MEDICAL DATA RESEARCH
肝囊肿超声序列分割:让每一帧的边界、分级与证据可复核
面向医疗AI研发与数据采购,系统拆解肝囊肿超声序列的逐帧多实例分割、扇形有效区、simple/complex 标签、低质量帧、专家复核、JSON交付和外部验证要求,明确项目阈值不等于临床结论,也不替代医学诊断。
在凸阵探头连续扫查的超声视频里,一个肝囊肿并不会始终以同样的圆形、同样的对比度出现。它可能在某些帧中清晰,在另一些帧中只剩一段低对比度边缘;血管横断面、胆囊或暗区也可能短暂地呈现相似的黑色区域。于是,一个看似简单的“把囊肿勾出来并分成 simple 或 complex”的任务,真正需要解决的是:标注对象究竟是什么,轮廓在哪些帧有效,多个实例怎样不串联,分类依据怎样被审计,坏帧怎样与空标注对齐,以及这些标签能否支持后续算法在未见过的设备和扫查条件下被公平评价。
本文讨论一项面向医学人工智能研发的数据建设需求:对肝脏超声图像序列中的 hepatic_cyst 进行逐帧实例分割,并输出可被机器读取的 JSON 结构,同时提供 simple_cyst 与 complex_cyst 两类研究标签。它不是对个体影像的诊断,也不把项目中的阈值或验收指标包装成统一临床标准。文章将需求拆解为模态、解剖部位、数据颗粒度、标注主体、算法路线、质量控制和业务交付七个相互牵制的部分,重点讨论那些容易被一张“标准截图”掩盖的工程风险。
一、先把临床语义翻译成可执行标签
源任务的输入是超声图像序列,核心解剖部位是肝脏,目标病变限定为 hepatic_cyst。输出不是病例级的“有囊肿/无囊肿”,而是帧级的多实例对象:同一帧出现两个或更多囊肿时,每个对象都应有独立轮廓或掩膜、独立类别和实例标识。输出可以采用 polygon、RLE 或二值 mask,但需要统一由 JSON 承载,并把图像帧、实例、坐标系和规范版本连接起来。这样,算法团队才能明确训练的是像素级实例分割,还是另一个尚未定义的检测或分类任务。
分级字段也必须与轮廓字段分开。需求中的 simple_cyst 不是“看起来比较规则”这么宽泛,而是四项条件同时成立:囊内近似无回声,内部没有明确的回声团或条带;囊壁薄且规则;后方回声增强明确;没有分隔、钙化、壁结节或其他结构性复杂改变。影像学综述将无回声、光滑边界、后方增强和无分隔等视为提示单纯肝囊肿的典型超声表现,但这类影像标准用于支持结构化观察,不等同于把超声标签变成病理金标准。1 任何一项复杂征象出现,或无法可靠确认四项条件全部满足时,项目规则将对象保守地归入 complex_cyst,并在 complex_reason 中记录“不确定”的具体来源。
这种保守归类有两个价值。第一,它避免把缺少证据误写成“典型单纯囊肿”,让训练集在边界模糊时产生过度确定的标签。第二,它把分歧留在数据层面,后续研究可以分别分析确证的 simple、明确复杂征象和图像不可判定样本。需要强调的是,complex_cyst 是此项目的操作性数据类别,不自动等价于恶性、需要治疗或某一种病理实体;若研究另需病理或随访结局,应另建有证据来源的字段,不得用影像分级替代临床结论。
图1 从完整序列、有效成像区到逐帧实例和分级的技术链路。箭头表示数据组织关系,不表示某个算法必然产生诊断结果。
二、扇形有效区是几何约束,不是可有可无的界面提示
凸阵探头的超声图像通常包含扇形有效成像区域以及其外侧的黑区或无信号区。若标注者把黑区当作普通画布,轮廓就可能越过真实可见范围;模型会学到探头边缘、显示窗口甚至界面空白,而不是病灶与肝实质之间的关系。因此,数据规范应把有效扇形区域作为第一层几何约束:轮廓必须完全位于有效区域内,区域外不允许自由绘制,也不能用一条平滑曲线猜测病灶在不可见空间中的延伸。
