MEDICAL DATA RESEARCH
CT膝髋关节骨结构分割:从数据分层到注册导向的质量验收
面向医疗AI研发与器械注册导向项目,拆解膝关节全长与局部、髋关节骨盆至股骨近端CT数据的标签、关键点、空间一致性、专家复核和独立验证方法,帮助团队把需求转成可追溯的研发交付规格,不替代临床或监管审定。
当一个模型要同时处理膝关节全长与局部CT、髋关节从骨盆到股骨近端的体数据时,真正困难的并不是把网络换成更大的架构,而是先回答三个问题:模型究竟要分出哪些骨性结构,哪些病例和扫描条件能够支持这个任务,以及怎样证明一份掩膜既与原始影像对齐,又足以支撑后续测量或器械研发。若这三个问题没有在数据进入训练前冻结,训练集大小、网络名称和单一重叠指标都不能弥补标注口径的漂移。
这类需求通常服务于骨科影像模型、三维解剖重建或医疗器械研发。公开技术分析可以讨论任务拆解、数据结构、算法路线和验收方法,但不能把某个项目的采购规模、病例编号或内部交付状态写成企业现货,更不能把研究论文中的实验结果改写成临床批准或诊断效果。下面以一套匿名化的膝髋CT分割需求为例,说明如何把它变成可复查的数据工程规格。
先把“骨骼分割”拆成两个明确任务
膝关节与髋关节不应共用一套含混的“骨骼”标签。膝部任务的核心对象是股骨、胫骨、腓骨和髌骨,左右侧需要成为可计算的语义类别,而不是只写在文件夹名中。全长扫描用于保留下肢轴线和远端参照,局部扫描则把关节间隙附近的结构放在更高的空间关注度上。两者可以服务同一模型族,却不等于可以混成一个没有范围字段的样本池。入库时至少要记录部位、侧别、扫描覆盖范围、层间距和是否双侧。
膝部的疾病分层可以作为训练和独立评价的队列设计,包括基本正常、不同程度的退变以及重度骨关节改变。它们首先是病例层面的分布变量,不应误写成“每个病变都要另行勾画”的标签。比如骨赘在该类骨结构分割里可能不是目标类别;如果把骨赘一律并入或一律排除,却没有在指南中写清楚,模型与标注员的差异就会被错误地解释为算法误差。关节面接触处还要维护股骨与胫骨的边界关系,生理性间隙不能因为相邻体素而被填成一块。只有影像显示真正骨性融合时,才按影像边界记录,并保留融合原因。
髋部任务的对象不同。骨盆与左右股骨要形成互不重叠的结构标签,股骨应覆盖股骨头、股骨颈、大小转子以及约定的近端骨干范围,骨盆则要覆盖髋臼及其周围连续骨性结构。退变、股骨颈骨折和转子间骨折可以作为病例分层,以检验算法对形态变化和骨折线的鲁棒性,但不能在未定义标注目的时把它们混成“异常骨”单类。髋臼与股骨头接触区同样要区分两侧终板;重度退变、骨性强直或骨折愈合造成的真实融合,必须设置与普通关节间隙不同的处理规则。
这说明源文档里至少包含四种颗粒度:病例级的年龄和病种分层,体数据级的扫描覆盖范围,体素级的多类别分割,以及点级的关键点坐标。它们不能被压缩成一张“标注完成”清单。关键点至少要声明名称、侧别、坐标系、在三正交视图中的定位方式、不可见或结构破坏时的处理和允许误差。LPS坐标只是坐标约定,并不自动保证点和掩膜在同一空间;输出前仍要核对方向矩阵、原点、体素间距与参考影像。
图1|技术示意:CT膝髋分割的数据链路、标签颗粒度与导出状态,不表示真实患者、已完成实验或临床诊断。
数据设计的重点是病例独立和分层可追溯
需求中常见的“训练数据”和“金标准数据”不是同义词。训练集用于让模型学习形态变化,金标准或独立评价集用于提供由更高层级专家确认的参照。若同一病例的相邻切片被随机拆到训练和测试两侧,数字看起来会很漂亮,但模型可能只是记住了同一体数据的纹理和扫描习惯。正确做法是以病例或检查为单位切分,并在切分前固定去重规则;同一人的双侧、同一检查的重建序列和重复导出也不能跨集合泄漏。
