MEDICAL DATA RESEARCH
上腹部多病灶CT早筛数据:从平扫全层面分割到可核验交付
面向医疗AI研发团队,拆解上腹部CT多病灶数据的平扫主输入、增强参考、11类标签、全层面掩膜、DICOM脱敏、专家仲裁、患者级划分与独立验收边界。
对于上腹部异常早筛,真正困难的往往不是让模型“看见一个肿块”,而是让它在同一套平扫CT上,稳定地区分多个器官、多个病灶和多个病理类别,并且能把每一个病灶在所有相关层面上的边界完整交给训练流程。一个看似简单的“采集上腹部CT并标注异常”任务,实际同时包含队列设计、DICOM治理、同受试者跨序列配对、多类别像素标签、专家裁决和独立验收。若这些环节没有在源头拆开,后续得到的可能只是影像文件的堆积,而不是可以复现、审计和外部验证的医学AI数据集。
本文讨论一类可匿名化的上腹部CT数据建设需求。它面向肝脏、胆囊、胰腺、脾脏、肾上腺、肾脏及腹腔淋巴结相关异常,核心输出是平扫CT上的像素级病灶分割和类别标签;同一受试者的增强CT用于边界和类型的参考,而不是把增强序列直接替代为主输入。文章不提供个体诊断或治疗建议,也不把项目约定的样本配额转写成现货规模或公司业绩。重点是说明:怎样把临床问题变成可执行的数据规格,怎样让标注和算法互相校验,以及怎样在交付时证明数据真的适合目标研究。
先把临床任务写成可验收对象
这类项目的临床任务不是一个笼统的“上腹部肿瘤识别”,而是一个多器官、多类别、病灶级的三维分割任务。需求中包含肝癌、肝脏血管瘤、胆囊癌、胰腺癌、胰腺囊腺瘤、脾脏血管瘤、脾脏淋巴瘤、肾上腺癌、肾癌、腹腔淋巴瘤以及淋巴结反应性增生等异常类别。对外公开时,类别清单应被视为任务标签的示例化定义;实际项目仍需由临床负责人确认病理分类、分级和分期采用哪一版标准,哪些描述可以从影像报告获得,哪些必须由病理或随访材料支持。不能因为报告写了“考虑某病变”就把它自动当成确诊金标准。作为机器可读的标签字典,源规格把上述类别依次映射为1至11号标签;交付时还应同时保存标签名称、解剖部位、实例关系、证据类型和指南版本,避免数字脱离语义后被误用。
输入模态应拆成两层。第一层是上腹部平扫CT,承担模型训练时的主要影像输入,并要求覆盖任务涉及的完整器官;若研究对象涉及肾脏病变,双肾及相关解剖范围必须完整。第二层是尽可能配对的增强CT,用于在平扫无法判断病灶边界、病灶类型或邻近血管关系时作参考。配对的关键不是文件名相似,而是受试者、检查、序列和采集时间能够被可靠关联。若平扫与增强相隔过久,病灶形态、治疗状态和扫描协议都可能变化,参考关系就不能简单视为同一次检查。
输出也要拆层。像素或体素级掩膜回答“病灶在哪里”,类别标签回答“它属于哪个任务类别”,病例级元数据回答“这是谁的哪一次检查、来自哪个序列以及依据是什么”。当同一受试者存在多个异常时,应为每一个异常保留独立实例关系,同时在类别层面保持统一映射。要求标注同一层面上的所有病灶和同一病灶的所有层面,实质上是在防止只勾画最大病灶、只标注最清楚的切片或把连续体积拆成几段。这个要求会直接影响训练损失、阳性病例统计和后续体积测量。
分辨率和扫描参数属于数据设计,不是装饰性字段。原始DICOM、矩阵大小、层厚、重建核、管电流、设备和序列信息都可能影响病灶可见性与边界表现。源规格提出矩阵至少512×512、以1.0—1.5毫米薄层为主并保留其他层厚,同时对设备构成和管电流给出项目约定的倾向性比例与范围;这些是待书面冻结的队列条件,不是通用医学质量阈值,也不能被改写成公司现货保证。以薄层CT为主、保留较厚层厚作为多样性补充,可以兼顾三维边界和真实协议变化,但“占比”必须在交付统计中按检查或受试者明确计算,不能按切片数虚增。设备分布和年龄、性别等人群构成也应按受试者或检查统计,避免一套检查的上千层切片让某一设备看起来占据异常高的比例。公开研究表明,真实世界CT数据会自然包含不同年龄、异常情况、扫描仪和序列;这类异质性对泛化有价值,但前提是划分和报告足够透明。6
图1|技术示意:从脱敏后的DICOM队列,到平扫主输入、增强参考、病例级元数据和病灶掩膜的可追溯数据链路;不表示真实患者、真实样本或已完成实验。
DICOM治理要先于模型训练
