跳至正文
朗慧科技

MEDICAL DATA RESEARCH

甲状腺超声AI数据建设:从病理证据分层到静态—视频一体化验收

面向医疗AI研发与数据治理团队,系统拆解甲状腺超声静态图与视频的病理证据、TI-RADS映射、病灶ID、动态帧序、DICOM元数据、专家复核与四道验收门,明确研究数据建设的可追溯边界。

超声与动态序列AI辅助整理 · 研发交流

甲状腺结节的超声数据为什么常常“看起来已经标完”,却仍不能直接进入可靠的人工智能研究?一个典型原因是把几种不同性质的事实压缩进了同一个标签:图像上是否看见结节、影像特征如何、TI-RADS属于哪一类、病理最终是什么,以及某个视频中的病灶究竟在哪些帧出现。这些问题既有关联,又不能互相替代。面向检测、分割、良恶性分类和风险分层的研究,真正需要建设的不是一批带框截图,而是由病例、检查、病灶、帧序列、空间对象、证据来源和复核记录组成的可追溯数据对象。本文围绕一项匿名化的甲状腺超声静态图与视频标注需求,讨论如何把标签定义、数据组织、算法路线、专家复核和验收逻辑连接起来;文中不提供个体诊断,也不把研究结果表述为临床效果。

一、先把临床问题拆成可验证的数据对象

源需求同时包含静态图像和超声视频,因此不能只用“甲状腺癌检测”概括。静态主任务至少有四层:第一层是检出,在影像中定位主结节,必要时按照预先约定的规则记录次结节;第二层是局部征象,对微小钙化点逐点标记,对边界最模糊的位置记录专门的边缘点;第三层是分割,为每个目标病灶建立独立的二维二值Mask;第四层是结节级属性,包括良恶性和TI-RADS。这样的拆分很重要,因为一个框、一个轮廓和一个分类标签所回答的问题不同,不能用单一“准确率”替代全部验收。

视频任务又增加了时间层级。视频级可以记录是否包含结节、与具体病灶关联的良恶性和TI-RADS;时间段需要表达主结节进入视野的起始帧和离开视野的结束帧;关键帧则应覆盖进入、清晰显示和离开等阶段,项目可以预先规定选择2至5帧,并至少保留一帧清晰阶段。若研究目标需要动态分割,还要为每个病灶建立覆盖完整序列的三维Mask,使帧数、帧顺序和空间尺寸与原始影像严格一致。这里的“三维”是时间序列堆叠后的数据表达,并不自动等同于真实解剖体积或可以脱离采集方式进行三维测量。

多结节是决定数据是否可复用的关键难题。主病灶可以按照与诊断结论对应、最大或最可疑等规则确定,但“主”不能在不同批次中凭标注者经验变化。数据字典应明确主病灶选择优先级、无法界定时的降级策略,以及每个病灶是否进入训练、验证或测试。病例级标签不能替代病灶级标签;同一病例内两个结节可能具有不同的病理结果、TI-RADS和可见帧范围。因而,病例ID、检查ID、视频ID和LesionID应保持层级关系,主病灶只是一个可审计的角色,而不是颜色或排序习惯。

甲状腺超声标签的证据分层与对象关联技术示意查看完整技术图(可放大)

图1 甲状腺超声标签的证据分层与对象关联技术示意;不含真实患者数据,不表示已完成实验或临床诊断。

二、把影像语义与病理证据分开

良恶性标签的来源决定了数据能否用于严肃的分类和外部验证。需求明确提出,恶性优先以手术或穿刺病理确诊;良性优先采用病理证据,或在项目规则允许时采用至少12个月随访稳定。仅凭一次影像判断、没有病理或合格随访支持的样本,不宜直接进入主要测试集。这个原则不是为了把所有没有病理的资料都丢弃,而是为了让研究者知道:哪些标签适合充当主要终点,哪些只能作为探索性或分层变量,哪些应当保留为未知。

病理组织学应作为独立的证据字段保存,而不是把它压成“良性”或“恶性”后丢掉原始语义。数据表可记录证据类型、证据日期、关联病灶ID、授权状态、来源版本和复核状态,并区分病理、细胞学、合格随访、影像报告、专家意见、未知和真正缺失。没有提供病理不等于病理阴性;未做某项检查也不等于标签不适用。把这些状态混成一个空值,会使模型把“没有记录”学成一种临床类别,也会让后续敏感性分析无法解释。

