MEDICAL DATA RESEARCH
甲状腺超声 AI 数据采购:如何把全帧动态标注和独立验证写成可验收闭环
面向医疗AI研发和数据采购团队,拆解甲状腺超声静态与全帧动态数据的病灶主键、证据分层、原始格式、盲审质控、患者级隔离和连续入组独立验证,帮助把采购要求转成可复核交付。
甲状腺超声 AI 项目最容易被低估的,并不是模型选用哪一种网络,而是“一个病例”究竟应当由什么组成:一张代表性截图、一次连续扫查、一个结节,还是同一病灶跨切面和随访的证据链?如果采购只交付挑选后的静态图,算法可能学到的是截图习惯;如果动态序列被抽帧或重新编码,时间轴便无法复核;如果良恶性标签没有绑定到具体结节,模型输出也很难解释。对需要同时支持检测、分割、分类和临床属性建模的研发团队而言,真正可验收的交付物不是图片数量,而是从原始影像到证据、标注、版本和验证结果都能回溯的数据对象。
本文围绕一份经过匿名化处理的甲状腺超声数据采购与验收需求,讨论如何将其转化为可公开复用的方法学框架。文中不披露任何客户、医院、供应方、病例、合同或价格信息,也不把项目目标写成既有库存或临床效果。下述数量、阈值和角色应由具体项目的伦理授权、统计方案、数据字典和书面规格冻结。本文讨论的是医学影像研究数据建设,不构成个体诊断、筛查、治疗或用药建议。
一、先把临床任务拆成四个层级
这类需求表面上写的是“甲状腺癌智能检测”,实际至少包含检查级、静态图级、动态视频级和病灶级四组任务。检查级要区分“是否存在可见结节”和“是否存在有证据支持的癌症标签”,二者不能相互自动推导:有结节不等于癌症阳性,没有病灶也不等于所有临床信息都为阴性。静态图级要回答每幅图中有哪些实际可见结节、位置在哪里、边界如何表达;动态视频级则要回答病灶何时进入视野、在哪些帧清晰、何时离开,以及跨帧形状是否保持可解释的连续性。病灶级还要承载良恶性、TI-RADS、病理组织学、甲状腺外侵犯、位置、主病灶角色和可能的分期字段。
这种拆解决定了数据颗粒度。病例不是图像张数,检查不是视频段数,病灶也不是 ROI 文件的排列顺序。一个患者可能有多次检查、多个切面、多个静态图和多段动态序列;同一患者内还可能同时存在恶性和良性结节。患者层可以用于去重和数据划分,检查层保留时间点与采集上下文,序列层区分静态组和原始动态序列,帧层记录图像实例,病灶层保存 NoduleID 和病灶属性,证据层再说明某个结论适用于哪一次检查或哪一个结节。这样做是为了避免“患者级恶性”覆盖同一患者内其他结节,也避免把检查级报告误当成每个病灶的金标准。
公开数据集可以帮助说明这一点,但不能替代项目定义。Hou 等在 Scientific Data 发表的研究建立了带病理诊断标注的甲状腺超声数据集,包含 842 个病例和 8,508 张图像;论文特别指出,超声检查通常来自动态观察,同一患者的不同结节可能拥有不同标签。1 这项研究的病例、设备、图像格式和标注目标属于其自身队列,不能转化为任何其他项目的规模或能力证明。采购时应借鉴的是“病例—病灶—图像—证据分层”的思想,而不是照抄一个公开数据集的字段。
二、动态超声的第一验收对象是原始时间轴
甲状腺超声的动态信息不是把若干静态图按文件名排队。一个可复用的动态序列,至少要保留病灶出现前、清晰显示阶段和离开视野后的过程,并能核对原始帧数、帧序、空间尺寸以及可获得的帧率或 FrameTime。起始帧、全部清晰帧和结束帧是时序语义;二至五个代表关键帧只是便于浏览、试标和复核,不能代替完整序列。静态部分也应保留设备导出的原始 DICOM 和同次检查全部可用图像;带测量卡尺、箭头或文字提示的版本只能作为派生文件,不能替代干净原始影像。若交付物只有抽帧图、屏幕录制、截短视频或无法追溯帧序的重编码文件,就不应把它当作满足动态任务的病例。
DICOM 当前标准将 Ultrasound Multi-frame Image 作为由超声设备创建的多帧影像对象,为保存设备输出的帧集合和相关元数据提供了标准化入口。8 但“存在多帧 DICOM”不等于数据自动合格。验收仍要核对对象能否解码、帧序是否稳定、空间尺寸是否一致、原始文件是否与清洁影像和标注一一对应,以及去标识处理是否覆盖了像素中的烧录文字。对于供应方无法提供的设备字段,应区分源端未记录、去标识移除、未采集、未知和交付遗漏,不能用空白掩盖数据事实。