DICOM的价值在于保存影像与采集上下文,但它也可能携带直接或间接识别信息。DICOM官方标准明确提醒,属性级保密配置并不等于整个信息对象已经完成去标识化;像素中烧录的文字、图形叠加层、私有字段和跨序列的UID一致性仍需要纳入流程。1 因此,脱敏不能简化为删除姓名和身份证号。合规流程至少应包含字段清单、替换策略、像素检查、序列关联测试、日志和版本记录,并明确哪些扫描参数为研究任务保留、哪些字段必须移除或泛化。
纵向配对是脱敏之后的第二道关。平扫和增强CT应在内部使用不可回溯的研究标识关联,在对外数据集中不保留真实身份线索。替换后的患者、检查和序列标识必须在同一受试者的多份DICOM中保持一致,否则配对会在算法读取阶段悄悄断裂。日期如果需要保留时间间隔信息,可以采用经过风险评估的相对时间或受控偏移,但偏移规则要在数据卡中记录。DICOM标准也强调,多个相关实例在替换UID和引用关系时需要保持一致,不能每个文件独立随机化后再期待下游自动恢复关系。1
影像像素中的身份信息容易被忽视。虽然常规CT通常不把姓名印在图像上,但重建截图、导出图形、特殊工作站叠加层或人工截图仍可能包含检查号和机构信息。入库时应对像素、非像素图形和覆盖层做专项检查,并保留“未发现”“已清除”“需人工复核”等状态,而不是只在元数据表里写一个“已脱敏”。如果任务要求保留扫描设备或重建核用于研究,这些参数也要和可识别的设备序列号、机构名称区分开。脱敏后的数据应做小样本回读,验证训练端仍能正确解释方向、层间距、窗宽窗位和体素值。
队列纳排标准同样需要可执行。严重运动伪影、金属伪影、治疗后状态、部分晚期转移表现等可能与早筛目标不一致,但“严重”“晚期”和“与目标相悖”不能只靠一句自然语言决定。应为每条标准准备正例、反例和边界例,并规定异常例进入“排除”“保留但打标”还是“待裁决”状态。否则不同标注员会把同一类病例分别放入训练集和隔离集,使模型学到的是操作者差异。阴性或未见目标异常的检查也要被明确编码;没有阴性样本,模型就无法在病例级评估中区分“没有病灶”和“没有被标注”。
平扫主标注与增强参考如何协同
增强CT在这个任务中具有重要价值,但参考关系不能变成标签泄漏。理想流程是先在平扫上确定病灶位置和轮廓,再在盲于最终标签的条件下调阅同一受试者的增强序列,用于解决平扫不可判定的边界或类型问题,随后把参考依据和修改理由记录下来。若标注员从增强影像直接描出轮廓,再把它无条件映射回平扫,模型在真实的“只有平扫输入”场景中可能会得到过于理想化的标签;这会在训练时隐藏平扫本身的可见性限制。
跨序列对照还要考虑空间几何。平扫和增强CT的层厚、重建间隔、视野、体位和呼吸状态可能不同,不能只按层号一一对应。必要时需以DICOM几何信息、图像方向、像素间距和参考坐标进行配准或核对,并把配准误差标成质量状态。对于不能可靠配准的病例,可以保留增强检查作为文本或结构化参考,但不应伪装成精确的像素级监督。相反,对平扫本身边界模糊的病例,可以设置“不确定边界”“参考增强修订”“不纳入严格边界评估”等状态,避免强迫专家在证据不足时输出虚假的确定轮廓。
研究可采用分层标签:病灶实例、病变类别、可疑程度和参考证据分开存储。比如,分割掩膜只表示空间范围,病理或影像报告字段表示类型依据,增强参考字段记录是否使用了对照序列。这样做有利于后续选择不同终点:一项研究可以只评估病灶检测,另一项研究可以评估11类分类,另一项研究可以只用高可信病例训练边界模型。影像报告和病理报告也不能混成一个“真值”字段。前者可能表达影像学判断,后者在有组织学依据时提供更强的病理证据,但二者覆盖的病例和定义并不相同。
公开研究中的多器官异常检测工作显示,报告文本可以帮助构建大队列的病例级标签,并在多中心外部测试中评估跨机构表现;但这种弱监督标签与像素级分割并不是同一种任务。5 因此,报告可以用于队列筛选、标签复核和难例发现,却不能替代本项目要求的逐层面病灶掩膜。把文本中“肝脏可疑病变”直接转成精确边界,会把不确定性伪装成几何真值。
算法路线要服务于标签颗粒度
这是一个多类别、三维、类别不均衡明显的分割任务。大器官参照结构通常比小病灶容易,某些罕见类别或边界模糊类别的体素数量可能远低于常见病种。算法路线可以从经过充分配置的三维U-Net或nnU-Net基线开始,再根据显存和分辨率采用全体积、粗到细或重叠patch策略。高分辨率腹部CT的三维分割研究表明,有限显存下可以先利用低分辨率获得全局空间信息,再用高分辨率patch修正局部边界;这种工程思路比单纯追逐更大的网络名称更贴合薄层影像的计算约束。4
