MEDICAL DATA RESEARCH
胃镜病灶逐层分割:把多边形轮廓变成可复核、可验证的数据对象
围绕胃镜逐层或逐帧病灶分割,本文从多边形边界、病灶类别、JSON原图引用、自动保存回放、复核、病例级划分与独立验证展开,帮助医疗AI团队把标注操作转成可追溯的数据交付;不构成诊疗建议或临床效果承诺。
胃镜图像中的异常区域,为什么不能只在一张“看起来最清楚”的画面上圈一个框?因为研发团队真正需要的通常不是一张带颜色的截图,而是能够回答一组连续问题的数据:这个区域属于哪一次检查、哪一帧或哪一层,边界是如何形成的,标注的是哪一种病灶,哪些相邻画面被判定为阴性或不可判读,谁复核过,导出后能否在训练工具中与原图重新对齐。只要其中一环缺失,模型得到的就可能是难以解释的像素集合,而不是可追溯的医学研究对象。
一份胃镜异常分割的技术操作规范,将任务落在了较具体的工作单元上:打开标注程序,加载图像目录,预设保存位置,在病灶可见的画面上沿边界创建多边形,选择病灶类型,并对每个层面完成标注;结果以与原始图像对应的 JSON 文件保存,允许撤销、编辑和删除。这样的材料不是病例报告,也不是某个患者的诊断意见,而是一个可以匿名改写为研发方法学的标注需求。它的价值不在于介绍某个按钮,而在于揭示胃镜分割项目中最容易被低估的工程问题:二维轮廓、逐层关系、类别语义和交付可用性必须同时成立。
一、先把“胃镜异常分割”拆成可验收的任务
胃镜数据的第一层对象是检查或图像序列,第二层对象是其中的帧、静态图或项目约定的层面,第三层才是某个画面内的病灶实例。原始操作说明以图像目录和逐张、逐层操作为主;需求中的“每个层面都需要标注”并不等于把同一个多边形复制到所有相邻画面,而是要求项目先明确:哪些文件属于同一检查,层面顺序如何定义,相邻层之间是否存在连续性,以及病灶在不同画面中是同一实例、暂时不可见,还是根本不是同一对象。
输入模态也要先写清楚。若输入是导出的静态胃镜图像,模型任务更接近单帧语义分割或实例分割;若输入来自连续视频,除了像素区域,还会出现时间轴、帧率、运动模糊和相邻帧高度相似等问题,此时不能用静态图像的随机切分代替检查级切分。胃镜画面还可能包含白光、窄带成像、放大或其他增强模式。不同模式下边界、色泽和纹理的可见性不等价,标签字典和质量分层不能只写一个笼统的“异常”。
输出至少应包含四类字段。第一类是空间信息,包括图像或帧的稳定标识、宽高、坐标原点、坐标方向、多边形点序列,以及必要时由多边形转换出的二值掩膜。第二类是语义信息,包括病灶实例号、类别、可判读状态和项目约定的其他属性。第三类是关系信息,包括检查级、帧级和病灶级的关联,必要时记录连续帧中的同一实例关系。第四类是治理信息,包括规范版本、标注者、复核者、修订时间、争议状态和导出校验信息。把这些内容混成一个自由文本标签,会让后续训练、抽样审计和误差分析都变得困难。
胃镜分割的颗粒度应与研究终点匹配。若问题是“画出可疑区域”,可采用病灶级多边形或像素掩膜;若问题是“检测是否存在异常”,轮廓可能只是训练过程中的辅助信息;若问题是“区分多种病灶”,类别定义和互斥关系就必须在试标前冻结。对一个边界模糊的区域,系统应允许“不确定”“不可判读”或“待复核”,而不是在没有证据时强行选择某一种类型。未知不是阴性,缺失也不是正常,这是数据设计中需要反复检查的基本边界。
图1|胃镜逐层病灶分割从输入索引、医学标注到可追溯交付的技术示意;不含真实患者图像,不表示已完成实验或临床诊断结果。
二、多边形不是“沿着边缘点几下”
多边形标注看似直观,实际包含三个必须预先约定的判断。第一是可见边界:标注者应沿影像中能够被观察到的边缘勾画,而不是凭经验把不可见部分补成一个“完整病灶”。反光、黏液、血液、器械遮挡、画面边缘和焦点不足都可能造成边界缺口。第二是病灶分离:相邻的两个异常区域应当分别建实例,还是在项目规则下合并为一个区域,必须用难例说明。第三是跨画面关系:同一病灶在相邻帧中可能只露出一部分,是否保持实例号连续,不能交给不同标注者自行决定。