研究训练常需要 NIfTI 或其他便于批处理的格式。合理做法是把原始动态文件作为追溯主版本,把研究格式作为派生版本,同时交付转换脚本、依赖版本、参数、日志、轴顺序和前后哈希。转换过程可以改变容器,不能偷偷改变帧数、帧序、宽高比、空间尺寸或像素强度语义,也不能插帧、重采样、裁剪或未经说明地归一化;如果源设备本身使用有损编码,也只能如实披露,不能用“无损转换”暗示恢复了源端已经丢失的信息。图一将这一链路与病灶实例、证据和版本放在同一张图中,强调数据资产的主键关系,而不是装饰性的算法箭头。
图1 技术关系示意,不含真实患者或样本,不表示已完成实验、现货规模或临床诊断结论。
三、静态与动态要共用病灶主键,但不能共用含糊标签
静态任务可以从检测框开始,但若项目要支持实例分割、跨切面误差分析或多病灶训练,最终应让每个可见结节独立绑定 NoduleID、BBox 和二维二值 Mask。Mask 的像素坐标、尺寸和值域要在 codebook 中固定,例如以0表示背景、1表示当前结节;多个结节不能合并成一个前景,也不能只保留最大或最可疑的结节。无结节病例不应为了凑文件数生成虚假 NoduleID 或全零病灶Mask。微小钙化点、边缘最不清晰点等辅助标注,应明确它们是病灶属性还是单独的点对象,避免点、框和 Mask 在下游被误认为同一种监督信号。
动态任务需要在同一个 NoduleID 下补充起始帧、清晰帧集合、结束帧、关键帧和逐病灶三维 Mask。这里的“三维”是时间序列堆叠后的标注表达,并不自动代表真实解剖体积。病灶暂时离开视野、受到探头压力变化或出现部分遮挡时,某些帧可以是同尺寸全零或预先定义的不可见状态,但必须在数据字典中写清楚原因。若采用插值、传播或跟踪生成初始轮廓,它们只能作为草稿;进入金标准前必须逐帧人工复核,不能把未经检查的伪标签包装成专家标注。
跨静态图、动态图、不同切面和随访检查时,应设置稳定的 LesionGroupID 表示可能对应的同一病灶组,同时保留“无法可靠关联”这一状态。文件名后缀、ROI1/ROI2 的出现顺序和表格行号都不应成为唯一关联机制。对算法研发而言,这个主键关系使研究者可以分别训练单帧检测、序列分割和纵向关联任务;对质量团队而言,它使一个错误能够沿着序列、病灶、证据和导出版本回溯,而不必在文件夹中凭经验猜测。
四、标签不是一个值:证据来源、TI-RADS 和不确定性必须分层
良恶性、组织学和侵犯等字段具有临床语义,不能仅凭一名标注者的影像印象写入“真值”。较稳妥的设计是为每条证据建立 EvidenceID,记录证据类型、日期或合规的相对时间、适用范围、去标识的原文摘要或结构化摘要,以及其关联的 NoduleID 或 LesionGroupID。手术病理、穿刺病理、细胞学、稳定随访、影像共识和未知状态要分别编码。多结节患者的病理如果只能定位到检查级,而不能定位到具体结节,就不应把它无条件地当作每个病灶的独立验证金标准。
ACR TI-RADS 的定位是建立甲状腺结节超声词典,并在词典基础上形成标准化风险分层体系,用于帮助判断哪些结节值得进一步处理。7 它是结构化影像语义,不是病理组织学的替代物。因此,项目可同时保留原始报告采用的体系与类别、规范化的研究字段、复核状态和版本化映射;如果需要把不同体系映射到比赛或研究接口,映射表应由项目方在标注前冻结,不能由执行人员凭经验改写,更不能让映射值覆盖原始值。
同样重要的是,把“不存在”“不适用”“未知”“不确定”和“资料缺失”拆开。例如,完整检查确认无结节可以是 NO_LESION,某项特征已经评估且不存在可以是 NONE,医学上不适用可以是 NA,证据不足可以是 UNK,医生之间尚未裁决的冲突可以是 UNCERTAIN,应该提供但源资料未交付则是 MISSING。空白字段在训练时可能被错误地当成阴性,在验收时也无法判断是合理缺失还是交付遗漏。字段字典因此既是标注规范,也是偏差控制工具。
五、算法路线应围绕数据条件,而不是围绕网络名称
