跳至正文
朗慧科技

MEDICAL DATA RESEARCH

上腹部 CT 多病灶像素分割:从采集规格到可审计验收

面向医疗AI研发与数据采购,拆解上腹部CT多病灶像素分割的平扫主标注、增强参考、DICOM脱敏、标签冻结、专家复核、患者级拆分与独立测试,给出可核对的交付和验收路径。

CT与血管影像AI辅助整理 · 研发交流

如果一个医学人工智能项目只写“收集上腹部 CT 并标注异常”,真正交付时很快会遇到一连串无法靠数量回答的问题:主标注究竟落在哪一套序列?增强 CT 是训练输入、边界参考,还是仅用于复核?同一层面的多个病灶如何区分?一个跨越十几层的病灶从哪一层开始、在哪一层结束?报告中的病理描述能否直接当作影像标签?这些问题没有在采集前冻结,后面的模型、验收和业务应用就会各自使用不同的“真值”。

上腹部 CT 的数据建设尤其容易把器官、病灶、影像期相和临床证据混在一起。肝脏、胆囊、胰腺、脾脏、肾上腺、肾脏及腹腔淋巴结等部位的病变,既有形态相近的类别,也有小病灶、低对比度边界和多发病灶。因而,这类项目不应被理解成一次性的“涂色”,而应被设计为一套从病例准入、影像语境、像素标签、专家复核到独立评价均可追踪的研究数据工程。本文讨论这一类采购需求可匿名提炼出的技术要点,不复述任何具体客户、数据来源、合同安排或商业条件。

一、先把临床问题翻译成可验收的机器学习任务

第一步不是选择标注软件,而是把临床目标转换为任务定义。上腹部异常早期识别可以包含病灶检出、器官内定位、像素级分割、病变类别分类或报告结构化抽取,但这些任务的输入、输出与参考标准并不相同。若交付目标是像素级分割,最小输入应包括去标识化的 CT 体数据、可复现的空间信息、主序列说明和标签映射;最小输出则不是一张截图,而是与原始影像一一对应的三维 mask、类别编码、对象或病例主键以及质量记录。若项目还要求病灶类型或分级,必须另外说明该字段来自影像、报告、病理还是专家共识,不能把“有一个 mask”误写成“完成了诊断标注”。

源需求中同时出现了“上腹部多类异常”“平扫 CT 主标注”“增强 CT 参考”和“像素级分割”等要素,这意味着模态关系应在数据字典中明确。一个可实施的设计是:把平扫作为主要标注序列,把同一受试者的增强序列作为边界或类别争议的参考,并记录两者的检查关系、时间窗、期相、空间坐标和缺失原因。增强序列是否也进入模型输入,要在训练任务中单独声明;如果它只用于人工复核,就不应在评估时悄悄提供给模型。公开的多期相肝癌数据建设研究显示,研究者会保留平扫、动脉期、静脉期和延迟期,并让两名临床医生独立勾画病灶,再对差异进行协调1。这说明“配对”不是把文件放到同一个文件夹,而是要让每个标签知道自己依据了哪一套影像。

标签本体也要先于采集冻结。上腹部项目常把组织部位、病变名称、良恶性、病理类型、分期、分级和严重程度放在同一张表里,但其中有些是像素空间对象,有些是病例级属性,还有些需要病理或随访证据。建议至少拆成四层:第一层是检查、序列和空间元数据;第二层是器官或解剖区域;第三层是病灶 mask、病灶类别与对象 ID;第四层是报告、病理和专家意见及其来源。对于多个病灶,需规定是语义分割还是实例分割;对于病灶相互接触、内部囊变或坏死的情况,要说明整体轮廓与子区域是否分别编码。未知、真正缺失、不适用、未提供和需要复议也不能共用一个空值。

上腹部 CT 多病灶数据从准入、序列关联、逐层标注到版本化交付的技术示意。查看完整技术图(可放大)

图 1|上腹部 CT 多病灶数据链路技术示意;不含真实患者或样本,不表示已完成实验、临床诊断或统一交付指标。

二、影像采集规格要服务于任务,而不是制造单一设备幻觉

CT 数据的工程质量首先体现在原始语境是否保留。DICOM 不只是一个文件后缀,它承载了图像平面、体素间距、层面位置、重建信息、设备与采集相关属性,也决定了标签能否重新映射回原始体数据。DICOM 官方标准将其定位为医学影像信息及相关数据的通信与管理标准,同时明确标准本身不替代具体实现的测试和验证2。因此,采购或项目规格应写清楚需要保留哪些 Tag、哪些字段允许转换、转换后如何核对,而不是笼统写“符合 DICOM”。

