MEDICAL DATA RESEARCH
上腹部早筛 CT 数据如何把平扫分割、增强配对与多病灶标签做成可验收闭环
面向医疗AI研发与数据采购团队,拆解上腹部平扫CT多病灶分割的采集、DICOM脱敏、增强CT参考配对、11类标签、专家盲审、患者级划分与外部验证,明确可验收交付边界。
上腹部异常早筛如果只收集一批“看起来像有病灶”的 CT,再让标注人员逐层勾画,真正的风险不在于少画了几个轮廓,而在于任务从一开始就没有被定义成可复现的研究对象:推理时到底只有平扫,还是偷偷使用了增强信息;同一患者的多次检查是否被拆到不同数据集;肝、胆囊、胰腺、脾脏、肾上腺、肾脏和腹腔淋巴结的标签能否在边界不清时保持同一口径;病理报告、影像报告和像素级掩码之间又由谁来负责对齐。一个面向算法研发的数据集,必须把这些问题写进采集、标注、质控和验收,而不能用一张总量表或单个分数代替。
本文围绕一项匿名化的上腹部 CT 数据需求,讨论如何将“平扫 CT 上的多病灶像素级分割”拆成可执行的数据设计。原需求的业务目标是支持上腹部异常早筛,公开改写时不保留采购数量、设备集中比例、内部项目名称及任何可识别的来源信息,只保留能独立成立的医学数据工程问题。文章不是诊断或治疗建议,也不把公开论文中的实验结果转写成某个平台或公司的临床性能承诺。
先把临床问题写成数据任务
这项需求的推理主模态是上腹部平扫 CT,采集范围应足以覆盖肝脏、胆囊、胰腺、脾脏、肾上腺和与任务有关的肾脏;如果研究对象涉及肾脏病变,肾脏不能只保留局部切片。输出不是“这份检查有没有癌症”的二元结论,而是逐体素的病灶掩码和病灶类别。一个检查中同一层面的多个灶、同一病灶跨越的所有层面以及同一患者存在的多个异常,都应按照指南处理,不能因为某一病灶较小、边界较淡或与其他标签相近就默认为阴性。
标签字典包含多器官、多病理和反应性改变,至少要能区分肝细胞癌、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、腹腔淋巴瘤以及淋巴结反应性增生。它们不能在训练前被粗略合并成“肿瘤”一个类别:肿瘤性病变、良性血管性病变和反应性淋巴结对影像特征、边界可见性与参考证据的要求并不相同。标签编号只是机器可读的编码,不能替代标签名称、解剖范围、纳入与排除示例以及变更记录。 若项目沿用源需求的机器编码,可在冻结字典中明确记录 1=肝癌、2=肝脏血管瘤、3=胆囊癌、4=胰腺癌、5=胰腺囊腺瘤、6=脾脏血管瘤、7=脾脏淋巴瘤、8=肾上腺癌、9=肾癌、10=腹腔淋巴结区域淋巴瘤、11=淋巴结反应性增生;这只是项目标签示例,不是脱离证据的临床分类标准,交付时仍需同时保存标签名称、部位、证据来源和指南版本。
研究对象至少有四个层级。患者层级用于防止同一人的平扫、增强或随访检查跨集合泄漏;检查层级记录一次 CT 的采集和临床背景;序列层级记录平扫与可能的增强序列及其时间关系;病灶层级记录类别、位置、大小范围、是否多发和边界不确定性。像素或体素层级保存掩码及方向、层间距、原点等几何信息。这样,算法团队可以从一份交付包追溯到某个病灶的来源检查和标签版本,而不是只得到一幅脱离坐标系的二值图。
原需求把增强 CT 作为平扫标注的参考,要求同一患者的两种检查尽量在较短时间内完成。这种设计很有价值,但增强序列应被定义为标注辅助证据,而不是默认的推理输入。如果增强图像直接或间接进入训练特征,而验收时只看平扫表现,就会产生信息泄漏。2024 年一项腹部多器官研究示范了另一种可复用思路:先在增强期相上确认器官标签,再依据空间和时间匹配转移到对应的非增强图像,同时在独立的增强和单能 CT 数据上测试1。这并不意味着任何项目都能照搬其配准方式;它说明的是,配对关系、配准质量和“参考图像不参与推理”的边界必须被记录。
影像科报告应提供病灶部位、形态、病理类型、分期或严重程度等结构化字段;病理报告如存在,则记录取材部位、病变性质和分化信息,并保留其证据来源与缺失状态。报告不是像素掩码的自动金标准,病理也不是每种病灶都能获得的必备条件。更稳妥的设计是把它们分别作为标签解释、队列分层和争议仲裁的证据,明确“有病理确认”“影像学共识”“证据不足”三种状态,避免为了填满表格而制造虚假的确定性。
图1|技术示意:平扫 CT 是目标推理输入,增强 CT 和报告/病理是受控参考证据;示意不含真实患者、实验结果或临床诊断。
采集协议不能只写“原始 DICOM”
原需求要求保留原始 DICOM 和完整扫描元数据,这是为了让层厚、重建核、矩阵、方向、体素间距、管电流和设备协议成为可分析的变量,而不是把所有图像重采样成同一种外观后再假设它们等价。公开交付时可以把具体设备和比例隐去,但不能隐去“哪些字段会影响任务”。建议把每个系列的几何和采集信息拆成必填字段、可缺失字段和异常字段;缺少层序列、排序错误、重复实例、方向不一致或无法解析的图像,先进入隔离区,不要直接送进标注队列。
薄层图像适合观察小病灶和建立连续三维掩码,但若把单一薄层协议作为唯一来源,模型可能把协议特征误认为病灶特征。因此采集设计应在保证早筛任务可读性的前提下,保留一定的层厚、重建核和设备差异,并在元数据中标出差异,而不是把“多样性”理解为无条件混入所有图像。严重运动或金属伪影导致解剖边界不可判定时,样本应标记为技术性不可标或进入单独的困难集;治疗后、明显手术后或晚期播散等与早筛目标不一致的情况,也应在纳入排除表中单列,而不是在标注时凭经验删掉。
DICOM 去标识要同时检查头信息和像素内容。DICOM PS3.15 明确说明,属性层面的去标识并不保证整个信息对象已匿名,烧录在图像像素、图形叠加或结构化内容中的身份信息仍需处理;去标识过程还要考虑用途、接收者、共享方式和重新识别风险2。因此,质量记录至少应包括原始文件与脱敏副本的字段对照、UID 和日期的替换规则、像素烧录字检查、序列之间引用的一致性,以及复核人和规则版本。研究需要纵向配对时,可保留受控的一致性编码,但应把映射权限和保存位置放在公开交付范围之外。
年龄和性别的覆盖不应成为单纯的配额。数据卡应展示各病种、病灶大小、部位、期相、设备和伪影状态的分布,并说明哪些变量因缺失没有进入训练。对于早筛任务,阴性和非目标异常同样重要:只收集目标十一类阳性会使模型把“未见过的其他异常”错误当成背景,或者把普通解剖变异当成病灶。建议建立阴性、非目标病变、证据不足和技术性不可标四类状态,训练、验证和验收时分别统计,不能把四者混在一个“无病灶”标签中。
标注设计:先冻结字典,再谈自动勾画
标注指南应从“标什么”而不是从软件工具开始。每个标签都需要写明器官范围、病灶边界、相邻血管或腔隙是否纳入、坏死或囊变如何处理、病灶相互接触时如何分离、多发病灶如何编号以及无法判断时使用什么不确定状态。淋巴结反应性增生尤其容易与腹腔淋巴瘤、转移性淋巴结或正常淋巴结混淆,不能只给标注员一张正例图。指南应同时提供典型正例、相似阴性、过标和漏标反例,并允许争议病例暂存为“待仲裁”,而不是强迫单个标注者作出二元决定。
原需求明确了像素级分割和增强参考,但没有规定标注主体、复核层级与一致性统计的完整方案。这些缺口必须在项目规格中补齐。可行的做法是由经过腹部影像培训的标注人员完成初标,由相互独立的专业复核者盲审,遇到标签冲突、边界差异或证据不足时交由第三方专家仲裁;三者的职责、是否可见前一轮轮廓、是否允许修改标签以及争议关闭方式都要留痕。专家资质不应被简化成“有专家审核”一句话,而应记录专业方向、培训材料、规则版本和参与范围。
近年的数据集研究显示,多标注者差异不是噪声清零后就能消失的缺陷。CURVAS 数据集在增强 CT 上由三名专家为肝脏、胰腺和肾脏提供分割,用于研究校准、不确定性和体积评估;其分析指出肾脏和肝脏的一致性较高,而胰腺更具挑战性5。对本任务而言,这提示胰腺癌和囊腺瘤、肾上腺小病灶及腹腔淋巴结不能沿用大器官的同一抽检口径。应按病种、病灶大小、边界清晰度和标注争议程度分层抽检,报告病灶级召回、边界差异和争议关闭时间,而不是只报告一项平均重叠度。
自动或交互式分割只能生成草稿。MedSAM 以大规模图像—掩膜对训练可提示的医学分割模型,并在内部与外部任务上评估其跨模态潜力;论文同时解释了完全自动地猜测用户想标注的结构并不现实,提示信息仍承担任务定义作用3。在上腹部多病种场景中,提示框、器官参照和增强参考可以帮助缩短初标时间,但不能自动确定“肝癌还是血管瘤”或“病灶边界是否包括坏死”。因此模型版本、提示方式、人工修改区域和审核状态应进入标注日志,未经终审的预测不得进入金标准。
算法路线:让输入、标签与验收一一对应
研发基线可以从三维 nnU-Net 或同等的体数据分割框架开始。nnU-Net 的价值不在于提供一个无需验证的答案,而在于根据数据集属性自动配置预处理、网络、训练和后处理,使基线更容易复现8。本任务可以设置一个层级化多类方案:第一层识别上腹部有效区域或器官参照,第二层在器官和淋巴结区域内区分病灶类别,第三层输出连续体素掩码。也可以使用共享编码器加病种特异头,但无论架构如何,标签字典、输入期相和损失函数必须保持可追溯。
平扫是目标输入时,增强 CT 的正确角色可以有三种,必须在研究方案中选定:作为独立的人工参考;作为配准和标签迁移的辅助影像;或在另一个明确命名的多模态实验中作为模型输入。三种角色不能在同一数据集里混写。若增强影像只用于人工判读,则训练管线不得读取它;若用于标签迁移,需记录配准方法、失败条件和人工校正;若做多模态实验,则应另建输入通道、另行划分患者集合并单独验收,避免把多模态模型结果误写成平扫模型能力。
预处理也要分为“用于推理的变换”和“用于审计的原始保留”。方向统一、体素重采样、强度截断、窗宽窗位和裁剪可以服务训练,但原始 DICOM、重采样参数、软件版本和变换日志要保留。小病灶对层间距和插值十分敏感,不能把插值生成的中间层当成独立信息;对三维掩码应检查跨层连续性、孤立小连通域、标签值范围和与原图的几何对齐。MSWAL 这一 2025 年 MICCAI 数据集把七类常见腹部病灶放入多期相 CT,并在公开数据上做迁移实验,说明更广的病灶覆盖可以帮助模型学习;论文也承认长尾分布、病灶互相干扰、边界量化和域偏移仍是限制4。本需求的十一类标签更应把类别不平衡和少见病灶的独立性能写进计划,而不能用总体平均掩盖长尾。
病灶检测和分割的指标不能互换。像素重叠可以用 Dice 或 IoU,边界可用表面距离或类似 NSD 的指标,病灶发现还需设定连通域匹配规则并报告病灶级召回、误检和小病灶分层结果。TotalSegmentator 的研究在多设备、多期相和多种异常背景上使用人工复核的最终标注,并同时报告 Dice 与归一化表面距离;其数据划分和独立测试设计说明,解剖范围扩展不等于所有病灶任务都已被验证6。验收时尤其不能用分类准确率代替分割质量,也不能把训练曲线或单中心内测结果写成临床效果。
质量控制:把“标得像”改成可审计证据
第一道门是入库质量。脚本应检查 DICOM 可读性、序列完整性、切片排序、方向、空间坐标、层间距、矩阵与元数据一致性,并把重建失败、缺层、严重伪影、无法配对的增强序列和脱敏异常分入不同问题码。第二道门是标签质量,检查掩码是否只使用字典内的编码、是否在规定器官范围内、是否跨层连续、是否存在同层漏标、是否把多个病灶错误合并,以及文件与原图是否同一坐标系。第三道门是证据质量,核对报告、病理、增强参考和不确定状态是否与患者—检查—病灶关系一致。
盲审不是“再看一遍”。盲审必须让复核者在不知道初标者结论或至少不知道其身份的条件下,按同一版指南复核;争议病例要留下差异类型,例如漏标、过标、类别错分、边界无法判定、参考序列不一致或报告证据不足。每次修改都关联到操作者、时间、指南版本和原因。若项目允许模型预标注,还应统计预标注后人工大改的比例、错误在何种设备或病种集中出现,以及困难样本是否被人为排除。错误回流到指南和下一批培训材料,才能把质量控制变成闭环。
训练、验证和测试必须按患者或更高层级独立划分,同一患者的平扫、增强、报告和随访不能被拆开。CLAIM 2024 更新版要求报告数据来源、纳排标准、去标识方法、采集协议、参考标准、标注者及其资质、分割层级和数据划分;还强调测试集标注与参考标准应足以让他人复现7。因此,数据卡至少要公开任务定义、模态和序列范围、缺失处理、标签字典、分区单位、软件版本、评价指标及已知失败模式。对内部数据不必公开患者或机构,但必须能向授权审查者提供可核对的流程证据。
外部验证应针对真实的变化来源设计,而不是只换一个随机种子。可按中心、设备厂商、重建核、层厚、年龄性别、病灶大小和是否有增强参考做分层;若不能提供完整外部队列,至少要保留时间外推集或协议外困难集,并在结果中说明它们与训练分布的差异。CURVAS 对多标注者和校准的关注提醒我们,模型不确定性和标注不确定性是两件事;对于边界本来就模糊的胰腺和淋巴结病灶,可以同时保存专家分歧图或不确定标签,用于分析模型是否在争议区域过度自信,而不是把所有分歧强行压成单一真值。
图2|技术示意:从患者级划分到病灶级、边界级和外部验证的验收链路;示意不表示已完成实验或真实性能。
验收和业务逻辑:先证明闭环,再讨论规模
对这类需求,验收文件应至少分成数据准入、标注质量、研究可复现和交付可用四组。数据准入组确认授权范围、去标识记录、DICOM 完整性、平扫覆盖、增强配对关系、报告和病理缺失标记;标注质量组确认指南版本、标签字典、标注主体、盲审与仲裁记录、跨层连续性、病灶级漏标和类别冲突;研究复现组确认患者级划分、随机种子、输入通道、预处理、模型版本、评价脚本和外部验证集合;交付组确认图像与掩码方向一致、导出文件可被下游工具读取、元数据和版本号齐全,且未审核草稿不会混入最终包。
阈值应在试标前冻结,而不是在看到结果后调整。分割任务可预先约定按病种和病灶大小报告 Dice、表面距离、病灶级召回及误检;对少见类别,应规定最小可评估样本量和“证据不足”处理方式,而不为了得到一个平均分数强行放行。质量门槛既包括统计指标,也包括规则性失败:身份信息残留、患者跨集合、标签值越界、原图与掩码错位、版本号缺失、争议未关闭等任一项都可以触发退回或停线。研究分数用于理解算法表现,项目验收还必须检查文件和过程。
实施上,较稳妥的路径是先做小规模样例评估,再决定是否扩展。第一阶段用能暴露边界争议的脱敏样本跑通入库、配对、初标、盲审、仲裁和导出;第二阶段冻结指南、标签字典、纳排规则和评价脚本后再扩展到更多病种和协议。若样例显示某类病灶难以在平扫上可靠判定,应把它转成不确定或需增强参考的状态,而不是用标注人员的猜测填满掩码。采购文本、交付范围、授权和周期应由项目书面确认,不能用公开文章替代合同附件。
在能力适配上,已核验的范围可以支持把数据采集、处理、标注、质检和数据交付拆成可追溯环节,并围绕 CT/DICOM 任务进行样例评估、规范冻结和版本化交付。是否存在某个病种的现货数据、是否能提供特定设备或病理覆盖、专家配置和周期,都必须另行核对,不能从本需求本身推导。对研发团队而言,真正的价值不是得到一张“多病种数据集”标签,而是得到一套能回答“这份掩码来自哪次检查、依据哪一版规则、由谁复核、在什么外部条件下仍可解释”的数据资产。
结语:早筛数据的核心是边界,而不是数量
上腹部 CT 早筛的多病灶分割,难点是把临床任务、成像协议、平扫与增强的角色、病灶字典、专家判断和算法验证放在同一条证据链里。公开研究已经展示了多期相、多器官和可提示分割的技术潜力,但也反复说明跨设备、跨人群、长尾病灶和标注分歧会改变模型表现。一个可用的项目规格应明确:目标推理输入是平扫还是多模态;增强 CT 是参考、配准辅助还是模型输入;每类标签如何定义;哪些样本排除、保留或标记不确定;训练和测试如何按患者隔离;最终交付如何被算法代码和人工复核共同打开。只有这些问题在试标前被写清楚,后续的模型选择、专家投入和数据采购才有可验收的研发意义。
参考来源
- Fully-automated multi-organ segmentation tool applicable to both non-contrast and post-contrast abdominal CT: deep learning algorithm developed using dual-energy CT images
- DICOM PS3.15: Attribute Confidentiality Profiles
- Segment anything in medical images
- MSWAL: 3D Multi-class Segmentation of Whole Abdominal Lesions Dataset
- A MultiRater MultiOrgan Abdominal CT Dataset for Calibration Analysis and Uncertainty Modeling in Segmentation
- Robust Segmentation of 104 Anatomic Structures in CT Images
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
- nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation

