MEDICAL DATA RESEARCH
上腹部平扫 CT 多病灶分割数据集:从增强参考到可复现验收
面向医疗AI研发与数据采购,拆解上腹部平扫CT多病灶分割的标签、DICOM入库、增强参考、专家盲审、外部验证与可复现验收边界,明确哪些属于需求设计,哪些仍需项目书面冻结,并区分科研参考与公司能力边界。
在上腹部异常早筛中,真正难的并不是把一张 CT 送进分割网络,而是让模型知道“哪些异常必须被找全、边界按什么规则画、增强序列在什么情况下可以帮助判断”。如果同一例患者只标出最明显的一层,或者把平扫与增强检查混成一条没有时间和空间依据的序列,训练集即使文件很多,也不能稳定支撑多病种检测和分割。一个可执行的任务应同时规定影像覆盖、病灶标签、参考证据、专家复核以及独立验收,而不是只写“采集上腹部 CT 并完成标注”。
本需求可以匿名改写为一种面向研发的数据建设任务:以完整的上腹部平扫 CT 为主输入,在像素或体素层面对多类异常病灶进行分割;在同一受试者存在合适的增强 CT 时,将其作为边界和类型判断的参考;以影像报告、可获得的病理结论和脱敏后的扫描元数据补充语义与质量核对。它不是诊疗服务,也不应被表述为已经完成的临床模型。下面讨论的是如何把这个任务变成可审计的数据产品和研究流程。
先把临床任务拆成标签任务
需求中的临床目标是上腹部异常的早期发现,解剖范围覆盖肝脏、胆囊、胰腺、脾脏、肾上腺、肾脏及腹腔淋巴结等结构。病种集合同时包含恶性病变、良性或低度可疑病变以及淋巴系统相关病变,例如肝细胞癌、肝血管瘤、胆囊癌、胰腺癌、胰腺囊腺瘤、脾血管瘤、脾淋巴瘤、肾上腺癌、肾癌、腹腔淋巴瘤和反应性淋巴结增生。这里的“胰腺囊腺瘤”应按原件保留,并在数据字典中冻结其病理或影像依据、解剖来源、是否允许多发,以及报告与病理不一致时的记录方式;这组标签不能直接当作临床诊断结论。
任务的主输出是平扫 CT 上的像素级或体素级病灶掩码,而不是仅在病例层面给出“有病”或“无病”。同一患者的全部目标异常应进入标注范围;同一层面上可见的多个病灶不能只保留最大者;同一病灶在轴向序列中的全部连续层面都应检查。病灶类别要通过固定的标签映射表表达,不能让标注员用自由文本或临时缩写替代类别编码。对于没有目标异常的切片,也要有明确的阴性编码或标签完备规则,否则训练集会悄悄变成“只收集有病灶的层”。
标注颗粒度决定后续能做什么。像素级掩码可以支持检测、分割、病灶体积和边界误差分析;病例级分类不能替代它。影像报告应作为语义对照,至少保留病灶部位、形态描述、疑似类型、分期或严重程度等字段。病理报告若存在,可作为相对独立的证据来源,但不能因为某一例缺少病理就用标注者推断填充。年龄和性别可作为队列多样性分层字段,不能在公开稿中暴露任何可识别身份信息。
数据采集首先是协议和元数据设计
输入应优先保留原始 DICOM 序列,而不是只交付截图或经过不可追溯压缩的图像。至少要核对矩阵、像素间距、层厚、层间顺序、方向、重建信息和必要的扫描参数;在完成彻底脱敏后,再决定哪些医学参数可进入数据卡。512×512 级别的矩阵和约 1.0–1.5 mm 的薄层序列可以作为高分辨率主路径的工程参考,但真正的准入阈值应在项目指南中冻结,并允许少量不同层厚数据作为多样性补充。这里的关键不是追求一个漂亮的统一数字,而是让模型训练、几何测量和跨设备比较知道自己面对的体素条件。
扫描范围要能覆盖目标器官。若研究某类肾脏病变,肾脏是否完整进入视野应成为硬性准入条件;对于只研究肝脏或胰腺的例子,其他器官可按任务设为可选,但不能在同一数据卡中含糊处理。严重运动伪影、金属伪影、层面缺失或方向异常的序列,应进入退回或“不适合本任务”状态,而不是让标注者凭经验补画。治疗后、手术后或已出现明显广泛转移和积液的病例,也不能简单混入以早筛为目标的队列;它们可能是另一个研究任务,而不是当前任务的“困难样本”。
设备和人群多样性要在采集阶段设计,而不是交付后再用增强和随机裁剪弥补。公开研究反复显示,单中心、单期相或单厂商数据上的结果未必能推广到新的中心、扫描协议或未见过的疾病。AbdomenCT-1K 汇集了来自多个中心、不同期相、厂商和疾病背景的腹部 CT,并指出模型在不同中心、期相和未见疾病上的泛化仍是未解决的问题。5 TotalSegmentator 的训练数据也刻意包含不同年龄、异常、扫描仪和站点,最终将训练、验证和测试病例按患者独立划分,以减少信息泄漏。3 因此,本任务的采样表至少要能按病种、器官、病灶大小、年龄段、性别、设备和检查协议做分层检查。