薄层、较高矩阵和完整上腹部覆盖通常有利于小病灶的连续观察,但它们不是脱离任务的万能质量指标。层厚、重建核、管电压、管电流、螺距、视野和设备型号会共同影响噪声、部分容积效应与边界可见性。项目可以设置主要协议和允许的多样性范围,但应同时记录实际分布,避免将某一厂商或某一排数设备的占比当成模型泛化能力。AbdomenCT-1K 研究把多中心、多期相、多厂商和多疾病病例纳入基准,并指出在新中心、新扫描仪或未见疾病上,既有方法的表现会明显变得更难解释;该研究还强调边界相关指标不能完全由区域重叠指标替代3。这对上腹部多病灶项目的启示是:设备一致性可以帮助起步,但不能用单一设备覆盖掩盖域偏移。

数据纳排也要从“早筛目标”与“代表性”之间作出可解释的取舍。严重运动伪影、金属伪影、解剖范围不足、关键序列缺失、治疗后改变或晚期广泛转移,可能不适合作为某一早期识别任务的训练样本;但如果全部排除,模型又可能无法面对真实世界的困难输入。更稳妥的做法是把“训练主队列”“困难质量队列”和“不可纳入队列”分开记录,而不是删除后只留下一个漂亮的阳性比例。每个类别还应记录年龄、性别、病灶大小、单发或多发、是否有病理依据、设备与机构来源等分布,避免把病例数量误当作覆盖充分。

去标识化也不是只删除姓名和编号。DICOM PS3.15 的当前官方说明强调,属性机密性配置不能保证整个信息对象已经去标识化,去标识化仍需结合共享场景、接收方、法规和再识别风险评估4。它还提醒,像素中烧录的文字、图形或 overlay 可能泄露身份,多个实例的 UID 与引用关系需要保持一致地替换或保护,文件头和私有属性也可能含有风险。因此,项目验收应至少包括 Tag 检查、私有字段检查、像素与图形检查、跨序列 UID 一致性检查和抽样人工复核。年龄、性别和必要的临床参数可以保留,但应说明保留理由、精度和潜在组合识别风险。

三、平扫标注与增强参考必须进入同一证据模型

在平扫 CT 上逐层标注病灶,表面上是一个二维操作,实际上输出的是三维对象。标注指南应明确:同一病例的所有目标异常是否都要纳入;同一层面的多个灶是否分别编号;病灶在连续层面上的起止规则是什么;边界模糊、贴近器官包膜、与血管或邻近组织相接时如何处理;内部囊变、坏死、出血、钙化是否属于整体病灶,还是单独建立子标签。若这些规则只存在于专家口头经验中,后续的模型损失、标注一致性和验收争议都会失去共同参照。

增强 CT 的作用需要写进标注协议。它可以帮助观察强化差异、识别边界或辅助判断病灶类型,但不应把增强期相中“看起来像某种病变”的印象直接升级为病理真值。对于有报告或病理的病例,报告是影像学证据,病理是另一层证据;两者若不一致,应保留冲突状态和来源,而不是用一个人工决定的标签覆盖。2025 年的多期相肝癌数据研究把病灶标注建立在多期同步阅片之上,同时承认肿瘤边界仍存在主观性,因此采用两名医生独立标注与差异协调1。这类流程可以作为方法学参考,但不代表任何项目已经拥有相同的队列、专家或临床结果。

还要警惕类别数量和类别名称在需求文件中前后不一致。多病种项目一旦出现“九类”“十一类”或病灶名称与部位表不一致,不能由标注团队自行猜测。应在试标前建立唯一标签字典,给出编码、中文名、英文名、所属解剖层级、允许的证据来源、是否参与训练和缺失编码。对于淋巴结或多发病灶,还要决定是按病灶实例交付,还是只输出病例级阳性标签。标签字典一旦变更,相关样本、模型分区、统计口径和历史验收都要重新关联。

临床专家的角色也不应只写“专家审核”。初标者需要接受指南培训并通过试标;独立复标或盲审者不能直接看到第一位标注者的边界;资深影像专家负责处理难例、证据冲突和规则解释;项目负责人负责把争议转化为指南版本。KiTS19 研究表明,三维肾脏及肿瘤标注需要大量人工工作,研究团队在部分病例上重复标注以估计观察者差异,并承认边界噪声与个别整块结构误标不可完全避免5。因此,一致性统计应与任务风险和类别分布一起解读,不能把某个 Kappa 或“准确率”门槛当成跨项目普适真理。