这个约束并不意味着所有扇形内部都可可靠标注。低信噪、严重散斑、遮挡、穿透不足或有效区域残缺时,边界可能根本无法由当前帧支持。超声分割研究长期面对散斑噪声、低对比度、强度不均和操作者差异;近年的综述也指出,图像与视频分割在设备、操作者和采集协议变化下容易出现泛化下降,像素级专家标注本身又耗时且稀缺。4 对这类帧,最稳妥的策略不是沿着噪声纹理补画一个完整囊肿,而是标记无效帧或不可可靠判断,并生成同名空 JSON,保证影像与标签按帧对齐。
空标注不等于阴性样本。阴性帧表示在有效观察范围内没有目标实例;无效帧表示无法可靠判断或不满足标注条件;不可见则表示目标可能在序列上下文中存在,但当前帧没有足够证据。三者若都编码为“空数组”,模型训练和误差统计就会把采集失败误学成正常背景。数据字典应为这些状态分别设定允许值、原因、是否进入训练、是否进入质量抽检,以及在交付时如何被下游读取。
三、序列回看解决的不是“多看几帧”,而是实例身份与误标来源
单帧勾画很容易把血管横断面误当囊肿,尤其是在低对比度或没有彩色多普勒信息的情况下。血管更常表现为管状或分支结构,随探头扫查可在相邻帧中沿走行方向连续出现;囊肿通常是局灶性的圆形或卵圆形占位,并可能伴随后方增强。2022年的实时肝脏超声视频研究也把血管、胃、纤维组织、肝实质异质性和声影列为可能造成假阳性的非病灶结构,并通过完整视频和困难帧训练来应对这些情形。2 这说明序列并非静态图像的简单堆叠,而是判断对象身份的重要证据。
实际操作中,应先为序列建立稳定的帧序,再在每一帧处理实例出现、暂时离开视野、重新出现和形态变化。标注者不能只挑最清晰的帧输出,而应按照项目规则决定哪些帧有可靠可见的病灶、哪些帧应为空、哪些帧应标为无效。相邻帧叠加回放可以发现三类问题:实例突然跳到不相邻位置,轮廓在没有影像依据时剧烈涨缩,以及只有中间一帧有标注、前后帧却完全空白。对于病灶真正进入或离开视野的情况,也要把起止依据记录清楚,避免把自然的可见性变化误判成漏标。
多实例情形尤其需要避免“主病灶”习惯。若同一帧有两个囊肿,一个较大、一个较小,不能因为任务只关心主要对象就自动合并,除非项目在标签字典中明确规定只保留某种选择规则。每个实例都应有独立对象 ID,并在序列中保持可追溯的关联;当两个对象靠近、短暂重叠或其中一个离开视野时,需要由复核者检查 ID 是否被错误交换。若无法可靠维持身份,宁可记录争议和不确定状态,也不应以视觉上“连续”的假设填补缺口。
四、算法路线应围绕层级和时序设计,而不是先选网络名
在算法研发中,可以把任务拆成有效成像区、肝脏区域、病灶实例和属性分类四层,但拆层的目的应是隔离误差来源,而不是宣称某种固定模型一定适用。肝脏超声研究曾采用扫描区、肝脏和肝脏肿块的分层分割框架,以减少扫描区外背景、非目标器官回声和设备差异对下游任务的干扰;该研究同时使用人工分割建立参考,并在不同来源数据上做测试,说明输入范围和外部数据是算法评价的一部分,而非训练完成后的附属说明。3
对于本任务,可先构建扫描有效区掩膜,再在有效区内进行肝脏或局部组织定位,最后进行 hepatic_cyst 的实例分割。实例层应输出每个对象的像素 mask 和类别,属性层再根据图像证据输出 simple/complex 及原因。若直接把多实例 mask 压成一个二值前景,后续就无法评价实例遗漏、对象合并和 ID 交换;若把分级标签写在病例级,多个病灶之间也可能发生标签串联。任务定义决定模型输出,不能由现成标注工具的字段反向塑造临床语义。
序列模型可以使用相邻帧作为上下文,例如短窗口的时序融合、光流或带记忆的特征更新;也可以先逐帧分割,再用规则检查前后帧的一致性。两者都应保留单帧基线,因为只有把单帧错误和时序错误分开,才能知道改进来自更强的图像表征,还是来自平滑先验。近期腹部超声视频研究指出,短期历史帧可以帮助稳定实时检测,但背景干扰、跨器官形态相似和目标短暂消失仍然是主要挑战;其测试结果属于该研究自己的数据与模型,不能外推为本项目性能。8
“后处理平滑”也不能替代标注规范。对边界可靠的连续帧,平滑可以作为候选轮廓生成工具;对目标暂时不可见或被遮挡的帧,强行插值会制造不存在的证据。任何自动预标注、插值或模型生成的轮廓都只能作为草稿,在专家复核和版本冻结后才进入金标准。算法的训练曲线、内部 Dice 或 IoU 仅说明特定划分上的实验表现,不等价于真实临床环境的诊断效果。
五、专家标注不是“医生看一眼”,而是有角色、有盲法、有争议记录
标注主体应按任务复杂度配置。初标人员负责依据字典确定有效区、实例轮廓、类别和无效原因;复核人员检查扇形越界、遗漏背景、血管误标、相邻帧连续性、实例数和 JSON 对齐;具备相应影像经验的专家处理单凭规则无法解决的边界和分级争议。每个角色的资格、培训材料、可见信息和可修改范围都应写入项目方案。复核时是否能看到前一轮轮廓、是否采用单盲或多盲,不应在执行过程中临时决定。
2024年更新的 CLAIM 报告规范要求清楚描述数据来源、纳排条件、预处理、脱敏、成像协议、参考标准的形成方式、标注者数量与资历、测试集标注、标注者间差异、数据划分和外部测试。5 这些条目不仅适用于发表论文,也可以直接转成数据采购和交付清单。对本任务而言,参考标准至少应包含四项 simple 条件、complex 触发项、血管排除规则、有效区限制、空标注语义和争议关闭条件;不能只写“由专家标注”而不说明专家如何作出决定。
分歧应被当作质量信息保留。多标注者研究指出,专家之间的轮廓和类别差异会向训练数据引入噪声,单一融合结果可能掩盖真实的不确定性;可以结合一致性热图、Kappa、IoU、敏感度或 STAPLE 等方法描述差异,但指标的选择要匹配标注单位和任务目标。6 因而,项目可以在抽检子集上比较多位标注者的 mask,分别报告轮廓重合、分级一致性、无效帧判断和帧间连续性,而不把这些不同问题压缩成一个“医生复核一致率”。
必要时,可把争议原因分成边界不可见、囊内回声不确定、血管或胆管混淆、分隔/壁结节可疑、扇形边缘限制和序列信息不足。复议后应保存原意见、仲裁依据、最终版本和修改时间。若后续变更了 simple/complex 的操作定义,应冻结旧版本、标识受影响批次并决定是否回溯重标;直接覆盖旧 JSON 会让研究者无法判断模型学到的是哪一版规则。
六、验收要分开看几何、时间、类别和文件可用性
源任务给出了可操作的验收方向:原规范提出医生复核一致性不低于 0.85、病灶边界误差小于 5 pixel 的项目目标,同时要求 mask 覆盖完整病灶并尽量减少背景干扰;序列回放要检查相邻帧错标、漏标和跳变;抽检子集可以将标注与医生参考 mask 比较 Dice 或 IoU;simple/complex 还要单独报告分类一致性。0.85 与 5 pixel 都是本项目的书面验收约定,不是公司统一能力或普遍临床标准;执行前还需冻结一致性指标的拆分、参考者、抽样单位、原始或重采样坐标系及计算方法。
几何验收首先检查轮廓是否越过有效扇形区,是否闭合,是否漏掉可见囊壁,是否把血管、胆管、胆囊或暗区并入病灶。对边界误差的评价必须说明像素坐标、图像尺寸、是否经过缩放和参考者是谁;不同设备的像素间距或显示缩放不同,不能直接比较未经说明的像素差。若输出同时支持 polygon、RLE 和 mask,应验证三种表达解码后是否对应同一像素集合,并检查 JSON 中的帧号、尺寸和实例数。
时序验收不能由逐帧 Dice 取平均替代。一个模型可能在大多数清晰帧上重合良好,却在病灶进入、离开或暂时遮挡时突然漏标;也可能通过过度平滑把血管误标成一条“连续囊肿”。回放验收应至少检查实例是否在合理位置移动、轮廓变化是否有影像依据、空标注和无效帧是否遵循字典、同一序列是否存在选择性标注。对于出现和消失的帧,可以把事件边界作为独立抽检对象,而不是只统计前景像素。
类别验收应区分“满足四项 simple 条件”“出现任一 complex 征象”和“不确定归 complex”。如果所有 complex 都被混为一类,项目将失去分析保守规则是否过于宽松或边界样本是否集中在某一设备的能力。建议在质量报告中保留分级混淆表、complex_reason 分布、按帧与按序列的统计方式,以及经过专家复议的样本比例。只有在标签定义、参考者、抽样单位和计算实现都预先写清楚时,数字才具有可比较性。
图2 从标签字典、盲审和争议治理到几何、时序、分级和外部验证的闭环。所有阈值应按项目书面约定执行。
七、划分和外部验证决定结果能否被解释
超声序列中相邻帧高度相关,同一受试者还可能有多段视频或多个检查。如果按帧随机切分,几乎相同的纹理、探头角度和操作者习惯可能同时出现在训练与测试集合,得到的结果会高估泛化。实时肝脏超声研究将同一患者的视频放入同一数据集合,并限制测试集的相关视频数量,以减少患者内相关性对评价的影响。2 本任务至少应按受试者或更高层级划分,若同一次检查包含多个序列,则检查级也应保持隔离;划分规则、随机种子、版本和排除原因需随数据卡保存。
外部验证还要关注设备、探头频率、帧率、成像深度、增益、操作者和病例构成。不同设备的扇形边缘、图像压缩和噪声特征可能使模型把显示风格当作病灶线索;不同操作者对病灶出现时长、扫查角度和冻结帧习惯的影响,也可能导致训练集与真实使用场景不一致。验证集如果只来自同一来源,即使数值稳定,也不能证明在其他环境下可用。2023年的肝脏超声研究使用多地域数据并以不同来源数据进行外部测试,说明跨设备、跨场景的数据设计是研究结论的一部分,而不是事后补充。3
质量报告应把内部验证、外部验证和临床验证严格分开。内部验证可以评价在冻结的项目划分上模型与参考 mask 的重合;外部验证检查不同来源下的退化模式;临床验证还需要明确人机协作、目标人群、工作流、结局和伦理要求。没有这些设计,就不能把分割指标写成诊断效能,更不能从一个数据集推断对个体患者的适用性。CLAIM 2024也要求报告测试样本、参考标准、数据分区、内部与外部测试及不确定性,这为项目交付中的数据卡和验证报告提供了结构化模板。5
八、输出格式和业务交付要以“下游能否复核”为中心
JSON 不是简单的文件后缀。每一条记录应能回答:它属于哪个匿名对象、哪个序列、哪一帧、哪个实例、使用什么坐标系、轮廓是什么形式、类别是什么、为何判为 complex 或无效、由哪个规范版本生成、是否经过复核。文件名或目录结构可以采用扁平前缀,也可以按匿名对象分目录,但必须保证图像与标签一一对应、跨批次不发生 ID 冲突、同一对象的序列关系可追溯。
如果下游算法或影像工具需要 DICOM 或其他研究格式,转换过程应单独记录。DICOM 标准将多帧影像、帧、功能组和派生对象等概念分开定义,适合用来核对原始图像的帧关系和派生标签的引用语义;但选择某种导出格式并不会自动证明标签准确,也不等于平台已支持所有视频或临床系统接口。7 项目验收应实际打开样例,检查解码后的尺寸、帧顺序、扇形区域、实例数和 mask 对齐,而不是只看压缩包里文件是否存在。
面向医疗AI研发和数据采购读者,交付物可以分为四层。第一层是数据文件,包括原始或获授权的脱敏序列、逐帧 JSON 和必要的空标注;第二层是规范文件,包括标签字典、边界示例、complex_reason 编码、无效帧规则和版本记录;第三层是质量文件,包括抽检方案、几何与时序核对、分级一致性、争议清单和缺失统计;第四层是研究说明,包括划分层级、设备与操作者分层、外部验证计划和已知限制。这样,采购方得到的不只是可视化轮廓,而是一套能被算法、质量和临床研究人员分别复核的数据资产。
围绕已核验的公司能力边界,朗慧可以在项目化研究数据与标注服务场景中承担需求梳理、标签规范设计、影像标注、结构化字段整理、复核组织、版本记录和交付前质量审计等工作;LangData 平台可作为采集、处理、标注、质检和交付流程的项目载体。这里的“可承担”不等同于现有项目已经拥有本任务数据、已经完成特定模型或已经取得临床认证。具体模态接入、视频处理、人员资质、样本规模、周期、部署方式和验收阈值,仍需按授权、项目书面规格和合同确认。任何医院、患者、供应商、价格或内部运营信息都不属于公开文章的论据。
九、从一次标注任务走向可复用研究基础设施
肝囊肿超声分割的研发价值不只在于生成一批 mask,而在于把“看见什么、何时看见、依据是什么、何时不能判断”都结构化。病例或匿名对象层管理序列归属,序列层保存帧顺序和采集上下文,帧层记录有效区和状态,实例层表达 mask 与类别,质量层保存复核和争议,研究层记录划分和验证。不同任务可以在不破坏原始标签的前提下复用同一数据:研究者可以只训练分割模型,也可以分析时序可见性、设备域偏移和复杂征象分布。
这一结构也使研发迭代更安全。当新模型提出更精细的壁结节或分隔标签时,可以新增版本字段并回溯影响范围,而不是重写旧数据;当外部验证发现某种设备上的扇形边界常被误标,可以把问题定位到采集、预处理、标注还是模型,而不是笼统地归结为“AI不稳定”。当专家之间的分歧集中在暗区或边缘帧时,研究者可以把这些样本作为不确定性评估集,而不是从主数据中静默删除。
最终,质量不应被理解为“所有帧都必须有漂亮轮廓”。在医学超声中,真实的不可见、遮挡、低对比度和设备差异是任务的一部分。可靠的数据工程应允许空标注、未知和争议存在,同时让每一种状态都有清晰语义、可计算规则和审计路径。只有这样,模型训练得到的才不是由强行补画制造的整齐表面,而是与采集条件、解剖对象和证据边界相匹配的研究数据。
研究与应用边界
本文讨论肝脏超声序列中的肝囊肿实例分割、操作性分级、标注质量与算法验证设计,不构成医疗建议、筛查意见、临床诊断、风险预测、治疗方案或疗效承诺。simple_cyst 与 complex_cyst 是项目化数据标签,不能替代病理、随访或具备资质医务人员基于完整资料作出的临床判断。文中技术示意不含真实患者样本,不代表任何实验已经完成、模型已经达到某项指标或系统已经获得监管批准。数据采集、脱敏、伦理审查、授权、跨机构共享、模型训练和部署均须遵守适用法律法规、质量管理制度与项目协议。
参考来源
- An updated review of cystic hepatic lesions
- The feasibility to use artificial intelligence to aid detecting focal liver lesions in real-time ultrasound: a preliminary study based on videos
- Improving artificial intelligence pipeline for liver malignancy diagnosis using ultrasound images and video frames
- Deep Learning-Based Medical Ultrasound Image and Video Segmentation: A Comprehensive Review of Methods, Datasets, and Challenges
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
- Assessing Inter-Annotator Agreement for Medical Image Segmentation
- DICOM PS3.3: Information Object Definitions
- An Organ-Guided Lightweight Multi-frame Integration Network for Real-Time Abdominal Lesion Detection in Ultrasound Video Streams