分层不是简单追求每个格子数量相等。年龄段、退变程度、骨折类型、左/右侧、局部/全长范围和图像质量都可能影响边界。更有用的设计是先制定纳入与排除条件,再制作一张病例级数据卡:记录模态、扫描范围、层厚或层间距、设备与重建条件、侧别、病种分层、金属或骨折状态、标注状态和版本号。项目交付时不必公开任何能识别来源的字段,但内部要能回答某个结果来自哪一版指南、哪一类扫描和哪一次复核。
层厚上限、无金属伪影、无植入物、无骨折等条件不能只写成采购句子。它们实际决定模型的适用域。若目标包含骨折病例,就不应同时把所有骨折排除;若目标是正常解剖分割,则排除金属可能合理,但应在独立测试中明确这不是对植入物场景的验证。全长与局部数据的左右侧平衡也只是队列设计要求,不能替代对设备、体位和重建核对。把这些条件都转为结构化字段,算法团队才能在训练前识别分布缺口。
DICOM原始影像的管理还关系到空间几何。DICOM官方Segmentation IOD规定,分割实例用于表达被参考影像中的像素分类,可以是二值、分数或标签图;当参考影像定义了Frame of Reference时,分割实例应保持相同的参考坐标系,但不一定具有相同的空间采样或范围。6 这意味着“导出成NIfTI”并不只是改文件后缀,必须保留影像方向、原点、体素尺寸和派生关系。若项目同时提供DICOM与NIfTI,应将哪一个作为几何真值、如何互相校验写进交付说明。
对于多标签掩膜,标签表要把背景、左右股骨、左右胫骨、左右腓骨、左右髌骨以及骨盆分别定义清楚。标签数字、显示颜色和文字名称都应版本化。关键点文件不能脱离病例目录独立流转;它需要引用同一病例的影像和掩膜,并明确坐标单位。任何自动重采样、裁剪或左右翻转都要留下变换记录,否则点坐标即使格式正确也可能已失去医学意义。
算法路线应围绕边界、拓扑和测量任务设计
第一阶段不是直接训练最大模型,而是做可审计的预处理。应先检查DICOM序列完整性、切片排序、方向一致性、体素间距、窗位窗宽映射和体数据覆盖范围。CT值的转换不能被不透明的图片导出替代;研究中常把DICOM转换成二维图像以适配网络,但这一步会丢失体素间距和三维关系,重新用于测量时必须从原始元数据恢复几何。对于需要关节间隙、骨折线或近端骨干连续性的任务,三维或2.5D输入通常比独立二维切片更容易保留上下文,但计算成本和标注难度也会增加。
第二阶段可采用粗到细的多类别分割。粗分割负责定位骨盆、股骨和膝部骨性区域,细化模块再处理关节面、骨折边缘、薄皮质和小结构。膝CT研究曾使用U-Net与PointRend组合,分别关注整体区域和不确定边界,并用Dice、平均表面距离和Hausdorff距离评价结果。1 这类路线的启发不是固定采用某个网络,而是把边界难点显式放入设计。对于髋部左右骨盆相连、骨性融合或骨折造成的拓扑变化,还应设置连通域和结构关系检查,避免仅凭体素重叠通过。
第三阶段是把关键点检测和分割解耦又对齐。关键点可以由热图、回归或从掩膜几何提取,但每种方法都应输出不确定性和失败状态,而不是强行给出一个看似精确的坐标。已有髋膝CT研究把解剖切片定位、骨掩膜和几何测量串成三阶段流程,使用DICOM像素间距把图像重采样到统一空间,再计算旋转角、沟角或距离;其测试结果说明,测量误差需要与分割误差一起评估,而不是只报告分类准确率。2 对本类项目而言,关键点不是模型附加功能,而是后续轴线、角度或距离计算的几何接口。
第四阶段是建立不确定性闸门。模型可以对每个结构提供置信度、边界不确定性或集成差异。当预测与训练分布差异较大,或股骨与骨盆发生粘连、骨折结构不完整时,结果应进入人工复核,而不是自动导出。一项针对多设备、多位置髋至膝CT的肌骨结构研究验证了预测不确定性用于发现分割失败的可行性;它的主体是骨与肌肉等结构的分割,不是本项目的膝髋多标签骨结构队列,因此这里只借鉴“先发现疑似失败、再人工复核”的门禁思路,不外推其模型或指标。3 这类方法可以指导复核优先级,但不能把论文中的AUROC或Dice数字直接换成项目验收阈值。