四、算法路线应围绕数据难点逐步建立,而不是先承诺模型效果

完成数据冻结后,可以先建立一个可复现的三维分割基线。nnU-Net 的方法论文显示,预处理、网络配置、训练和后处理可以根据新任务的数据属性自动配置,并在多个公开生物医学分割数据集上形成具有竞争力的基线6。这类框架的价值在于提供统一起点,而不是保证任何上腹部病灶类别都能获得相同效果。小病灶比例、类别长尾、不同期相、设备差异和边界不确定性,都会让“直接套模型”变得不可靠。

对多病灶上腹部任务,可考虑分层路线。第一阶段用器官或粗区域定位缩小搜索范围,减少全腹部背景对小病灶的干扰;第二阶段在器官内完成多类病灶分割,必要时把病灶类别与存在性拆成多任务输出;第三阶段以病例级规则检查结果是否出现孤立层、异常跳变、越界或互相矛盾的标签。对于多期相数据,要决定是将期相作为多通道输入、先做配准后融合,还是仅在人工标注中作为参考。若不同期相存在呼吸、体位或扫描范围差异,未经验证的强行配准可能制造伪边界,宁可保留无法直接对应状态。

损失函数和采样策略也应服从数据分布。小病灶、少数类别和边界薄层可能被总体像素数量淹没,训练中可以采用类别重加权、难例采样、边界辅助损失或两阶段采样,但每一种做法都要在独立验证集上评估其副作用。不能用训练集的局部可视化替代跨机构验证,也不能因为某个模型在相似数据上取得较高 Dice,就把结果写成真实临床检出率。MSWAL 研究将多种腹部病灶纳入三维多类分割,并开展了跨公开数据集的迁移实验;其审稿讨论同时指出长尾类别、域偏移、边界量化和统计不确定性仍需要更严谨的评估7。这类证据支持“扩大标签覆盖、设计外部验证”的方向,但不等于任何新项目可以直接复制其性能数字。

算法开发还应记录预处理。包括重采样是否改变各向异性、窗宽窗位是否只用于显示还是改变训练输入、强度裁剪的区间、裁剪区域、数据增强、随机种子、模型版本和后处理规则。若把增强 CT 作为参考图像,训练代码中应明确它是否可见;若报告或病理字段参与样本筛选,则要防止标签泄漏。所有预处理应形成可执行配置和版本,而非只在工程师的脚本里存在。

五、把质量验收从“抽几例看起来不错”改成分层证据

验收至少分为文件层、病例层、标签层和研究层。文件层检查是否可读、目录和主键是否完整、DICOM 与 mask 是否一一对应、方向与体素尺寸是否一致、标签编码是否映射正确。病例层检查目标类型是否在预定分布、平扫与增强是否正确关联、同一患者的重复检查是否被错误拆分、报告或病理字段是否保留来源。标签层检查逐层连续性、起止层、同层多灶、边界越界、漏标、错类和不确定状态。研究层则检查患者级训练、验证、测试拆分、外部来源隔离、评价脚本和质量报告能否复现。

对于分割结果,Dice 或其他区域重叠指标可以保留,但不应独占验收。小病灶的区域指标可能因少量边界像素而波动,大片器官的高分也可能掩盖局部漏标。可以同时报告类别级和病例级 Dice、敏感性、阳性预测值、表面距离或归一化表面 Dice,并按病灶大小、设备、期相和难例类型分层。指标的分母、空标签病例如何处理、多个病灶如何聚合、置信区间如何计算,都要在试标后写入验收附录。需求中若出现“标注精度不低于某个百分比”或“Kappa 不低于某个数值”,应先追问这个数值究竟对应像素、病灶、病例还是专家间一致性,再决定是否可执行。

测试集必须在模型开发前冻结,且平扫、增强、报告和同一病例的所有序列处于同一分区。CLAIM 2024 更新版要求研究者说明数据来源、纳排标准、去标识化、采集协议、参考标准、标注者资格、观察者差异、数据划分层级、内部测试和外部测试8。这套报告框架虽不是采购合同的强制标准,却适合转译为项目验收清单。尤其要坚持患者级而不是切片级拆分;否则同一个人的相邻层面或配对期相可能同时出现在训练与测试中,所得指标会被信息泄漏抬高。

