跳至正文
朗慧科技

MEDICAL DATA RESEARCH

犬猫 CT 骨骼分割如何从“能画出来”走向可复核交付?

面向医疗 AI 研发和动物影像数据采购,拆解犬猫 CT 骨骼分割的区域与逐骨标签、髓腔椎管、骨折和内固定对象,并说明专家复核、动物级划分、空间对齐与 STL 回读验收的边界。

兽医与动物影像AI辅助整理 · 研发交流

当一套犬猫 CT 数据要用于骨折复位、关节重建、假体规划或三维模型开发时,真正困难的并不是把骨头从灰度背景中抠出来,而是回答一个更具体的问题:每个掩膜究竟代表哪一个可独立使用的解剖对象,它是否仍与原始体数据处在同一坐标系,遇到骨折、退变和金属内固定时,标注是否能被另一名专业人员复核并在下游软件中重现?如果这些问题没有在任务书里先被定义,算法得到的“骨骼分割”很可能只适合展示,不能直接支撑研究或规划。本文讨论的是数据工程与科研交付方法,不是诊疗指南;真实项目仍需按授权、项目规范和具备相应兽医影像经验的人员确认。

先把任务从“全骨骼”拆成可验收对象

犬猫 CT 骨骼项目通常同时包含三类目标。第一类是解剖结构本身,包括头骨、左右半下颌、脊柱、骨盆、长骨和腕跗骨等;第二类是与临床问题有关的特殊对象,包括骨折碎片、骨刺、退行性改变以及钢板、螺钉等内固定;第三类是为下游几何应用服务的内部结构,例如长骨皮质骨与髓腔、沿脊柱追踪的椎管。三者的边界、难度和验收方式不同,不能用一个“骨骼”标签或一个总分概括。

因此,需求拆解的第一步不是选择模型,而是建立标签字典。若研究只需要按身体区域进行三维可视化,脊柱或足部可以作为合并区域;若任务要把每一块骨独立旋转、测量或导出,则椎体、指趾骨、腕跗骨、掌跖骨、左右骨盆半侧和左右半下颌必须成为不同实例。骨折片不能因为与主骨相邻就自动并入主骨,内固定也要作为独立对象或按项目约定的组合对象保存。标签字典还要写清“未评估”“不可判读”“存在但边界不确定”和“未见目标对象”等状态,避免空掩膜被误读为阴性。

这里至少要区分两种粒度。区域级方案更适合先做样例回读和总体结构核验,实例级方案则面向精细的骨科几何任务。二者不是谁更先进,而是下游问题不同。若把区域级结果包装成逐骨交付,模型指标即使看起来不错,最终也会在骨折片分离、关节面边界或 STL 文件拆分时暴露问题。反过来,如果研究只需要快速建立粗粒度的骨性参照,直接要求所有小骨逐一分割,会显著增加标注和复核负担,却未必带来同等研究收益。

犬和猫不能简单视为同一套标签的两个取值。DICOM 兽医工作组明确将物种、品种、绝育状态、定位、部位等信息纳入兽医影像的描述范围1。这些字段应当在入库时从影像对象和配套记录中核对,并与内部项目编号分离。物种、品种、体型、年龄阶段、体位和扫描协议会影响骨骼比例、边界表现和正常变异;缺失或矛盾的物种、左右侧、方向和体素间距信息,应进入待确认队列,而不是由系统凭文件名或常识静默修正。

犬猫的形态差异也不能只用“犬较大、猫较小”概括。近期一项基于 CT 三维模型的犬猫髌骨形态研究显示,犬的个体形态变异更宽,猫犬之间存在可区分的形状差异,且尺寸与形态变化有关4。这类结果并不直接给出某个分割模型的通过阈值,却提醒数据设计者:训练、验证和误差分析至少要记录物种、体型或体重区间、品种/混种状态以及关键部位,不能把不同解剖分布混在一个平均值后面。

犬猫CT骨骼分割的标签粒度与交付关系示意查看完整技术图(可放大)

图1 技术示意:区域级、实例级与内部结构标签如何连接到体素掩膜和三维网格;不表示真实动物影像、已完成实验或临床诊断。

输入治理决定后续几何是否可信

CT 分割的输入不是一堆无序切片,而是带有采集、方向和物理尺度的体数据。入库时应同时保存原始 DICOM、研究/序列关系、体素间距、切片位置和方向余弦等信息,并对层厚、层间距、重建核、金属伪影、运动伪影、造影期和缺失切片做结构化记录。层厚与层间距不是同一个概念;不等距序列也不能在没有记录的情况下直接当作等距体积做体积或表面计算。