在数据层面,静态检测、二维实例分割、动态跟踪和序列分割可以采用不同模型,但它们共享同一组前置条件:边界定义稳定、病灶主键一致、阴性样本编码清楚、原始序列没有被错误截短。一个可实施的研发路线通常是先用少量高质量样本验证标注协议,再把检测框作为定位辅助,把二维 Mask 作为空间监督,把关键帧和完整帧序列用于检查时序一致性,最后再决定是采用时序卷积、注意力模型、传播式方法还是其他架构。预标注和自动跟踪可以降低重复操作,但不能把自动输出直接当成参考标准。
超声分割的难点来自低对比度、散斑噪声、边界模糊和结节外观变化。Xiang 等在 2025 年的研究中采用掩码自编码预训练和 Transformer 结构探索甲状腺结节分割,同时指出在小样本条件下总体改进仍有限,数据量和多样性的重要性不一定会被更复杂的结构抵消。4 这项研究支持的是“先把数据条件做稳”的工程判断,不是某个模型在新项目中的效果承诺。Ni 等对 41 项研究的系统综述和 Meta 分析也指出,既有研究在图像质量、方法学设计和外部验证方面存在不足,报告透明度和标准化仍需加强。3
因此,算法验收不应只看单一 Dice、IoU 或内部随机切分结果。分割指标可以用于监测双人标注的一致性,检测任务还需结合对象级漏标、误合并和定位误差,动态任务要增加帧级出现、清晰和离开阶段的错误分析。对于边界本来就不清晰的结节,低一致性样本需要回到人工仲裁,而不是用一个平均指标把争议抹平。若要研究分类或风险分层,还应明确标签来自影像观察、报告转录、病理或随访,并在结果中区分研究表现与临床效果。
六、专家标注与质控要把“独立”写成操作步骤
专家参与不能只写成“由医生审核”。首先应规定标注者、复核者和仲裁者的角色、任务经验与独立账号;其次要让两名标注者在看不到对方结果时分别完成任务;再次才是复核和仲裁,并保留两份初始结果、分歧类型、最终理由、修改者和版本号。对于这类验收规格,常规病例的双人独立复核门槛可明确为不少于20%,并按中心、设备、类别和动静态分层抽样;包膜、软组织或血管侵犯、标签冲突、疑难多病灶及低质量或边界不清病例等高风险类别应100%双人复核并在需要时仲裁。具体适用比例仍须由项目书面规格冻结,不能把本文示例当作公司统一阈值。
复核内容既包括边界,也包括语义和关系。静态图要检查漏标、实例混并、Mask 越界和点标注错绑;动态序列要检查跨帧跳变、帧错位、清晰帧遗漏、不可见帧处理和原始帧轴一致性;临床属性要检查 EvidenceID 是否指向正确的病灶、原始 TI-RADS 是否被保留、主病灶选择依据是否有记录。若图像和文字报告冲突,应该记录冲突并进入复议,而不是默认某一方覆盖另一方。
CLAIM 2024 更新强调,医学影像 AI 研究应完整描述数据来源、纳排标准、预处理、去标识、参考标准、标注者、分区层级和外部测试,以提高透明度与可复现性。6 TRIPOD+AI 也要求分别说明开发数据与评价数据的来源、代表性、纳入时间、样本量依据、缺失处理、分区、输出阈值以及外部评价。5 对采购项目而言,这些指南不等于合同条款,但可以转化为数据卡、文件清单、标注手册和质量报告的目录,使“交付合格”不止是文件能打开。
七、独立验证不是把剩余病例留在文件夹里
数据划分的最小单位应是患者,而不是图像、视频或病灶。同一患者的不同检查、随访、静态图、动态图、切面、病灶和所有派生文件只能进入同一个分区;同时还要用 PatientID、Study/Series UID、文件哈希和感知相似度检查近重复。2025 年 TN5000 数据集论文在构建检测与分类基准时,明确提出从同一患者的重复视角中保留代表性图像,以降低泄漏风险,并提供了患者层面的划分思路。2 这说明“图片数量增加”不能代替独立样本增加。
开发集可以为了学习困难少数类别而有意富集,但独立验证集不应按得知标签后的比例回补。更可解释的方案是预先确定连续入组的起始日期、中心和纳排规则,在标签冻结后锁定患者,再由不参与模型调参的团队完成独立复核。验证集应保留接近目标场景的无结节、良性、恶性、设备、操作者和图像质量构成,并报告中心、设备、探头、年龄段、病灶大小和困难标签的交叉分布。若某一中心只提供一种标签,模型可能学到来源差异而不是病灶特征。