TI-RADS在这里承担的是结构化影像语义,而不是病理金标准。美国放射学会对ACR TI-RADS的定位,是以标准化词典描述甲状腺结节超声特征,并用风险分层系统辅助判断哪些结节需要活检1。因此,数据集应尽量保留原始体系、各影像特征和最终分级,再另建研究需要的映射字段。如果项目还要把原始体系映射为I至V类或其他比赛标签,映射规则、例外情况和版本必须写入数据字典。两名以上具备相应资质的专家可以对无手术病理的TI-RADS进行分级或复核,分歧较大时进行第三方仲裁;但专家分级仍属于影像判断,不能被改写成组织学事实。

源需求还列出甲状腺外侵犯、位置和临床T等属性。这些字段的临床含义比单纯的框或Mask更强,必须先确定“观察到的影像征象”“报告转录”“专家复核”和“病理/手术证据”分别对应什么。位置字段所说的七类值也应在项目字典中逐一给出定义、允许值和空值规则,而不能只写“位置”。对于甲状腺外侵犯,可将无、包膜、软组织、血管等状态作为互斥或多标签字段,但最终形式必须由研究问题和医学专家确认;任何映射都不应把推测性影像表现包装为已证实的侵犯。

三、静态图像和视频要共用病灶身份,而不是共用一张截图

公开数据研究已经显示,甲状腺超声具有动态采集、图像数量不均和同一患者多结节标签不同等特点。Hou等公布的病理诊断标注数据集将超声图像与组织学标签关联,并在技术验证中按患者划分内部训练/验证与外部批次,说明病例层级关系和独立验证对于解释结果很重要2。TN5000研究则采用了初标、资深放射科医师复核和依据穿刺/病理确定良恶性的流程,同时强调防止同一患者相关图像造成泄漏3。这些公开研究是方法学参照,不是任何待建设项目的样本规模或公司能力证明。

静态数据建议保留原始DICOM和无标尺、无箭头、无文字的清洁影像版本。带测量卡尺或医生标记的图像可以作为辅助证据,但不能成为唯一影像版本,否则模型可能学习文字、箭头或界面布局而不是病灶特征。每张图像需要与检查ID、病灶ID、侧别或位置字段以及标签来源关联;主结节BBox、微小钙化点和边缘模糊点要能回指到同一病灶。像素级Mask则应记录坐标系、图像尺寸、版本和是否经过专家修订,避免只交付一个无法解释的二值文件。

视频不能只抽取几张“代表性截图”。完整视频或多帧DICOM应保留帧顺序、帧数、帧率、设备型号、探头频率、成像深度和增益等采集上下文。起止帧用于界定研究对象在时间轴上的可见范围,关键帧用于快速复核和建立静态基准,但两者不能互相替代。若某些帧因遮挡、散斑、离开视野或低对比度无法可靠勾画,应使用字典规定的不可见、不适用或未知编码并保留原因,而不是人为补出一条“连续”边界。这样做会让数据看起来不那么整齐,却能避免模型把标注者的臆测当成时序真值。

四、数据结构应同时服务算法训练和质量追踪

一个可复用的最小数据模型可以分为六层。病例层保存脱敏病例标识、检查时间关系、授权状态和证据索引;检查层保存静态图或视频的来源及设备上下文;病灶层保存LesionID、主次角色、位置、属性和证据;帧层保存完整序列、起止帧、关键帧和帧序号;空间层保存BBox、点、二维或三维Mask;审计层保存标注者角色、复核意见、争议原因、修改时间和规范版本。不同层级通过稳定ID连接,任何一条属性都能追溯到具体病灶,而不是只挂在病例名称下。

设备和格式元数据是超声数据的隐形地基。Rows、Columns、PixelSpacing描述图像矩阵和空间尺度,帧率影响时间间隔,探头频率、成像深度、增益和设备型号帮助研究者分析采集异质性。DICOM PS3.3 当前版的超声多帧信息对象专门描述由超声设备创建的多帧影像,工程交付时应保留必要的原始属性、无损转换记录和校验信息4。如果动态数据转为NIfTI供研究使用,必须同时保留原始视频或多帧DICOM,以便在发现方向、尺寸或帧序问题时回溯。缺失的元数据要标记为未知或真正缺失,不能默认成零,也不能用某一设备的常见值补齐。

在数据划分上,最重要的不是随机打散图片,而是在病例或患者层面划分训练、验证和测试。来自同一检查的相邻帧、同一病灶的多个截图和高度相似的重复图像不能跨集合泄漏。若要检验设备差异、操作者差异或中心差异,应把相应的设备、中心或采集批次作为独立外部验证因素记录下来。TN5000提供固定划分便于基准比较,但它的公开数据结构和划分方式不能不加判断地套用于其他项目3。

五、算法路线应围绕标签层级设计

静态图像可以采用检测、分割和属性分类的多任务框架:先定位结节,再在ROI内细化Mask,并对良恶性、TI-RADS或其他属性建立独立输出头。微小钙化点和边缘模糊点不宜简单并入结节轮廓,因为它们表达的是局部征象,空间颗粒度和不确定性不同。模型训练时应保留“没有该征象”“不可见”“未标注”和“未知”的掩码策略,避免将缺失字段作为阴性样本直接参与损失。对于多结节病例,模型输出必须带病灶实例或对象ID,不能只生成病例级一个概率。

视频模型可以在关键帧上使用静态检测和分割网络,再通过时间编码、相邻帧特征聚合或序列模型学习病灶的出现和消失。关键帧监督适合降低标注成本,但不能证明未标注帧上的表现;如果项目要求全序列Mask,训练和验收就必须明确每帧的可见状态以及不可见帧如何计入指标。一个实际可行的研发顺序是先用静态标注建立可核对的空间基线,再用完整视频训练时序模块,最后在独立病例上检查时序稳定性。任何模型生成的预标注都只能作为草稿,未经复核不应回流成为金标准。

Ni等对甲状腺结节超声深度学习检测和分割研究的系统综述与Meta分析指出,既有研究常见回顾性、单中心、外部验证不足、参考标准报告不完整和评价指标单一等问题5。这对数据建设的直接启示是:算法路线不能脱离验证设计。研究者应在训练前确定哪些标签是主要终点,哪些只是辅助属性;在测试前冻结阈值、规则和标签版本;在报告中同时交代病例构成、设备差异、标注者角色、排除样本和未确定标签。AUC或Dice可以描述研究数据上的某一方面表现,但不能直接等同于真实临床环境中的诊断收益。

六、专家标注的重点是可解释的分歧处理

初标、复核和仲裁应被视为不同职责,而不是同一个人把同一份结果重复保存。初标人员依据项目字典完成病灶定位、边界和字段填写;第二位复核者独立检查病灶ID、起止帧、关键帧覆盖、Mask尺寸、属性来源和缺失编码;医学专家重点处理边界不清、主病灶选择、多结节对应、TI-RADS分歧和疑似侵犯等问题。对无法依据规则解决的情况,应记录争议点、各方意见、引用的影像或临床证据、最终决定和规范版本。争议记录本身是数据质量信息,不应被静默覆盖。

标注者不应看到会导致不当泄漏的结果字段。比如,图像空间标注可以在不暴露测试集最终标签的条件下完成,病理结果作为独立证据表在研究划分和评测阶段关联。对于训练集,病理标签可以作为监督目标;对于测试集,病理证据应由受控流程保存,防止在反复调参中被算法组看到。专家一致性也不能被一个统一数字概括。应按任务和难例分层报告,分别关注病灶定位、Mask边界、TI-RADS分级、主病灶选择和证据字段完整性;低一致性类别可以保留不确定状态,而不是为了提高表面一致性强行达成共识。

2025年一项多中心研究使用静态超声图像和动态视频开展结节检测、分割及三维可视化,研究设计中按病例ID划分静态数据,并将来自多个独立中心的动态视频用于外部测试6。这类研究表明,静态和动态任务可以在一个系统中协同,但不能因此认为任一项目天然具备跨设备、跨中心或临床部署能力。该研究自身也指出数据不平衡、复杂场景边缘不足等限制。我们可以借鉴其“病例级分隔、动态独立验证、完整任务链路”的设计原则,却不能把论文中的数据量、模型表现或临床辅助结论转写为待建设数据集的承诺。

静态图与超声视频的双路径验收技术示意查看完整技术图(可放大)

图2 静态图与超声视频的双路径验收技术示意;不含真实患者数据,指标与阈值须由具体项目书面确定。

七、把验收写成文件、几何、语义和验证四道门

第一道门是文件完整性。静态DICOM、完整视频或多帧DICOM、研究格式转换文件、标签文件和数据字典都应能读取;文件哈希、尺寸、方向、帧数、帧率及转换日志要相互一致。第二道门是几何一致性。BBox不能越界,Mask尺寸必须与影像对应,视频Mask必须与帧数和顺序一致,点、框、轮廓与LesionID不能串联。对主病灶和次病灶,应抽样检查空间标注是否与属性和证据指向同一对象。

第三道门是语义一致性。要核对TI-RADS是否保留原始分级、研究映射是否按冻结字典生成、良恶性是否有证据来源、病理组织学是否与具体病灶关联、侵犯和位置字段是否使用允许值。无结节、标签不适用、未知和真正缺失要分别通过自动规则检查。对于“良性但没有病理或合格随访”的样本,可以进入探索性集合或待复核集合,但不能无说明地混入主要测试集。清洁影像版本、测量版本和带医生标记版本之间也应建立来源关系。

第四道门是研究验证。检测、分割、分类和视频时序指标要提前写明计算对象、分母、阈值、帧范围和排除规则。静态Mask可以按项目选择Dice或交并比,检测可选择平均精度或其他预先声明的指标,分类则应根据证据覆盖报告AUROC、AUPRC、灵敏度、特异度或校准表现;这些指标不能互相替代。动态任务如果只在标注帧上计算,应明确未标注帧不进入评分;如果要求全序列,则必须说明不可见帧和漏预测如何处理。项目不应直接套用其他竞赛或论文的规则,因为同一个“漏检”在不同评价方案中可能有不同惩罚。

外部验证至少要回答三个问题:数据是否来自不同的病例构成,采集设备或操作者是否发生变化,标签证据和标注流程是否仍然一致。JMIR分析显示,许多既有研究缺少真正的多中心外部验证,内部交叉验证可能高估泛化能力5。因此,验收报告应披露训练与测试的病例级划分、设备和中心分布、病理或随访证据覆盖、排除样本和不确定标签比例。若没有外部队列,就只能称为内部测试或内部验证,不能写成临床泛化已经成立。

八、项目化交付应守住能力边界

按照已核验的公司定位,朗慧可被表述为AI数据基础设施及流程服务商,LangData覆盖采集、处理、标注、质检和数据交付;在医疗项目中,可围绕需求梳理、数据目录、标注规范、复核组织、质量记录和版本化交付提供项目化支持。就本需求而言,价值在于把病例—病灶—帧—Mask—证据链变成可执行的任务规格,再用文件、几何、语义和验证四道门检查交付是否可复核。具体专家资质、复核层级、样本范围、周期、格式和验收阈值,仍需由项目书面确认。

不能把源需求中的标签要求写成公司已经拥有某个现成甲状腺数据集,也不能把官网上相近文章的描述写成已经完成的临床研究或模型产品。公司能力、项目建议和外部科研结果应分开:前者只能依据已核验范围表达,后者必须以公开论文或官方标准支持,需求本身则应明确为“建议设计”或“按项目约定”。尤其不能使用患者数量、合作机构、模型准确率、诊断率、效率倍数或监管批准等没有独立证明的信息。

九、从研究数据到临床使用仍有一段距离

高质量标注能够降低数据歧义,却不能替代伦理审查、数据授权、隐私保护、临床验证、质量管理或适用监管要求。公开研究中的实验性能是特定数据、特定标签、特定设备和特定评价规则下的结果,不等于真实临床效果。2026年的相关综述也指出,甲状腺超声AI目前仍受单中心数据、选择偏倚、设备异质性、解释性和前瞻性验证不足等因素限制7。因此,数据建设阶段就应把外部验证和偏差分析写进方案,而不是模型完成后再补充。

最终交付的理想形态,不是一份孤立的图片压缩包,而是一个可以重新解释的数据版本:其中有脱敏后的原始影像和视频,有明确的病灶ID、帧规则、Mask和属性,有病理或随访证据层级,有专家分歧与复核记录,有缺失编码、转换日志、质量报告、数据划分和授权边界。这样的资产既能支持检测、分割、分类和时序研究,也能在任务改变时识别哪些标签可以复用、哪些需要重新标注。

甲状腺超声AI的研发难点,不在于把更多框画进更多图片,而在于确保每个框、每个轮廓、每个等级和每个病理字段都知道自己对应哪个病灶、来自什么证据、由谁在什么版本中确认,以及在什么样的独立验证中才可以被解释。只有先完成这层数据工程,算法创新才有可能在可重复、可审计的基础上比较;在此之前,任何关于个体诊断或临床替代的表达都应当保持克制。

研究与应用边界

本文讨论甲状腺超声研究数据建设、医学影像标注和算法验证方法,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。文中良恶性、TI-RADS、病理组织学、甲状腺外侵犯、位置和临床T均指数据字段及其证据治理方式,不能据此判断任何个人健康状况。实际研究、数据共享和临床应用须由具备相应资质的团队结合完整病史、原始影像、报告、病理及其他必要资料,并遵守伦理、隐私、授权、质量和监管要求。

参考来源

  1. ACR Thyroid Imaging Reporting and Data System (TI-RADS)
  2. An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning
  3. TN5000: An Ultrasound Image Dataset for Thyroid Nodule Detection and Classification
  4. DICOM PS3.3 Current — A.7 Ultrasound Multi-frame Image Information Object Definition
  5. Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules: Systematic Review and Meta-Analysis
  6. A deep learning based ultrasound diagnostic tool driven by 3D visualization of thyroid nodules
  7. Artificial intelligence in thyroid ultrasound: clinical applications and perspectives