数据多样性要围绕任务而不是数字堆叠。不同 CT 厂商、型号、重建核和体型可以帮助模型识别真实分布,但前提是每个序列的协议字段可追溯,且异常序列有明确的排除或降级规则。软件能打开文件,只说明文件可被读取,不说明方向、坐标和标注任务已经适用。对缺少体素间距、左右侧冲突、方向无法确认或金属伪影严重的样本,最好设置阻断状态;必要时保留原始字段、人工修正值和修正理由,防止“修正后只剩一个答案”。

骨窗与软组织窗的作用也应分开理解。骨窗便于观察皮质连续性、骨折线和小骨骼,但窗宽窗位本身不能创造物理尺度,不能替代 DICOM 几何信息。下游要进行三维建模时,掩膜必须携带从体素索引到物理坐标的变换;任何重采样都要记录目标间距、插值方式和版本。对于研究数据,原始体数据不应被为了标注方便而覆盖,派生体数据要能回指原始序列和处理步骤。

已有兽医三维重建研究提供了一个可借鉴的工作结构:先在多平面视图中确认骨性结构,再用阈值或交互方法生成草稿,之后逐层检查解剖完整性,并把 STL 与原始扫描叠加核对2。其中的“逐层检查”不能被理解为只看几张漂亮的三维截图。对于关节面、椎管、骨折碎片和内固定附近的细小结构,应抽取轴位、矢状位和冠状位的连续切片进行定向复核,确认边界在相邻层面没有突然断裂或跨越到相邻对象。

金属内固定是另一个容易被忽略的误差源。钢板和螺钉可能造成条纹、缺失和局部高密度伪影,金属伪影抑制算法也可能产生新的边界变化。一项 2025 年犬科骨科三维打印病例系列指出,分割后需要把轮廓与原始 CT 叠加验证,并提醒金属伪影和较厚层厚会限制三维模型的细节2。这是对验收设计的启示,不是本项目的性能证据。因此,内固定病例的验收不能只看骨骼 Dice,还要把植入物是否被错并入骨面、骨折片是否被抹平、关节边缘是否出现人为缺口列为专门的错误类型。

算法路线:粗到细、结构与实例并行

对于覆盖多部位、多物种和多厂商的犬猫 CT,较稳妥的研发路线通常是“定位—语义分割—实例拆分—几何修订”四步,而不是让一个黑盒直接输出所有 STL。第一阶段可用低成本的身体区域和骨性结构定位,识别头部、胸腹、脊柱、骨盆和四肢,并检查序列是否覆盖目标部位;第二阶段建立多类语义分割,区分骨性结构、软组织背景以及项目需要的特殊类别;第三阶段针对每块骨、骨折片、椎管和左右结构做实例分离;第四阶段将体素标签转为表面网格,并执行连通性、水密性、尺寸和坐标回读检查。

模型可以采用适应三维体数据的编码器—解码器或 nnU-Net 类基线,再根据样本量、显存、层间距和任务复杂度选择二维、低分辨率三维、全分辨率三维或级联结构。犬肝 CT 病灶研究展示了这种任务依赖的选择逻辑:研究者将 2D、低分辨率 3D、全分辨率 3D 和级联模型分开评估,并设置独立测试集;其数据还来自多个 CT 设备,说明协议变化应被写入验证设计,而不是被平均掉5。这类研究结果不能直接转移到犬猫骨骼,但可作为设计动物级划分、设备分层和独立测试的参考。

实例拆分尤其需要结构先验。脊柱可以先做椎体序列定位,再用相邻关系、中心线和形态约束帮助区分椎体;左右下颌和骨盆半侧要用侧别与连通性共同检查;足部小骨则要考虑空间接触和部分容积效应。长骨的皮质骨与髓腔不能只靠一个全局阈值切开,需要结合局部强度、拓扑连续性和人工复核。椎管是沿整条脊柱的连续对象,不能因为局部骨性结构接近就被并入皮质或松质骨。

骨折片和退行性改变应被视为高风险子任务,而不是训练集里的普通噪声。模型输出可先作为草稿,随后由兽医影像或相关骨科专业人员检查骨折片数量、相邻关系、关节面连续性和骨刺边界。对无法可靠判断的边界,应允许“需复核”或“不可判读”状态,避免为了追求连通组件完整而把真实碎片强行合并。模型若用于生产,只能在目标物种、部位、协议和标签版本的适用性门禁通过后进入草稿环节;超出范围的序列应退回人工或隔离试验。