验证结果应至少说明样本来源、参考标准、预处理、模型版本、阈值是否预先设定、主要指标及不确定性。若外部验证缺失,应把它作为研究限制,而不是用内部交叉验证的好看结果替代。数据采购的业务逻辑也应随之改变:先验收数据链路,再讨论模型是否进入下一轮开发;先冻结规则,再根据错误分析决定是否补充样本。交付前还应对100%数据生成机器可读检查报告,核对文件可读性与哈希、各层ID唯一性和外键完整性、Mask与原图或帧轴的一致性、证据关联、患者级分区及重复/合成样本;命中隐私泄露、伪造病例、跨分区泄漏或未复核伪标签等关键缺陷时,不得计入合格交付量。整改或替换必须保留版本和前后哈希记录。
图2 技术关系示意,不含真实患者或实验结果;具体阈值、样本量和授权范围须由项目统计方案与书面规格冻结。
八、把需求转成可执行的项目闭环
一个可操作的实施顺序可以分成五个阶段。第一阶段是需求冻结:明确检查级、病灶级和帧级任务,锁定 ID 层级、证据层级、TI-RADS 映射、分期字段、缺失编码、原始格式和交付目录。第二阶段是小批试交付:同时放入阴性、多结节、动态序列、困难边界和不同采集条件,测试文件能否打开、字段能否互相回溯、复核者能否按同一句规则作出相近判断。第三阶段是规则修订与盲审:把分歧转成版本化问题单,对高风险类别进行双人独立复核,形成稳定的 codebook。
第四阶段是分层批量交付:按中心、设备、病例类别、动静态类型和困难标签观察分布,避免最后一批只补某一种标签;每批同时提交原始文件、派生文件、标注、证据索引、质量报告、转换日志和变更记录。第五阶段是冻结与验证:完成患者去重、主外键检查、空间和时间一致性检查、隐私审计及数据分区,单独封存连续入组验证集。这样,采购验收和算法研发使用的是同一条审计链,而不是先采购一批图片、再由研究人员临时猜测它们的含义。
依据已核验的公司范围,朗慧可将自身定位为 AI 数据基础设施和流程服务商,围绕 LangData 所覆盖的数据处理、标注、质检和交付环节,按项目参与需求梳理、字段治理、标注执行和质量记录组织。这里的“可参与”不等于已拥有某个特定队列、某种医院资源或固定现货规模;具体模态、人员资质、样本来源、授权、周期和验收方式必须通过样例评估与书面项目确认。对于医疗 AI 团队而言,这种边界反而有助于把“能力适配”与“临床证据”分开:数据服务可以支持研发,但不能替代伦理审批、病理参考标准、临床试验或监管审定。
结语:验收的终点是可解释地使用数据
甲状腺超声 AI 数据建设的价值,不是把采购表变成更长的字段清单,也不是把动态视频包装成更大的静态图集合。价值在于让每个研究者都能回答:这张图或这一帧来自哪次检查?它属于哪个病灶?为什么这个病灶被标成某种类别?这个 Mask 是否覆盖了正确的帧轴?这条临床证据适用于谁?标签是否在训练和验证之间泄漏?当规则修订后,哪些对象需要回溯?
当原始序列、病灶主键、证据层级、专家分歧、版本记录和独立验证被同时纳入验收,数据才可能从一次性交付物变成可复用的研究基础设施。模型架构可以迭代,指标也会随任务变化,但这些可追溯的底层约束应尽量在研究开始前写清楚。最终,任何模型是否具有跨设备、跨中心或临床使用价值,都应由预先定义、严格隔离并可独立复核的研究证据回答,而不能由采购数量、单次内部测试或营销式表述代替。
参考来源
- An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning
- TN5000: An Ultrasound Image Dataset for Thyroid Nodule Detection and Classification
- Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules
- Thyroid nodule segmentation in ultrasound images using transformer models
- TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
- ACR Thyroid Imaging Reporting and Data System (TI-RADS)
- A.7 Ultrasound Multi-frame Image IOD