胃镜图像的边界误差对分割模型尤其敏感。已有胃镜病灶分割研究使用人工标注掩膜作为训练目标,并在有限规模的图像集上比较 Dice、交并比、召回率等指标;研究者同时指出,内镜医师对模糊边缘的主观判断可能造成过分割或欠分割,边缘标注差异会直接影响模型学习。1 这意味着“有专家画过”并不能自动等于金标准。专家身份、任务说明、标注时是否看到其他人的轮廓、争议如何终裁,以及哪些画面被排除,都应成为数据卡或交付说明的一部分。
对于源自软件操作的 JSON 输出,最需要补上的不是更多按钮,而是可复现的坐标语义。每个点是原始像素坐标还是缩放后坐标?图像在展示时是否裁剪、旋转或去除黑边?多边形闭合规则是什么?同一文件有多个病灶时如何排序?空标注如何表达?源规范允许自动保存标注、关闭“随图像保存”以减小文件,但这只解决操作结果的落盘与传输,不等于质量或版本冻结;此时 JSON 必须保留稳定的原图引用、文件校验值和坐标系说明,否则文件虽然很小、便于传输,却可能无法独立验证。轻量化交付和可审计交付不是二选一,关键是把引用关系写完整。
标准化交换也需要谨慎处理。DICOM 标准把帧、源图像引用、分割对象和分段编号等关系作为信息对象的一部分;这为把像素标签与来源影像关联起来提供了通用思路,但不意味着任何 JSON 都能直接转换为可用的 DICOM 分割对象。4 实施时要逐项核对图像方向、帧号、分段类别、引用实例和导出软件的读取结果。若项目下游只接受 PNG 掩膜或其他格式,也应在转换脚本中保留原始 JSON,并用一组脱敏样例进行双向核对,避免转换时发生坐标偏移或类别丢失。
三、从软件动作转成算法数据设计
标注软件的快捷键和界面流程解决的是“人如何操作”,而数据集设计要进一步解决“模型如何学习”。在数据进入标注阶段前,应先完成去标识、图像质量分级和文件一致性检查。胃镜画面中的烧录文字、检查编号、时间戳或其他可识别信息,不能因为界面上看不明显就视为已经清除。去标识处理解决的是身份暴露风险,不能代替数据授权、伦理审查和研究用途确认。
接着建立检查级清单。清单可记录一次检查包含哪些帧或图像、采集模式、序列顺序、质量状态和标注完成状态。对于连续视频,建议以检查或视频为最小划分单位,而不是把相邻帧随机撒到训练集和测试集。相邻帧之间可能几乎重复,若跨集合出现,模型指标会被时序近重复抬高,外部泛化能力却没有真正增加。数据集综述显示,公开胃肠内镜数据中,图像、视频、帧级标签、掩膜和临床元数据的组织方式差异很大;标注者数量、专业程度和过程记录在不少数据集中并不充分。2 因此,项目验收不能只问“文件是否齐全”,还要问“关系是否能回溯”。
病灶类别应采用版本化字典。字典至少包含标签名称、定义、适用模态、排除情形、未知和不可判读状态。若一个类别只在特定增强模式下可观察,应标记适用条件;若项目需要把报告结论或病理结果作为标签,则要把它们与直接可见的影像标签分层存储,不能把报告语义倒写成轮廓事实。胃镜视频研究尤其容易把“画面中可见的区域”“医生对该区域的判断”和“后续证据支持的诊断”写进同一列,导致模型训练目标不清。
算法路线也应从任务出发,而不是从网络名称出发。单帧二分类分割可以从 U-Net 类编码器—解码器、残差或注意力结构开始;多类别任务需要处理类别不平衡、重叠边界和小病灶;连续视频则可以在帧级分割之外加入时序一致性约束,检查预测掩膜是否出现不合理跳变。弱监督、半监督或基础模型生成的轮廓可以作为草稿,但在专家审核和版本冻结前,不应直接进入金标准。研究模型的指标上升只说明在某一划分和标注定义下的表现,不能自动转换为临床检出率、诊断收益或治疗价值。
2025 年一项上消化道多类别分割研究提供了一个值得借鉴的工程范式:图像来自不同成像条件,疾病标签由胃肠专科人员核验,掩膜由受训人员制作后再由有经验的专科人员独立复核,结果以 JSON 导出并转换为二值或多通道掩膜;研究还把模型冻结后跨数据集测试作为泛化分析的一部分。3 这类设计并不证明某一种胃镜标注方案普遍有效,却说明输入清理、标签生成、独立复核、格式转换和外部测试必须被看作同一条证据链。
四、专家标注与争议处理:不要把分歧藏在最终文件里
