MEDICAL DATA RESEARCH
上腹部平扫 CT 早期异常研究数据建设:从多病种像素级标签到可审计验收
围绕上腹部平扫CT多病种异常研究,拆解平扫主输入、增强CT参考配对、11类病灶逐层分割、脱敏治理、专家复核、患者级划分与独立验证,帮助医疗AI团队把技术需求转成可核对的数据交付。
先回答一个具体问题:模型要在平扫上找什么,标签又凭什么成立?
如果研究目标是让算法在上腹部平扫 CT 上识别早期异常,真正的难题并不是把一批 DICOM 文件交给标注员,而是同时回答三个问题:平扫能观察到的目标是什么,哪些信息只能作为参考证据,最后交付的像素标签如何被另一位专家和训练管线复核。一个把肝脏、胆囊、胰腺、脾脏、肾上腺、肾脏和腹腔淋巴结放在同一任务里的项目,尤其容易把“影像看起来像”“报告写过”“病理证实过”和“已经画成掩码”混成一个标签。
这类需求更适合被定义为“上腹部平扫 CT 多病种异常分割与结构化证据建设”,而不是泛泛的腹部影像数据集。主输入是经过授权和去标识化的上腹部平扫 CT;可配对的增强 CT、影像科报告和病理报告是标注、核对或标签来源的一部分,不能自动变成模型上线时的输入。公开数据建设也显示,多期 CT 的价值来自期相、空间属性、配准和标签来源被同时保留,而不是把不同扫描简单堆叠在一个文件夹里。1
图1 上腹部平扫 CT 多病种数据链路技术示意。图中不含真实患者影像、实验结果或临床诊断,增强序列只在项目约定的证据与核对环节中出现。
一、把原始需求拆成可以验收的任务单元
1. 临床任务、模态与解剖范围
需求的临床研究目标是支持上腹部异常的早期筛查研究,首先在平扫 CT 上完成病灶区域的像素级分割,并把不同异常类型编码为不同类别。它不是对个人作出筛查结论,也不是把模型输出直接用于分期或治疗。解剖范围要覆盖上腹部主要器官,至少让肝脏、胆囊、胰腺、脾脏、肾上腺和肾脏在任务所需时完整可见;涉及肾脏相关目标时,不能用只覆盖部分肾脏的序列替代完整范围。腹腔淋巴结等目标还需要明确其与邻近器官和血管的边界,避免把“所在器官”误当成“病灶区域”。
源技术附件给出的异常类别包括肝癌、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、淋巴瘤和淋巴结反应性增生。公开稿可以保留这些类别作为任务定义,但不应保留任何具体病例、来源机构、合同数量或交易信息。更重要的是,类别名称需要在指南中写出纳入、排除和不确定状态。例如“淋巴瘤”是某器官内病变、腹腔淋巴结病变,还是报告中的疾病诊断,必须在字段设计中分开,否则同名标签会在训练和验收阶段产生不同含义。
2. 输入、配对与颗粒度
影像输入以原始 DICOM 为主,保留检查、序列、空间方向、层面位置、像素间距、层厚、重建核和必要的扫描参数。轴位、冠状位和矢状位不能被当成三个相互独立的病例;它们应通过检查或序列级主键关联,必要时由原始空间信息重建多平面视图。数据交付可以另行提供研究用的体素标签文件,但必须明确转换是否改变方向、体素间距或强度语义。
增强 CT 的角色要单独写进方案。对平扫上边界或类型不清的病灶,配对增强序列可作为专家核对和标签证据;同一受试者的平扫与增强检查应有可追踪的检查级关联和预先规定的时间窗口。配准、呼吸差异、扫描范围差异和缺失序列都要记录,不能把增强图像配准后生成的轮廓未经复核地投回平扫。多期肝脏 CT 数据研究把非增强、动脉、门静脉和延迟期作为完整序列保存,并在 DICOM 转换、空间信息保留、配准和病灶标注之间建立处理链,这为配对影像的工程设计提供了可借鉴的范式,但其单器官、特定病例和特定协议不应被外推为本项目效果。1
本任务的标注颗粒度至少包括四层:检查级的模态、设备和协议;序列级的期相、层面和空间字段;病灶级的唯一对象编号、类别和证据来源;像素或体素级的连续掩码。还应保留“没有该对象”“真实缺失”“不适用”“无法判断”和“待复议”等不同状态。把所有非阳性情况合并成背景,会让模型无法区分阴性对照、数据缺失和证据不足。
3. 纵向关系与数据划分
源需求的配对重点是同一受试者的平扫与增强参考,并不等同于长期随访队列。项目不能因为同一患者拥有多次检查,就把它们随机拆进训练、验证和测试集。划分单位应优先是受试者,再在受试者内部保留检查和序列关联;同一受试者的配对影像必须进入同一划分。否则,模型可能通过设备、重建方式、解剖外观或重复病灶获得不当提示,导致内部指标看似稳定而外部使用失真。
公开腹部 CT 数据集研究反复提示,单中心、单设备、病例选择、标注方式和数据重复使用都会影响推广解释。AMOS 以多中心、多厂商、多模态、多期相和多病种设计建立器官分割基准,强调多样性本身是评估稳健性的条件,而不是一个可用样本数量替代的宣传词。2 WORD 则通过一名资深肿瘤科标注者逐层勾画、另一名更资深专家检查和讨论,提供共识标签并使用外部卷进行泛化评估;这说明标注主体、复核层级和外部测试应在数据说明中被明确记录。3
二、数据设计:把“可用影像”与“可解释数据”区分开
1. 采集准入不能只看文件是否能打开
DICOM 文件能被软件打开,不代表它适合这一研究任务。准入检查应先确认矩阵、层厚、方向、层面顺序、重建核、扫描范围、设备和序列关联,再判断器官是否完整可见。薄层序列通常更有利于连续病灶轮廓和小目标核查,但允许的层厚范围、主序列比例和设备构成必须根据任务与样本分布书面冻结。不同层厚、不同厂商和不同重建条件可以作为多样性来源,却不能在训练后才发现它们与标签类别高度绑定。
严重运动伪影、金属伪影、噪声或扫描范围不足,若已使目标边界无法合理判断,应进入不可标或退回状态,而不是为了完成数量强行画出轮廓。治疗后、手术后或晚期改变是否排除,也要与“早期筛查”研究目标对应起来:不是所有真实病例都适合做同一任务的阳性样本,排除理由和保留理由都应进入数据卡。项目可以保留一小部分困难样本用于鲁棒性测试,但不能把它们无说明地混入同一金标准。
2. 脱敏是影像质量的一部分
去除 DICOM 头部的姓名、身份证件号或电话号码并不等于完成去标识化。DICOM PS3.15 明确提醒,属性保密配置不能保证信息对象中的所有身份信息都被移除,去标识化还需要结合使用场景、接收对象、适用法规和再识别风险;烧录在像素中的文字、图形和叠加层需要单独处理。4 NCI 的 MIDI 项目也指出,PHI/PII 可能存在于像素数据、元数据和附带描述中,自动化去标识化即使表现良好,生产环境仍需要人工参与以获得充分信心。5
因此,验收清单应包含头部字段、私有字段、序列描述、像素烧录文字、叠加层、文件名、报告和病理附件的逐项核对。去标识化后的主键要支持配对影像和受试者级划分,但不能以明文保留可回溯身份的编码规则。报告和病理材料只保留完成标签所需的医学证据,来源、时间和证据层级应结构化记录,原始文书不应直接成为公开训练材料。
3. 多病种不等于平均分配标签
多个器官和病种同时出现时,类别分布、病灶大小、边界清晰度和伪影模式往往不均衡。即使项目在规划时希望每类覆盖相近数量,真实数据仍会受到转诊模式、病理确认条件、设备协议和病例严重程度影响。数据说明应报告每类的检查数、病灶数、单发与多发情况、尺寸分层、缺失证据和不可标比例,而不是只报告总量。
在模型侧,可以使用器官定位、病灶候选生成和类别分割的分阶段策略,减轻整幅上腹部体积中小病灶与大器官的尺度不平衡。训练时可按类别和病灶尺寸进行采样,采用适用于多类分割的组合损失,并用困难阴性和邻近结构构造对照。方法选型可以从经过验证的三维 U-Net 或 nnU-Net 类基线开始,再比较注意力、Transformer 或半监督策略;网络名称不是项目需求本身,必须服从输入协议、标签质量和算力条件。
三、算法路线:让增强 CT 帮助标注,但不要把答案泄漏给模型
一个可实施的研发路线可以分成四个阶段。第一阶段建立数据清单和空间一致性检查,自动发现缺层、重复序列、方向异常、像素间距不一致、文件名与检查主键不匹配等问题。第二阶段先做器官范围定位,再在目标器官及其邻域内进行多类病灶候选生成,以降低全腹部背景带来的假阳性。第三阶段在平扫主输入上完成多类别体素分割,并输出病灶对象编号、类别概率、边界不确定性和无法判断标记。第四阶段将报告或增强序列只作为研究性辅助任务,用于检查标签来源、训练多模态对照模型或分析平扫信息的缺失,不应在主模型评测时偷偷使用只有参考阶段才拥有的输入。
这种“主输入—参考证据”分层尤其关键。若训练时把增强 CT 直接输入融合模型,测试时却只提供平扫,模型性能不能解释为平扫能力;若用增强序列生成标签后不保留配准误差和专家修改,模型会继承参考影像中的偏差。可以设计三种可区分的实验:仅平扫的基础模型、平扫加项目允许的增强输入模型、以及用增强影像帮助标注但推理时不使用增强影像的模型。每种实验要独立冻结数据划分、预处理、标签版本和评价脚本。
输出不应只有一张彩色掩码。面向研发的交付至少包括类别映射、对象 ID、体素坐标或可复原的空间信息、检查级和病灶级元数据、证据来源、标注版本、审核状态以及已知限制。若任务要同时支持分割和分类,病灶类别字段应与掩码类别字段绑定,但不要把影像标注者对类型的判断写成病理真值。病理报告或临床报告可以作为不同证据层级保存;证据缺失时,应允许“未知”而不是通过语言推断填补。
四、专家标注:病灶边界、类型与证据要分三条线审核
源技术附件写明了像素级分割的范围,但没有把标注者资质、独立复核角色和仲裁规则完整固定下来。这不是可以忽略的空白,而是正式项目启动前必须补齐的验收条件。建议由具备相应腹部影像经验的医学影像专家制定指南并完成初标或仲裁;病理信息由有权解释该类证据的专业人员确认其来源和适用范围;数据工程人员负责格式、主键、版本和脱敏核查,不替代医学判断。任何角色都不应凭平扫图像自行生成超出任务范围的病理分级、分期或预后结论。
标注指南应先写“标什么”,再写“凭什么标”。对每一类异常,至少给出器官归属、病灶整体边界、多个病灶的对象 ID、起始层与结束层、同一层面多灶处理、与血管/胆囊壁/肾周脂肪等邻近结构的排除规则,以及平扫不能判断时可调用的参考证据。病灶内部的坏死、囊变、出血是否包含在整体掩码中,要与“病灶整体”还是“内部成分”两个标签层次对应,不能由标注人员临场决定。
专家流程可以采用独立初标、盲审、分歧复议和最终锁版。盲审的价值不是形式上增加一位审核人,而是让复核者在不受前一轮轮廓影响或至少知道影响范围的条件下重新检查关键区域。复核样本应对小病灶、多发病灶、边界贴近器官、伪影、报告与影像不一致、增强参考不可用等情况分层抽取。医学影像分割的一致性研究表明,不同指标对前景很小、病灶数量变化大和背景占比高的情形可能给出不同解释;项目应结合重叠度、边界距离、逐对象检出和专家复议,而不是把一个总体 Dice 当成标签可信度的全部证明。6
对于争议区域,建议同时保留初标、复标、仲裁结果和争议原因。未知、证据不足、无法区分和确定阴性应使用不同编码。争议不是必须被抹平的噪声:它可以反映平扫信息不足、病灶太小、相邻组织相似或配对参考不一致。将不确定性显式记录,既能帮助后续模型做置信度分析,也能让采购方在验收时区分规则不清、数据缺失和执行错误。
五、质量与验收:从文件完整性到外部验证分层设置门槛
1. 数据层验收
第一层检查数据是否可用:DICOM 是否可读取,检查与序列是否完整,轴/冠/矢视图是否能由同一空间信息复原,关键元数据是否存在,文件与主键是否一致,脱敏是否覆盖头部、私有字段和像素内容。第二层检查任务是否可标:目标器官是否在范围内,伪影是否超过规则,病灶是否存在必要的参考证据,报告和病理字段是否有来源、时间和缺失编码。第三层检查标签是否可复用:类别映射是否固定,掩码是否与原始体素对齐,所有符合规则的病灶是否逐层覆盖,版本号是否进入交付包。
验收不要只接受一个“合格率”。应建立可回溯的问题清单,分别统计文件失败、空间失败、脱敏失败、边界失败、漏标、多标、类别错配、证据缺失和导出失败。每个指标的抽样单位要预先写清是受试者、检查、序列、病灶还是切层,阈值由项目双方在试标后冻结。公开腹部 CT 数据集综述发现,公开数据存在病例复用、地域和人群代表性偏移,以及器械和协议异质性;因此,质量验收必须记录样本构成与限制,不能用单批内部通过率推断真实世界可用性。7
图2 上腹部 CT 多病种数据的错误链与验收闸门技术示意。图中指标为设计维度,不是本项目已完成实验或临床性能。
2. 标注层验收
分割任务应至少采用逐病灶检出、病灶级重叠度、像素/体素级 Dice 或 IoU、边界距离和切层连续性等互补口径。小病灶和多发病灶要单独分层,否则大体积病灶的高分可能掩盖小目标漏标。类别任务可以报告每类敏感性、精确率、混淆矩阵、校准和不确定性,但不要用分类准确率替代分割验收。专家复核还要查看起止层、中间层、器官边界和邻近结构,防止“轮廓看起来平滑”被误认为“解剖上正确”。
如果采用模型预标注,应把预标注视为草稿,记录模型版本、生成时间、修改比例、争议区域和人工最终状态。草稿在终审前不能进入训练金标准,也不能直接作为交付标签。外部研究中的共识标签和基准分数只能说明研究方法在其数据条件下的表现;它们不能替代本项目试标、盲审和独立测试,也不能被转换成服务方的统一准确率或临床效果。
3. 独立验证与偏差分析
内部随机测试只能回答“在同一数据生成机制下是否能复现”。更有价值的外部验证应按未参与训练的中心、设备、重建协议、人群构成和病种谱建立独立测试集,并在报告中说明阳性率、病灶尺寸、证据来源和缺失情况。验证时不能把配对增强 CT 或报告字段误带入只允许平扫的推理流程,也不能仅以混合总体分数掩盖某一类别或某一设备上的失效。
2026 年对公开腹部 CT 数据集的批判性综述指出,45 个数据集存在较高的病例复用和地域偏移,并强调多机构合作、标准化协议和更具代表性的人群构成对临床适用性的重要性。7 这并不意味着每个项目都必须追求同样规模,而是要求在数据卡中写清“模型在哪些条件下被测试过、哪些条件没有被测试”。研究性能应写成任务、样本、划分、基线和评价口径下的结果;临床性能还需要前瞻性流程、专业人员、工作流和适用场景验证,不能用一次离线实验替代。
六、把技术需求转成可执行的交付与业务逻辑
对于医疗 AI 研发团队,最小可用交付不是一块掩码,而是“数据清单、任务指南、标签映射、证据字段、质量报告、版本记录和可读取样例”的组合。算法团队需要知道体素方向、空间间距、阴性和未知如何编码;医学团队需要知道病灶类型的证据来自何处、哪些病例被排除、哪些边界经过仲裁;信息与合规团队需要知道去标识化方法、访问边界、日志、备份和退出时的数据处理方式。三套材料可以共享同一版本号,但不应被压缩成一页功能宣传。
从项目管理角度,可以把实施分为小样本试标、规则冻结、分批生产、独立抽检和版本交付。试标阶段先验证平扫主任务能否完成、增强参考能否稳定关联、11 类标签是否存在定义冲突、专家复核是否能处理边界争议,再决定是否扩大范围。任何新增病种、新模态、新验收指标或新证据字段,都应形成规范变更,而不是在既有批次中静默改名。变更后应重新评估训练/验证/测试划分和已交付标签的兼容性。
在已核验的公司能力边界内,朗慧被定位为 AI 数据基础设施及流程服务商,LangData 侧重采集、处理、标注、质检和数据交付;医疗栏目提供按部位、模态和任务组织的目录与样例评估入口,质量交付强调项目规格、数据卡、质量记录和版本管理。这些能力可以支持需求梳理、DICOM 数据处理、医学影像标注、复核和交付流程设计,但不等于已经拥有本任务的现货数据、专家配置、模型指标或临床验证。具体数据授权、标注主体、样例范围和验收阈值仍需项目书面确认。
业务上,这类需求的价值不在于把“早筛”包装成已完成的诊疗产品,而在于把研究问题翻译成可核对的数据资产:平扫是否真的能独立作为模型输入,增强序列是否只承担参考角色,报告/病理证据是否有来源,标签能否回到具体层面和版本,质量问题能否定位到批次和责任环节。对于模型研发者,这降低了数据泄漏和标签漂移风险;对于采购方,这让试标、抽检、返工和独立验证有了同一套语言;对于医学专家,这保留了不确定性和证据层级,而不是强迫每一个模糊区域成为确定结论。
结语:先把“可标、可复核、可解释”写清,再谈模型规模
上腹部平扫 CT 多病种任务的核心,不是拥有多少文件,也不是在一张图上叠加多少颜色,而是构建一条从数据准入、去标识化、空间组织、病灶语义、专家复核到独立验证的证据链。非增强 CT、增强参考、影像报告和病理证据必须各自处在清楚的层级;多病种标签必须区分对象、类别、边界和不确定状态;验收必须同时检查文件、空间、标签、划分和外部适用性。
这套设计仍然只支持研究数据和算法研发讨论,不构成对任何个人的诊断、筛查、分期、治疗或预后建议。模型在离线数据上的分割或分类指标不等同于临床效果,也不等同于监管批准。实际建设还需要依据授权、伦理审查、适用法律、数据安全要求和项目协议执行;只有在这些条件被逐项确认后,数据才可能从一次性交付物变成可复用、可审计的医学 AI 研究基础设施。
参考来源
- A multi-phase CT dataset for automated differential diagnosis of liver tumors
- AMOS: A Large-Scale Abdominal Multi-Organ Benchmark for Versatile Medical Image Segmentation
- WORD: A large scale dataset, benchmark and clinical applicable study for abdominal organ segmentation from CT image
- DICOM PS3.15: Attribute Confidentiality Profiles (Normative)
- Final Report: Medical Imaging De-Identification (MIDI) Project
- Assessing Inter-Annotator Agreement for Medical Image Segmentation
- State of abdominal CT datasets: A critical review of bias, clinical relevance, and real-world applicability