骨盆分割公开研究还提醒,跨中心、造影、低剂量、骨折和金属伪影会引入域偏移;多来源CT数据集与多类别模型的价值,正在于把这些变化纳入训练和测试,而不只是扩大切片数量。4 因此,算法路线应预先定义哪些条件属于目标适用域,哪些条件触发拒识或人工处理。一个只在无伪影、单设备、单一体位上验证的模型,不能因为网络结构更先进就被表述为适用于所有临床CT。
专家标注需要把争议变成规则和记录
膝髋骨结构的标注主体不应只有“标注员”三个字。执行者可以完成逐层勾画和初步关键点定位,但关节面、骨折后边界、骨性融合和关节间隙等争议,需要由具备骨科影像经验的审核者判定。项目开始前应提供正例、反例和难例,明确哪些结构是目标,哪些结构不标,何时使用“不可判定”或“超出范围”状态。对跨三个正交面的关键点,要求在轴位、冠状位和矢状位复核,是减少单平面误落点的最低条件。
双人独立标注比“一个人标注、另一个人顺手看一眼”更容易发现规则漏洞。两位标注者应在不知道对方结果的条件下完成样例,按结构和病例记录分歧;裁决者查看原始影像、两份掩膜和指南版本后给出理由。不能为了得到一个平均结果而把两个边界相互覆盖,也不能在没有改版本号的情况下用口头意见修正历史数据。若分歧集中在股骨髁与胫骨平台接触区,说明指南需要增加边界示例,而不是简单要求“提高准确率”。
关键点的定义还要与使用场景相称。某些点服务于关节间隙或轴线,某些点服务于手术规划,某些点只是模型配准锚点;它们的允许误差和审核等级不同。若一个点在严重畸形、骨折移位或融合病例中不可见,必须预先规定剔除、对侧参考、估计或“不适用”中的哪一种。尤其要避免使用历史版本的旧命名覆盖新命名。版本变更表应列出旧点、新点、受影响的测量和需要重标或排除的样本。
质量验收不能只看一个重叠分数
对体素分割,Dice或IoU可以衡量重叠,但并不等于边界安全。薄皮质、髁间窝、髋臼缘和骨折线即使体积占比很小,也可能对角度或配准产生明显影响。因此验收至少要分为四层。第一层是格式和几何:序列完整、方向一致、标签数正确、体素间距可读、掩膜与原图同空间。第二层是结构完整性:连通性、左右侧不串联、关节间隙规则、骨盆与股骨无不应有的重合。第三层是数值指标:按结构报告Dice、IoU、平均对称表面距离和Hausdorff距离,并报告分布而不是只有平均值。第四层是关键点与下游测量:用毫米误差、角度误差、距离误差及失败率评价其是否支持预定任务。
研究中对膝关节骨结构采用Dice、平均表面距离和Hausdorff距离,同时安排独立临床人员盲评关键解剖点;这比只展示几张漂亮叠加图更接近真实验收。1 但不同数据集、分辨率和标注者之间的指标不能直接横向比较。验收阈值应由目标用途、标注不确定性和下游风险共同决定,并在试标阶段冻结。对于关键点,不能只在像素坐标上算误差;如果数据经过重采样,应换算到物理单位后再计算。
外部验证要覆盖数据设计中最可能失败的组合,而不是随意再抽一批同来源病例。可以按设备与重建协议、扫描范围、体位、左右侧、年龄、退变或骨折状态分层,保留完全独立的病例。多设备外部验证研究显示,病理程度、设备厂商和体位变化都可能影响分割表现;同时,预测不确定性可用于标记需要人复核的失败案例,但并不能消除外部验证本身的必要性。3 如果源项目只提供单一来源的样本,就应在稿件和验收记录中承认这一外推限制。