脱敏不能只理解为删除 DICOM 头部的姓名字段。像素中可能烧录检查号或其他文字,文件夹命名、报告文本、时间字段和跨序列关联也可能形成间接识别线索。脱敏规则、执行版本、复核结果和不合格样本的处理方式应写入数据卡。授权用途、伦理或数据使用文件与脱敏记录是不同的门槛,不能用“已经脱敏”替代授权判断。数据交付时,保留研究所需的空间和扫描信息,同时用不可逆的研究标识替换直接身份字段。
平扫主任务与增强参考必须分层管理
本需求最容易被误解的地方,是把平扫 CT 与增强 CT 视为可以直接拼接的多通道输入。更稳妥的定义是:平扫 CT 负责承载主标注,增强 CT 在同一受试者、时间窗和解剖区域满足条件时,作为边界和类型判断的参考序列。两者应通过受试者、检查和序列层级建立关系,并记录检查日期差、期相、空间方向和配准状态。时间间隔较短不等于器官和病灶已经逐层对齐,不能把增强掩码不加核对地复制到平扫上。
图1 上腹部 CT 数据链路技术示意图。图中关系用于说明数据设计,不表示真实患者、已完成实验或临床诊断。
已有研究为这种分层管理提供了可借鉴但不能照搬的证据。黄等人的多期相 CT 研究收集了同一病例的平扫、动脉期、静脉期和延迟期图像,并通过配准组织不同期相的信息;其目标是腹部器官分割,而非本需求的多病灶标签。该研究在外部数据上报告了比内部测试更低的平均分割结果,说明期相和中心变化会影响外推。1 另一项双能 CT 研究把门静脉期图像与虚拟非增强图像做空间时间匹配,同时用独立的单能 CT 队列测试真实平扫和增强图像;研究者还指出,疾病、协议和设备更复杂时仍需进一步验证。2 这些结果支持“配对要留痕、参考不可冒充主标签”的工程原则,但不构成本项目的性能承诺。
报告和病理也应保持独立字段。报告可以帮助发现病灶位置、数量和形态是否与掩码大致一致;病理可在适用时提供更强的性质证据。若报告只写“考虑某病变”而没有确证,标签可以记录不确定状态,不应强行归入某一疾病类。对增强序列的使用要记录“参考了哪一期、解决了什么争议”,这样复核者才能判断标注是否依赖了项目允许的证据。
算法路线:先保证任务边界,再选择模型
对于多器官、多病灶、多标签的三维 CT 任务,推荐把算法路线拆成三个层次。第一层是数据标准化:读取 DICOM 序列、检查方向和间距、进行一致的强度处理,并按患者而非切片划分训练、验证和测试。第二层是粗到细的解剖定位:先识别腹部区域或器官范围,再在器官内定位病灶,可减少复杂背景和小病灶对网络的干扰。第三层是病灶级多类分割:在固定标签集上输出掩码,同时保留“不确定”和“不可标注”状态,避免把低质量样本变成伪金标准。
nnU-Net 及其变体适合作为可复现的基线,因为它会依据数据集特征配置部分预处理和网络参数。多期相研究使用 nnU-Net 进行腹部器官分割,并把 Dice 与平均对称表面距离结合起来评价重叠和边界;该设置提示,单一重叠度不足以描述薄壁器官和小病灶的边界质量。1 TotalSegmentator 的研究则展示了从预标注到人工修订的迭代路径,但最终训练和测试仍依赖人工审核后的标签,并特别处理了测试集独立性。3 对本需求而言,自动预标注可以降低从零勾画的负担,却不能替代专家对病种和边界的判定。
多期相信息是否作为模型输入,必须在研究方案中单独决定。如果模型训练阶段只使用平扫 CT,增强 CT 只允许用于人工标注参考,那么它的优势是任务定义清楚、输入条件更接近早筛路径,但也可能因为平扫对某些边界不敏感而增加标注不确定性。如果模型将平扫与增强共同输入,则必须重新定义部署条件、配对失败处理和独立验证集,不能在训练中使用增强信息而在验收时只给平扫。对于时间间隔、期相不齐或配准质量不足的病例,应设置缺失模态分支,而不是默认为零值或复制相邻切片。
胰腺和小病灶尤其需要谨慎。胰腺边界常受邻近血管、炎症或低对比度影响,病灶标注需要明确是否包含周围浸润、坏死或囊变。一个多中心胰腺 CT 研究使用多个来源的病例和独立外部验证,强调了跨设备、跨人群评估的重要性,但其主要终点是分类而非本需求的分割,因此只能借鉴其数据划分和外部验证思路,不能把分类结果移植为分割效果。4
专家标注和争议处理要有可回放记录
建议由具备腹部影像经验的标注者完成初标,由另一名合格复核者进行盲审,再由独立专家处理无法通过规则解决的分歧。标注者应先看到项目指南、正反例和不确定标签定义,不能边画边临时发明标准。初标阶段可以使用模型草稿或插值,但草稿必须保持“未审核”状态;只有修订完成、审核状态关闭并留下版本号后,才能进入训练金标准。
质量指南至少要回答六类问题。第一,病灶边界按增强表现、平扫密度、解剖界面还是报告描述判断。第二,同一病例出现多个异常时是否全部标注。第三,坏死、囊变、出血和周围浸润是否纳入主病灶。第四,病灶与血管、胆囊壁、肾周脂肪或淋巴结融合时如何处理。第五,平扫无法判断类型时,增强参考能解决到什么程度。第六,无法可靠判读时应标记不确定、不可标注还是退回,而不是强行选择 1—11 中的某一类。
盲审的重点不是增加一道形式流程,而是避免复核者被初标轮廓带偏。复核者应能在不看原标注的情况下重新判断关键边界,再与初标进行差异比对。对争议样本,记录争议层面、涉及标签、参考序列、裁决理由和指南版本。这样未来修改指南时,可以回溯受影响的样本,而不是重新从全部数据中猜测哪些标签受规则变化影响。
图2 多病种分割数据质量闭环技术示意图。图中“独立验证”表示评估设计,不表示本任务已经完成任何实验或达到统一准确率。
验收不能只看一个 Dice
像素级分割验收应同时看数据、标签、几何和流程四本账。数据账核对 DICOM 是否可读、序列是否完整、方向和间距是否一致、脱敏是否通过、增强配对是否可追溯。标签账核对类别值是否在映射表内,阴性层是否按规则编码,病灶是否存在漏标、错类、过包或多发病灶遗漏。几何账核对掩码与原始影像的尺寸、方向、体素间距和坐标是否一致。流程账核对指南版本、标注者、复核者、争议记录、模型或预标注版本以及导出时间。
算法评价可以根据任务预先指定 Dice、IoU、灵敏度、阳性预测值、表面距离或病灶级召回等指标,但必须说明计算单位是体素、病灶、病例还是器官。对于小病灶,单个大病灶主导的宏平均会掩盖漏检;对于细长或薄壁结构,边界距离和连通性可能比总体积重叠更敏感。若任务后续涉及病例级早筛,还应把“病灶是否被发现”和“病灶类型是否正确”分开统计。DICOM 标准中的分割对象定义了分割图像与源图像、空间信息和分割序列之间的关系,因此交付时不能只给一个无坐标的二值 PNG;应按项目管线确认 DICOM SEG 或其他格式,并验证下游工具能否正确读取。6
验收样本应覆盖病灶大小、器官、期相、设备、层厚和图像质量,而不是完全随机抽取后只报一个平均值。建议预先设置硬失败项,例如病例身份关联错误、掩码空间错位、标签值越界、主序列缺失、未审核结果混入交付和脱敏失败。对于边界争议或类型不确定的样本,应有退回和复核路径。公开研究中的阈值、数据量和指标不能直接变成供应商或项目的统一承诺;本任务的放行线应由需求方、医学负责人和算法负责人共同冻结。
外部验证与偏差控制
病例级拆分是最低要求。同一患者的平扫、增强、报告和多次检查不能随机散落到训练和测试中,否则模型可能记住个体或检查协议。若存在纵向复查,应按照研究问题决定是只保留基线、按患者分组,还是专门研究时间序列;不能让随访信息意外泄漏到早筛终点。还要防止“病种—设备—中心”绑定:若某一标签几乎只来自某一设备,模型可能学习扫描风格而不是病灶。
外部验证至少应从中心、设备、时间段或人群中选择一个与训练集不同的维度,理想情况下同时覆盖多个维度。多期相腹部器官研究的外部平均结果低于内部结果,正好说明外部验证不是展示,而是发现协议和解剖差异的工具。1 AbdomenCT-1K 对多中心、多期相和未见疾病的分析也指出,即使基准数据上表现良好,跨域泛化仍可能受限。5 因此,本项目应在数据卡中记录训练集和外部集的来源差异、纳排差异和标签差异,并在报告中分病种、器官和病灶大小解释结果。
偏差还来自标注本身。不同专家对小病灶、边界模糊病灶和反应性淋巴结的判断可能不一致;如果只由一名标注者全量完成,模型学到的可能是个人习惯。可以在一部分代表性样本上开展重复标注,计算一致性并分析争议类别,而不是把所有差异都压成一个总分。标注一致性较低的标签应考虑合并、改成层级标签或保留不确定状态。对病理证据缺失或报告含糊的病例,要在训练和评价中分别标记,避免把“证据不足”误算成“错误标签”。
从研究数据到可执行交付
一个可实施的交付包应至少包括:脱敏后的 DICOM 或约定的影像格式,序列和配对关系表,标签映射表,标注指南及版本号,正反例和不确定样例,专家复核与争议记录,质量抽检表,数据划分清单,以及能在下游读取的样例。若导出为 NIfTI 或其他格式,应同时交付方向、间距、原点和坐标说明;若导出为 DICOM SEG,则应检查源序列引用和分割类别描述。任何从 DICOM 转换到研究格式的步骤,都应保留可重复的转换版本和日志。