X 光在此项目中要与 CT 分开设计。X 光可用于病例报告、骨折背景和某些二维任务,但它没有 CT 的层间连续性,也不能直接承载同样的三维实例标签。若 X 光病例进入交付,报告应作为独立的参考证据对象,并预先规定报告来源、原始语言、字段、出具或审核资质及其与检查的关联;CT 报告在可得时附带,但不能替代体素级标注。应把“报告中的影像所见”与“CT 逐体素分割”作为不同证据对象,不能因为一例数据同时有 X 光和 CT,就把二维报告自动当作三维金标准。

专家标注不是模型的附属步骤

标签规范应由熟悉犬猫影像和目标骨科任务的专业人员共同制定,至少包括标签清单、边界规则、骨折与内固定的处理方式、髓腔和椎管定义、左右侧规则、异常或不可判读编码、返工条件以及导出命名。初标者可以按物种和任务接受培训,但独立复核者不能只承担“看一眼”的形式职责。复核要能看到原图、多平面重建、标签版本和变更记录,且不应默认看到初标者的全部决定。

对于高风险结构,推荐把初标、独立复核、争议仲裁和终稿批准设为不同状态。抽样的重复标注可以用于发现哪些部位最易产生分歧,但不能把某一批样本的观察者一致性直接宣称为模型性能。分歧记录应保留原始轮廓、争议部位、采用的规则、仲裁意见和规范版本;如果标签字典发生改变,未完成任务应回到待确认,已批准的版本不能被静默改写。

在人员与权限上,物种适配比“专家”这一笼统称谓更重要。负责犬科任务的人员不一定可以直接批准猫科标签,负责骨折的人员也不一定熟悉假体规划所需的髓腔或关节面边界。公开材料可以说明职责矩阵与审核机制,但不应公开未获授权的姓名、机构、病例或个人资质信息。数据中也不需要保留畜主身份信息;外部病例号、芯片号等带来源标识应与研究内部 ID 分离,并按授权决定是否进入交付包。

标注质量要同时看“画得像不像”和“能不能用于下游”。体素层面可按类别计算 Dice、IoU、敏感度和表面距离;实例层面要增加漏分、错分、合并、断裂、侧别错误和小对象召回;网格层面要检查 STL 是否水密、是否有非流形边、是否保持尺寸和方向;应用层面还要检查在约定软件中打开后,标签、坐标和原图能否对应。医学图像分割评价指南强调,类别不平衡、区域大小、多类别宏平均和单一高分都可能造成误导,建议同时报告适合任务的重叠指标、距离指标、样本分布和可视化结果6。

所以,“达到某个 Dice”最多是一个预先约定的筛查门槛,不能替代关节面、骨折片或椎管的定向审查,也不能证明临床可用。小骨或细长结构即使体积重叠不低,边界偏差也可能影响旋转轴、螺钉路径或网格配准;相反,大骨的总体分数较好,也可能掩盖局部孔道被填平。验收阈值应按结构、病理状态、下游用途和允许返工范围分别定义,并明确哪些错误属于一票否决。

犬猫CT分割从样例到独立验收的质量闭环示意查看完整技术图(可放大)

图2 技术示意:从元数据门禁、专家标注到动物级划分和目标软件回读;不表示真实项目完成、模型性能或临床结果。

训练、验证与外部核验要按动物和序列隔离

最常见的数据泄漏不是模型结构问题,而是把同一只动物的重复扫描、相邻切片或派生重建拆进不同集合。训练、验证和测试应以动物或项目规定的实验单位为分组键,所有切片、增强、重采样和派生网格继承原始动物的分组。若一只动物在术前和术后均有影像,应按研究问题决定是否整体隔离;不能把术前放训练、术后放测试后,再把结果称为独立外部验证。

外部验证至少要有清晰的来源差异,例如不同机构、设备、重建协议、体型或品种结构,并在揭盲前冻结标签字典和评价指标。犬肝病灶分割研究的价值不在于把其指标搬到骨骼任务,而在于它明确区分训练/交叉验证和独立测试,同时面对多设备数据与人工分割成本5。对犬猫骨骼,更应建立“按动物分组—按中心或设备分层—独立测试冻结”的记录链,并把失败样本单独留存,防止只发布易分割病例。

如果数据从区域级方案逐步升级到实例级方案,验证集也应随标签版本升级。老版本只有“脊柱整体”,不能拿来证明新版本“每节椎体与椎管独立”的准确性;同理,先前没有髓腔和内固定标签的样本不能被默认为这些对象的阴性对照。版本升级应记录新增类别、重标范围、旧指标是否作废以及新的参考集如何建立。

交付和验收:让文件在目标工具里回读

对需要继续训练或进行三维规划的项目,交付物应至少分成四层。第一层是保持原始序列关系和空间信息的影像与元数据;第二层是与原始体数据对齐、带标签字典和版本号的多类掩膜,可采用项目约定的 NRRD、NIfTI 或其他可回读格式;第三层是按区域或单块骨导出的 STL 等表面网格;第四层是审核、版本、异常、校验和与已知限制清单。格式名称不能替代验收,真正要验证的是体素坐标、网格尺寸、侧别、标签编码和软件打开结果是否一致。默认交付是数字分割文件与可回读网格,不等同于实物打印;如需打印或手术导板,应另行确认材料、设计和监管边界。

小批验收可以设计成一组有意暴露风险的样例:一例完整且方向正常的 CT、一例缺少间距或方向矛盾的 CT、一例带骨折碎片的 CT、一例含内固定的 CT,以及一例需要回到犬猫物种和体型分层的边界样本。买方或研究方指定的、不负责初标的人在目标软件中打开批准版本,点到具体层面和具体标签,对照原图检查连续性与位置。打不开、左右侧被猜中、草稿混入终稿、STL 与体素掩膜不一致或缺少缺陷记录,都应阻止进入放量。

导出还应设置“只允许批准版本”的门禁。模型草稿、人工修订中间版和被退回版本可以留在审计库,但不能混在正式训练包或规划包中。每一份正式文件应能回指输入序列、标签字典、标注/复核状态和导出时间;批准后修改应产生新版本,而不是覆盖上一次随访可引用的结果。校验和用于确认文件在传输或复制后未被替换,不能替代医学质量审查。

业务上更可实施的做法是先用少量、能暴露边界的真实授权样例确认任务,再决定采用区域级还是实例级路线。高精度关节面、髓腔、椎管、骨折片和植入物可以放在专项工作包中,与普通骨骼区域分开定义;后续批次按已冻结的标签与质量规则扩展。标注、独立审核、返工、平台使用、部署或数据接口也应在项目文件中分别描述,避免把“有平台”误读为“已拥有适配犬猫所有部位的现货模型”。

从公司的能力边界看,朗慧公开定位是面向研发团队的 AI 数据基础设施及流程服务,LangData 覆盖采集、处理、标注、质检和数据交付。对犬猫 CT 这类任务,更稳妥的沟通方式是按物种、模态、部位、标签粒度和样例验收逐项评估,必要时先做小批闭环;既有的人体模型目录、通用分割方法和平台流程不能自动证明动物骨骼任务已经完成,也不能代替兽医专业复核。实际授权范围、交付格式、部署边界和阈值仍应以项目书面确认和验收记录为准。

研究价值来自可复用的结构化证据

犬猫 CT 骨骼分割的研发价值,不只在于生成一批漂亮的三维模型。它可以把跨物种、跨体型和跨设备的骨性结构变异转成可查询标签,把骨折、内固定和退变等复杂情况作为单独的误差层,把每次修订和争议保存在版本中,并让下游算法知道某个掩膜是否经过专家批准。对于手术规划或假体设计,几何回读比宣传中的平均分更接近真实风险;对于训练集建设,动物级隔离和明确的不可判读状态比单纯扩大切片数更有复现价值。

公开兽医三维建模研究显示,CT 分割可以进入术前规划、模型制作和教育,但案例系列规模有限,不能直接推导普遍临床效果;2026 年的技术演示也把骨折区域、阈值分割、三维可视化和读者评估分成不同步骤2。这正是数据项目应保留的边界:研究论文说明哪些方法可探索,需求规范说明哪些对象必须交付,专家审核说明哪些结果可以被采用,独立测试和目标软件回读则说明这条链路在当前项目里是否成立。

当“全骨骼”被拆成可解释的标签、可追溯的版本和可执行的验收项,犬猫 CT 分割才从一次性外包的图像处理,转变为能够支持算法训练、三维规划和后续研究的结构化数据工程。它不承诺每个物种、部位和病理都能被同一模型解决,却能让下一次模型迭代知道从哪里开始、在哪些边界停下,以及什么样的证据才足以进入正式交付。

参考来源

  1. WG-25: Veterinary Medicine
  2. Orthopedic applications of 3D printing in canine veterinary medicine
  3. Practical 3D Reconstruction and 3D Printing of Veterinary CT Scans in Small Animals: A Technical Demonstration with Reader-Based Validation in Canine Cranial Trauma
  4. Patellar shape variation in cats and dogs: implications for orthopedic surgical planning
  5. Automated AI-based segmentation of canine hepatic focal lesions from CT images
  6. Towards a guideline for evaluation metrics in medical image segmentation