数据集建设研究也越来越强调结构化、专家级掩膜和预定义训练测试划分。2026年一项下肢肌骨CT数据集工作提供了多平面CT图像—掩膜对和细粒度骨骼、肌肉标注,并用多个分割架构进行基准验证;它证明了数据集可以支持算法比较,但不等于任何新项目都已获得相同的泛化性。5 对研发团队而言,更有价值的是复用这种思路:保存数据卡、标签本体、划分清单、已知失败模式和基线脚本,让后续模型能在同一版本上复盘。
图2|技术示意:结构标签、关键点、几何检查与外部验证的质量闭环,不表示真实患者、实验结果或临床诊断。
把业务交付写成可暂停、可复盘的研发流程
对于这类任务,样例评估应先于批量生产。第一轮样例不只是检查“能不能勾画”,还要核对标签表、左右侧字段、坐标系、关节间隙处理、关键点命名、输出文件和版本记录。任何一项无法由另一位审核者独立复述,都说明指南还没有达到可交付状态。通过样例后也不应立即把全部病例视为放行;应先设置小流量试生产,观察返工原因是否集中在某一病种、扫描范围或结构边界。
交付目录应同时具备影像、掩膜、关键点、文本标签、数据卡和质量记录。记录应能回答四个问题:这份结果使用了哪一版标签定义,谁在什么角色下完成了标注与裁决,算法或预标注模型的版本是什么,最终是否经过允许导出的审核状态。未审核的预测可以作为工作草稿存在,但不能与金标准混放,也不能被下游训练脚本无提示地读取。对历史批次,如果规则发生变化,要么重标,要么在新版本评价中明确排除,并保留影响范围。
这套业务逻辑与朗慧公开的AI数据基础设施定位相适配之处,在于可围绕采集、处理、标注、质检和版本化交付组织流程,而不是宣称已有某个膝髋注册数据集、统一准确率或现货规模。医疗影像项目仍应以任务书面确认的模态、样例、标签、授权和验收指标为准。平台的预标注能力只能作为草稿起点,最终输出需要经过项目约定的专家修订和审核;公司的公开能力边界也不能替代医学器械注册申报中的性能、风险和临床评价证据。
对于采购与研发负责人,最值得写入工作说明的不是“采用先进AI”这类空泛句子,而是可打开样例的检查项:扫描覆盖是否满足任务,分割对象是否与标签字典一致,左右侧和坐标是否可回溯,关节面边界是否保持空间关系,关键点误差是否按物理单位评估,失败样本是否进入复核,版本差异是否影响历史指标。这样,数据才不仅是模型训练的输入,也是注册导向研发中能够被复核、被重做、被解释的技术资产。
参考来源
- Study on the accuracy of automatic segmentation of knee CT images based on deep learning
- Automating Linear and Angular Measurements for the Hip and Knee After Computed Tomography: Validation of a Three-Stage Deep Learning and Computer Vision-Based Pipeline for Pathoanatomic Assessment
- Validation of musculoskeletal segmentation model with uncertainty estimation for bone and muscle assessment in hip-to-knee clinical CT images
- Deep learning to segment pelvic bones: large-scale CT datasets and baseline models
- Musculoskeletal CT Segmentation Dataset of Lower Limbs for High-fidelity Human Digital Twin
- DICOM PS3.3 2026d: Segmentation IOD