外部测试(项目文件有时称外部验证)不应被写成一个抽象口号。可以按机构、设备厂商、扫描协议、年龄性别分布、病变大小、单发或多发和报告来源分层,比较内部与外部的标签分布和模型误差。KiTS19 虽来自单一学术医疗体系,但影像覆盖多个转诊机构和不同采集协议,作者仍指出前瞻性、多机构测试集更有助于外部有效性判断5。AbdomenCT-1K 也通过新的中心、扫描仪和困难病例设置说明,接近训练分布的测试并不能代表临床环境3。对数据采购者而言,这意味着“设备多样性”必须落实为独立保留的测试来源,而不是在训练集中把不同型号混在一起就宣称泛化。

上腹部 CT 多病灶分割从标签定义、患者级拆分、内部测试到外部验证的质量闭环示意。查看完整技术图(可放大)

图 2|上腹部 CT 多病灶分割质量与外部验证技术示意;不含真实患者或样本,不表示已完成实验、临床效果或监管结论。

六、把技术规格转成项目可执行的交付逻辑

对采购方而言,最有价值的不是再增加一句“高质量交付”,而是把每个要求写成输入、过程、输出和验收证据。例如,“完成病灶标注”可以拆成标注指南版本、试标样本、初标记录、独立复核记录、争议清单、修订版本和导出校验;“完成数据脱敏”可以拆成 DICOM 属性规则、像素检查、UID 处理、抽样复核和安全事件处置;“完成外部验证”则要说明验证数据是否未参与模型开发、分层字段是否完整、评价脚本是否冻结。这样既方便供应商报价和排期,也减少验收时对“完成”的不同理解。

合理的业务路径通常包括小规模试标、规则冻结、分批交付和问题回修。试标阶段应主动暴露类别混淆、配对失败、边界争议、缺失报告、文件转换和专家工作量,而不是只选择最容易的样本做演示。每一批次交付应带有数据清单、标签字典、版本号、空间校验结果、抽样方案和已知限制;发现问题后保留原版本、修正版和变更原因。若任务范围、类别字典或纳排标准发生变化,应重新评估已经完成的批次是否仍可用于训练和验证。

在已核验的公司能力边界内,朗慧定位为 AI 数据基础设施与流程服务商,LangData 覆盖采集、处理、标注、质检和数据交付等环节。围绕上腹部 CT 项目,这类能力可以用于协助梳理任务字段、组织样例评估、承载标注与复核流程、生成质量记录和版本化交付说明。但具体病种覆盖、专家资格、授权范围、样本规模、部署方式和交付周期,都必须以项目书面确认、数据授权及适用法规为准;官网能力描述不等同于某个具体数据集的现货证明,也不等同于已完成临床验证。

最终,医学影像数据的研发价值来自可解释的限制,而不只是更大的病例数。上腹部多病灶项目应让研究者知道每个 mask 依据哪一套影像、由谁按哪一版规则完成、遇到何种争议、是否与报告或病理一致,以及模型在什么新的机构和设备上被检验过。这样的数据集才有可能支持分割、检测、报告结构化或后续多模态研究;它仍然不能替代医生对具体患者的诊断,也不能把研究标签直接表述为筛查结论、分期、疗效或监管批准。

研究与应用边界

本文讨论的是经授权的上腹部 CT 医学影像数据建设、像素级病灶标注和研究验收方法,不构成任何个体的诊断、筛查、分期、风险预测、治疗建议或疗效承诺。文中图示为原创技术关系示意,不含真实患者、医院标识或实验性能曲线。实际数据处理、共享、模型训练和临床使用,应以伦理审查、数据授权、去标识化、隐私保护、信息安全、项目协议和适用法律法规为准。任何临床判断均应由具备资质的医务人员结合完整病史、原始影像、病理及其他必要资料作出。

参考来源

  1. Comprehensive multi-phase 3D contrast-enhanced CT imaging for primary liver cancer
  2. DICOM PS3.1 2026d - Introduction and Overview
  3. AbdomenCT-1K: Is Abdominal Organ Segmentation a Solved Problem?
  4. DICOM PS3.15 2026d - Security and System Management Profiles
  5. The state of the art in kidney and kidney tumor segmentation in contrast-enhanced CT imaging: results of the KiTS19 challenge
  6. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
  7. MSWAL: 3D Multi-class Segmentation of Whole Abdominal Lesions Dataset
  8. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update