预处理应保留可解释的物理含义。CT值转换、窗范围、体素重采样、方向统一和裁剪范围都要写入数据卡,尤其要区分“用于显示的窗位”与“用于模型计算的强度变换”。如果使用器官模型先缩小候选区域,再运行病灶模型,应记录器官模型版本、漏检风险和候选区域外的阴性处理。多任务路线可以让器官分割为病灶提供解剖参照,也可以把病例级分类与体素级分割联合训练,但不能把辅助任务的结果当作最终标签质量的替代。
类别编码应由标签字典统一管理。标签编号只是机器可读值,不应成为临床含义的唯一来源;交付中应同时保存标签名称、解剖部位、病理或影像依据、实例编号和指南版本。不同病灶类型不能因为轮廓颜色相同而合并,也不能把同一类型的多个病灶只存成一个没有实例关系的大掩膜。对淋巴结或多发病灶,是否要求逐个实例标注、是否允许相邻病灶合并、血管或胆管受累如何处理,都要在指南和样例集中写清楚。
数据划分必须以受试者为单位,而不是以切片为单位。平扫、增强、报告和病理材料属于同一受试者的关联数据,必须一起进入同一划分。若同一受试者的不同检查被拆到训练和测试中,模型可能通过解剖、设备或时间信息间接记住病例,得到虚高结果。内部验证可以用于调参,外部验证则应尽量体现不同设备、不同协议、不同人群或不同时间窗口。公开的多器官分割基准说明了一个现实:跨来源数据会带来协议和标注差异,单一标注者也无法充分估计观察者间变异,因此数据集设计本身就是结果解释的一部分。3 另一项多结构CT研究将训练、验证和测试按患者分开,并让最终模型独立于中间标注模型,以降低测试信息进入标注和训练流程的风险。7
图2|技术示意:将标签字典、标注证据、盲审裁决、患者级划分和外部验证连成质量闭环;不表示真实模型性能或临床结果。
专家标注不是最后一道形式审核
专家标注的核心不是找一个“权威签字人”盖章,而是建立可以复核的观察者研究。基础标注员可以完成初始轮廓,但对小病灶、胰腺周围浸润、胆囊壁异常、淋巴结反应性改变和脾脏病变等问题,应设置与任务相匹配的专业审核。专家资格、标注范围、是否独立阅片、是否看到其他人的轮廓、分歧由谁仲裁、仲裁是否允许改变类别,都应在项目文件中明确。CLAIM建议报告真实世界AI影像研究时具体说明金标准定义、标注者数量和资历、训练材料、分歧解决方式以及数据划分;这些要求同样适用于数据交付前的质量记录。2
建议建立带版本号的标注指南和小型样例图谱。样例图谱不应只展示“标准答案”,还应包含边界模糊、病灶相邻、伪影、术后改变、增强参考不一致和阴性对照等争议类型。每次规则修改都要说明影响到哪些历史标签,是全量回修、抽样回修还是从新版本起生效。若不同类别采用不同的“最小可见病灶”或“边界包含范围”,应直接写入类别章节,避免审核员用自己的临床习惯填补空白。
一致性不能只看一个总体百分比。对于分割,需要区分重叠指标和边界距离指标,并按类别、病灶大小、器官、设备和扫描协议分层。公开分割基准强调,Dice对大结构通常更稳定,而小目标的单个像素变化可能显著影响结果;因此小病灶应结合表面距离、病灶检出率、实例级召回和人工复核,而不是只公布一个平均Dice。3 对病例级类别,还要报告混淆矩阵、未确定标签比例和“无法判定”的处理方式。所有阈值应在验收前预先约定,不应在看到结果后挑选最有利的口径。
标注工具或预标注模型可以提高初稿效率,但输出必须保持草稿状态。肝脏、胰腺、肾脏等结构预分割可帮助定位候选区域,病灶模型则用于生成轮廓草稿;最终金标准应来自专家修订和约定的盲审,不应把模型原始输出直接导出为训练标签。近期多器官CT研究也展示了“初始模型生成—人工修订—重新训练”的迭代标注路径,但它同时要求测试集独立于中间模型,避免测试信息渗入标注过程。6 这提示项目方要保留每次自动草稿、人工修改和终审状态,而不是只保存最终一张掩膜。
验收要从文件完整性延伸到研究可用性
第一层验收是文件和几何。随机抽取已授权的检查,验证DICOM是否可读、序列是否完整、像素值和方向是否正确、层厚与重建信息是否可解析、平扫与增强是否能按研究标识配对。掩膜应在目标工具中与原始影像逐层对齐,标签值不能越界,体素间距不能在导出时丢失。若交付同时含DICOM、NIfTI或NRRD,应说明各格式的方向约定和转换工具版本,避免同一掩膜在不同软件中出现镜像或轴向翻转。
第二层验收是标签覆盖。要检查每个受试者的所有异常是否都有记录,同一病灶是否跨越连续层面,多个病灶是否被错误合并,标签字典是否与掩膜值一致。对于增强参考病例,还要验证参考序列与平扫的关系、拍摄间隔类别、是否发生配准失败以及专家是否留下了参考使用记录。对于没有病灶的阴性病例,应检查是否明确标记为阴性,而不是因为没有掩膜文件就被误判为缺失。
第三层验收是人员和流程。通过盲审抽样确认审核者看不到前一位标注者结果,核对分歧是否升级到指定仲裁者,检查每一次修改是否有操作者、时间、指南版本和原因。发生争议时,不能用“专家最后说了算”替代规则;应保留原轮廓、修改后轮廓和裁决依据。若一批数据中某一病种的无法判定比例明显高于其他类别,应把它作为数据适用性结论的一部分,而不是把难例全部删除后再宣传标签整齐。
第四层验收是独立评估。分割质量应按受试者、病灶和类别分层,并在外部或时间独立样本上重复。多器官CT研究已经采用内部测试和不同扫描设备或协议的外部测试来观察稳健性;同一研究还会把器官体积的一致性与分割重叠指标分开评价。6 对本文这类病灶任务,可进一步规定:外部测试不参与指南调参;报告人员不知道模型输出;失败案例单独归档;每个类别都报告样本数和缺失原因。若某些类别样本不足以稳定评估,应在数据卡中明确“研究探索性”,而不是给出貌似精确的统一阈值。
业务交付要围绕可追溯闭环
对于医疗AI研发团队,最有价值的交付物不是“若干GB的影像”,而是一个能被算法、临床和信息部门共同核对的版本包。它应包含数据卡、纳排标准、DICOM脱敏说明、标签字典、标注指南、专家与审核角色说明、训练/验证/测试划分、已知失败模式、导出格式和变更记录。每个病例至少要能追溯到研究标识、检查和序列;每个掩膜要能追溯到指南版本、标注状态和审核状态;每次批次更新要能回答“哪些病例变了、为什么变、是否需要重新划分”。
在公司能力适配上,已核验的公开定位是AI数据基础设施及流程服务,围绕采集、处理、标注、质检和数据交付展开;这可以支持项目规格、样例评估和质量记录的组织,但不等于本任务已经具备现货数据、固定专家规模或临床验证结果。实际合作前应以授权样例、小规模试标和书面任务书确认模态、病种、部署边界和交付状态。预标注、专家审核、数据交付和平台许可也应分别验收,不能把其中一项的存在推断成其他项目已经完成。
最稳妥的实施路径是先冻结标签和纳排规则,再用能暴露边界争议的小样本走完脱敏入库、平扫标注、增强参考、盲审和导出回读。试点阶段重点看失败模式:哪些病灶在平扫上不可判定,哪些病例增强序列不能可靠配准,哪些类别需要病理或随访支持,哪些设备协议导致轮廓质量下降。只有这些问题被记录并转化为可检查的版本规则,才适合按约定规模放大。对于不具备独立成立条件的标签,宁可保留“待补证据”状态,也不应为了凑齐类别而把含糊判断写成金标准。
上腹部多病灶CT数据的研发价值,最终来自临床问题、数据结构和质量证据之间的闭合关系。平扫是主输入,增强是有条件的参考;病灶类别是任务定义,不是营销标签;专家审核是证据生成,不是形式签章;外部验证是泛化检验,不是把内部结果换一种写法。把这几层关系写清楚,数据集才可能真正支撑后续的分割、检测、分类或多模态研究,也能让采购方在交付时判断“可用”究竟意味着文件可读、标签可信,还是已经完成了某种临床验证——三者不能混为一谈。
参考来源
- DICOM PS3.15 Attribute Confidentiality Profiles
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers
- The medical segmentation decathlon
- High-resolution 3D abdominal segmentation with random patch network fusion
- Annotation-free multi-organ anomaly detection in abdominal CT using free-text radiology reports: a multi-centre retrospective study
- 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

