跳至正文
朗慧科技

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。

超声与动态序列AI辅助整理 · 研发交流

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。

甲状腺超声数据的可追溯对象链:原始多帧影像、分层主键、病灶实例、证据与版本的技术关系示意。查看完整技术图(可放大)

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。

从试标到独立验证的质量门控:规则冻结、自动检查、人工验收、患者级隔离和连续入组验证。查看完整技术图(可放大)

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

  1. An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning
  2. TN5000: An Ultrasound Image Dataset for Thyroid Nodule Detection and Classification
  3. Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules
  4. Thyroid nodule segmentation in ultrasound images using transformer models
  5. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods
  6. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
  7. ACR Thyroid Imaging Reporting and Data System (TI-RADS)
  8. A.7 Ultrasound Multi-frame Image IOD