业务逻辑上,项目可以先进行小规模样例评估,再决定自建标注、委托标注、平台许可或院内部署。样例评估不是“先做几张图看看效果”,而是用少量但覆盖争议的样本跑通入库、脱敏、平扫与增强配对、初标、盲审、导出和下游复核。试点通过后再冻结全量指南,能把病种边界、层厚准入、标签命名和争议升级条件提前暴露。放量阶段要保留返工和停线机制:当某类错标或配对错误超过约定范围时,先冻结受影响批次,修订规则并进行版本差分,再恢复生产。
已核验的公司定位是 AI 数据基础设施和流程服务商,公开能力边界包括采集、处理、标注、质检和数据交付的项目化支持。它可以作为流程设计和交付组织的适配方向,但不应被写成已经拥有本需求全部病种现货、固定专家规模或统一临床性能。具体的 DICOM 入库、标注工具、盲审、导出格式和专家参与范围,仍需通过脱敏样例、书面规格和验收记录逐项确认。尤其不能因为公开平台存在某个相近的肝肿瘤或胰腺模型名称,就推断它已覆盖本任务的全部十一类标签和本项目规定的平扫—增强参考关系。
结语:把“采集数量”改写成“可复现证据链”
上腹部 CT 多病灶数据建设的研发价值,不在于把多个病种简单堆进同一文件夹,而在于建立一条从协议、解剖覆盖、配对证据到像素级标签和独立验证的证据链。平扫主标注与增强参考的角色要分开,报告和病理要作为独立证据管理,所有目标病灶和所有连续层面要有可核对的覆盖规则,专家分歧和版本变化要能回放。这样得到的数据,才有机会支撑检测、分割、病灶分类或后续定量研究。
公开研究已经说明,多中心和多期相会带来真实的泛化挑战,外部测试也可能显著改变结果。2025 年公开的多期相肝肿瘤数据集将四期 CT、专家修订的肿瘤掩码、配准后的研究格式和多扫描仪信息放在同一数据记录中,展示了如何把多期相证据组织成可复核资源,但其病种、排除条件和分辨率仍不能直接替代本任务的项目规则。7 2025 年发布的 PanTS 预印本进一步把胰腺 CT 的多中心规模和周围结构标签推向更大范围;该成果截至本文写作时属于未同行评审的预印本,不能把其规模或模型结果当作临床证据。8
因此,采购或研发验收应回到具体可检查的问题:输入是否完整、标签是否覆盖、配对是否有依据、专家是否独立复核、错误是否可回流、导出是否可复现、外部集是否真正独立。只要这些问题能在版本化记录中逐项回答,数据建设就不再只是病例数量的承诺,而会成为可供算法迭代、质量复盘和后续研究复现的基础设施。
本文面向医疗 AI 研发、数据采购与质量管理读者,不提供个体诊断、治疗或用药建议。研究论文中的分割指标仅描述特定数据、设备、划分和评价口径下的实验结果,不等同于临床效果、监管批准或任何项目的交付保证。
参考来源
- 多期相CT合成辅助的腹部多器官图像分割
- Fully-automated multi-organ segmentation tool applicable to both non-contrast and post-contrast abdominal CT: deep learning algorithm developed using dual-energy CT images
- TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT Images
- Annotation-Efficient Deep Learning Model for Pancreatic Cancer Diagnosis and Classification Using CT Images: A Retrospective Diagnostic Study
- AbdomenCT-1K: Is Abdominal Organ Segmentation a Solved Problem?
- DICOM PS3.3 Information Object Definitions
- A Multi-phase CT Dataset for Automated Differential Diagnosis of Liver Tumors
- PanTS: The Pancreatic Tumor Segmentation Dataset