源规范只说明由医生选择病灶类型,并未给出标注者资质、盲法或仲裁配置。公开项目若要把操作说明变成可验收流程,应把标注主体按职责拆开:初标者负责依照规则完成边界和类别;复核者检查边界、标签、逐层完整性和图像引用;仲裁者处理无法依据指南解决的争议。三者可以由不同资历的人员承担,也可以在小规模项目中由同一团队分阶段完成,但角色、可见信息和修改权限应留档;这些是待项目确认的建议设计,不是本项目已经完成的配置。若复核者直接看到初标轮廓,可能会受到锚定影响;若采用盲审,则要明确隐藏的是标注者身份、他人结果,还是两者同时隐藏。
试标应主动选择难例,而不是挑选容易达成一致的画面。建议覆盖低清晰度、反光、黏液、器械遮挡、边界渐变、多病灶、单帧可见、相邻帧变化和类别难分等情况。试标结果至少要回答三件事:规则是否能被不同标注者执行,哪些字段经常缺失,哪些争议需要升级到专家。若规则在批量标注过程中不断修改,应产生新版本并标注影响范围,不能直接覆盖旧文件。研究者后续做特征提取或模型训练时,必须知道每个标签对应哪一版规则。
一致性指标应服务于任务,而不是为了填表。多边形或掩膜可以考虑 Dice、IoU、边界距离、实例匹配率或面积差异;类别标签可以考虑 Kappa 或其他适合的分类一致性方法;视频任务还可以增加时间稳定性或事件边界偏差。计算时要写明参考勾画、抽样单位、空掩膜如何处理、是否按病例加权。一个总体平均值可能掩盖小病灶、边缘模糊或少数类别的失败,因此还应按图像质量、成像模式、病灶类型和可见性分层报告。
五、质量验收要同时检查标签、文件和研究设计
质量验收的第一关是完整性:每个纳入的检查是否有稳定标识,每个应标注的层面是否有状态,病灶类型是否来自冻结字典,空标注与不可判读是否分开,JSON 是否能解析,多边形是否闭合,点是否落在图像范围内。第二关是对齐性:将 JSON 重新叠加到原图,检查缩放、裁剪、旋转、帧号和多个病灶的对应关系。第三关是医学合理性:轮廓是否越过可见边界,是否把反光或器械误画成病灶,是否把一个实例不一致地拆成多个实例。第四关是审计性:能否找到原始意见、复核记录、修订原因、当前版本和最终状态。
对于分割任务,验收指标应与标注对象一致。若验收的是像素区域,不能用分类准确率替代分割指标;若验收的是病灶是否检出,也不能只看像素重叠而忽略漏检和误检。研究中常见的 Dice、IoU、召回率和边界距离应在方案中预先定义,并说明是按图像、病灶还是检查汇总。医学影像分割的背景像素往往远多于病灶像素,单看总体准确率可能掩盖病灶区域质量。阈值也不应从一次试标结果倒推成普遍行业标准,而应结合任务风险、试标分布和使用方的研究目标确认。
数据划分是另一条质量线。必须按患者或检查划分,不能让同一检查的不同帧、同一病灶的相邻画面或重复导出跨训练、验证和测试集合。若同一来源包含多个时间点,还要明确纵向随访如何处理。外部验证应尽量覆盖不同设备、成像模式、采集习惯或来源结构,并报告缺失类别和质量差异。2025 年多类别研究指出,单一地区、有限机构、类别不平衡和观察者差异都会限制泛化;跨数据集测试可以提供信息,但不能替代真实临床验证。3
图2|胃镜分割项目的规则、标注质控、病例级划分和外部验证关系;不含真实患者图像,不表示模型已完成或取得临床效果。
六、研究证据与业务逻辑如何保持边界
胃镜分割的研发价值,首先体现在把模糊的“异常区域”转化为可以训练、复核和重用的数据对象。规范化的多边形和掩膜可以支持病灶检测、分割、区域质量评估、可解释性分析或后续多模态研究;逐帧或逐层关系可以支持时序模型和难例回放;版本与审计字段则让算法团队在发现错误时回到原始判断,而不是重新猜测标签从何而来。这里的价值是数据基础设施价值,不是对个体影像作诊断结论。
公开研究也提醒我们不要把实验性能写成临床承诺。2022 年胃镜病灶分割研究在有限数量的图像、特定来源和人工掩膜上报告了模型指标,并明确讨论了边界主观性和多标注者可能带来的改进空间。1 2023 年的内镜数据集综述则指出,许多数据集在临床元数据和标注过程披露方面仍不完整,单中心或类别偏斜会影响真实世界外推。2 因而,文章可以讨论模型结构、标签质量和独立验证,但不能据此宣称某数据对象已经提高了胃癌检出率、降低了漏诊率或获得了监管批准。
