错误数据,而不是静默填入默认值。

外部验证不能只是在内部测试集上换一个随机种子。至少需要说明外部数据的来源差异、设备和采集协议、乳腺密度构成、病例纳排、参考标准和标签可比性。MammosighTR论文提示,BI-RADS类别和乳腺密度的分布会影响数据解释;多视图乳腺AI研究则显示,独立队列、病理或随访参考以及读者研究各自回答不同问题。3 因而,研究报告应把内部拟合、内部冻结测试、外部测试和读者辅助研究分开,不能把算法曲线直接写成临床效果。

对提供AI数据基础设施和流程服务的团队而言,这类项目的研发价值在于把“规则—标注—质检—交付—复核”连成可追踪链路。朗慧公开的能力边界是面向企业和模型研发团队的数据采集、处理、标注、质检与交付基础设施,以及按项目确认的医疗数据目录和研究支持。具体乳腺钼靶样本、专家范围、Mask或BBox交付、私有化环境和接口,都需要在授权、项目规格和书面确认后确定,不能从平台定位推导出现货、独立临床证明或模型性能。

结语:先把标签说清楚,再谈模型能做什么

乳腺钼靶多任务标注的难点,集中在几个容易被一句话掩盖的边界:分割与检测不是同一种交付,CC与MLO不是两张互不相关的图片,BI-RADS与病理不是同一层证据,NIfTI与DICOM也不是只要文件能打开就能互换。只有把这些关系写进数据结构和验收脚本,模型训练才有可解释的监督信号。

对于研发团队,最值得在项目开始阶段投入的不是追逐一个新的网络名称,而是冻结对象定义、双视图关联、证据来源、划分单位和坐标标准,并用试标、盲审、争议复议和独立外部测试检验它们。这样形成的数据资产即使在任务变化时,也能清楚知道哪些字段可复用、哪些标签需重新核验、哪些结论不能外推。任何实际临床应用仍需经过独立的质量评估、适用的伦理和合规审查、外部验证,以及由具备资质的医务人员结合完整临床资料作出判断。

参考来源

  1. ACR BI-RADS®
  2. ACR Appropriateness Criteria: Supplemental Breast Cancer Screening Based on Breast Density
  3. MammosighTR: Nationwide Breast Cancer Screening Mammogram Dataset with BI-RADS Annotations for Artificial Intelligence Applications
  4. Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks
  5. DICOM Segmentation Information Object Definition
  6. NIfTI-1 FAQ
  7. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 update
  8. A systematic literature review on mammography: deep learning techniques for breast cancer detection with global and Asian perspectives