在已核验的公司能力边界内,企业定位是 AI 数据基础设施和流程服务,覆盖数据处理、标注、质检和交付;对外更适合表达为围绕项目规格、数据卡、质量记录和版本交付提供研发支撑。对于胃镜视频是否直接纳入某一既有平台、具体标注人员配置、导入导出格式、样本范围和验收阈值,应以脱敏样例评估和书面项目规则为准,不能把一份操作规范或官网自述写成现货证明。若需求进入真实临床工作流,还要由使用方另行完成伦理、信息保护、适用监管和临床验证。
标准和报告指南可以帮助研发团队把证据链写完整。DICOM 的分割对象规范适合用来思考源图像、帧和分段标签的关系,但实际互操作仍须测试;STARD-AI 强调诊断准确性研究要透明报告数据、索引检测、参考标准和分析方法,但它是报告指南,不是质量认证。4 DECIDE-AI 则提醒,进入真实工作流后,需要关注人机协作、使用者差异、版本更新、跨地点泛化和系统性偏差,而不仅是离线分数。6 这些原则共同说明,胃镜多边形标注的验收终点应停留在数据与研究设计层面,不能越过验证和监管边界直接变成医疗效果表述。
七、一个可执行的交付清单
项目启动时,建议先形成一页任务卡:研究问题是什么,输入是静态图像还是视频,帧或层的定义是什么,病灶类别有哪些,分割是语义级还是实例级,是否需要连续帧关联,最终交付是 JSON、掩膜、可视化叠加图还是多种格式并存。接着写标注指南:边界如何处理,反光和遮挡如何编码,多病灶如何拆分,空标注和不可判读如何区分,谁负责复核和终裁。最后写验收方案:文件解析、原图对齐、抽样复核、指标口径、病例级切分、外部测试和问题回修如何执行。
如果项目采用自动保存,应把自动保存视为防止操作丢失的机制,而不是质量保证。保存成功不代表类别正确、轮廓完整或版本已经冻结;保存了错误结果也会把错误更快地复制到下游。因此,每次批量导出仍应进行可解析性检查、坐标回放、版本核对和抽样医学复核。若结果文件不携带原图,应把引用链和校验链作为必验字段;若结果文件携带原图,则要重新评估存储、授权和去标识边界。
可以先用一小批脱敏样例跑完“加载—勾画—撤销—修改—自动保存—重新打开—导出—下游读取”的闭环,再决定是否扩大规模。这个闭环能把软件使用方法转成可复现的研发流程,也能在早期暴露坐标、类别、文件命名、连续帧关系和审计记录的问题。对医疗 AI 团队来说,真正值得采购或建设的不是一个会画多边形的界面,而是一套在研究问题变化后仍能说明数据如何生成、哪些区域不确定、什么版本可以复用的质量体系。
本文讨论的是胃镜病灶影像的匿名化标注需求、数据设计和研发验收,不构成任何个体的诊断、筛查、治疗或用药建议。文中“病灶”“异常”“分割”和“类别”等词语用于描述数据任务,不应被用来判断个人健康状态;任何模型部署都需要独立的医学验证、外部评估、适用法律审查和具备资质的医务人员参与。
参考来源
- Lesion Segmentation in Gastroscopic Images Using Generative Adversarial Networks
- Public Imaging Datasets of Gastrointestinal Endoscopy for Artificial Intelligence: a Review
- Assessing deep learning models for multi-class upper endoscopic disease segmentation: A comprehensive comparative study
- DICOM PS3.3: Information Object Definitions
- The STARD-AI reporting guideline for diagnostic accuracy studies using artificial intelligence
- Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI

