肝细胞癌MRI病灶标注面临多重技术挑战，传统标注方式难以满足AI模型训练对数据质量和一致性的严格要求
肝细胞癌需结合T2WI、T1动脉期、静脉期、延迟期四序列综合判断肿瘤位置及边界，对标注人员的医学影像学知识要求极高。
HCC常表现为浸润性边界，肿瘤与正常肝实质交界模糊，尤其在紧贴门静脉、肝静脉等大血管时，精确勾画极具挑战。
需从肿瘤出现的第一层逐层勾画至消失的最后一层，多发病灶需独立标注，传统人工标注耗时长、一致性差。
医疗影像数据涉及患者隐私，需严格遵循脱敏处理规范，同时保障DICOM元数据完整性不被破坏。
HCC MRI 影像数据集覆盖完整的临床影像序列与结构化标注，可直接用于肝癌检测、分割及分类模型的训练与验证
| 字段类别 | 字段名称 | 说明 |
|---|---|---|
| 影像数据 | t2wi.nii.gz | T2加权成像序列影像 |
| arterial.nii.gz | T1动脉期增强影像 | |
| venous.nii.gz | T1门静脉期增强影像 | |
| delayed.nii.gz | T1延迟期增强影像 | |
| 标注数据 | mask.nii.gz | 像素级肿瘤分割标注Mask（与t2wi配准） |
| 临床元数据 | patient_id | 脱敏患者ID |
| age_group | 年龄段（脱敏处理） | |
| gender | 性别 | |
| tumor_count | 病灶数量（单发/多发） | |
| max_diameter_mm | 最大病灶直径（mm） | |
| scan_params | 扫描参数（层厚/矩阵/场强等） |
包含肿瘤实体区域、瘤内坏死/液化区、穿行血管及可见包膜，不在肿瘤内部"挖洞"。多发病灶逐独立勾画。
清晰边界沿肿瘤-正常肝实质界面精确勾画；浸润性边界参考全部四序列综合判断；呼吸伪影区域参考上下层面推断。
标注员自检(≥95%准确率) → 质检组抽样(召回率≥90%) → 医学专家终审。Dice系数≥0.92方可通过验收。
HCC MRI 影像数据集适用于多种AI医疗研究与应用方向，加速临床AI产品研发周期
基于多时相增强MRI的肝细胞癌自动检测模型训练，利用四序列互补特征提升早期小肝癌（<2cm）的检出敏感度，降低假阳性率。
U-Net / nnU-Net / Swin-UNETR 等语义分割模型训练，实现肿瘤边界的像素级自动勾画，为手术规划、介入治疗提供精确的3D体积测量。
结合多序列影像特征与临床元数据的分类模型开发，辅助鉴别HCC与肝血管瘤、FNH等良性病变，提升术前无创诊断准确率。
结合治疗前后影像的纵向对比分析，训练TACE/消融/靶向治疗疗效预测模型，辅助临床制定个性化治疗方案。
支持MRI多序列与CT、超声等多模态影像配准融合研究，探索跨模态特征互补在肝癌综合诊断中的价值。
为医学院校及科研机构提供标准化HCC影像教学资源，支持影像组学特征提取、深度学习算法验证等学术研究。
以下为数据集元数据与标注信息的脱敏样例，展示实际交付数据格式
{
"dataset": "HCC-MRI-v2.1",
"patient": {
"patient_id": "P2024_08A3F7",
"age_group": "50-59",
"gender": "M",
"tumor_count": 1,
"max_diameter_mm": 34.5,
"location_segment": "VIII",
"li_rads_category": "LR-5"
},
"imaging": {
"modality": "MRI",
"field_strength_t": 3.0,
"sequences": [
"t2wi",
"arterial",
"portal_venous",
"delayed"
],
"slice_thickness_mm": 5.0,
"matrix": [512, 512],
"pixel_spacing_mm": [0.703, 0.703]
},
"annotation": {
"method": "AI_prelabel + expert_refine",
"quality_level": "Level_3_expert_reviewed",
"dice_score": 0.948,
"annotator_id": "ANN_M027",
"reviewer_id": "REV_S012",
"annotation_date": "2025-03-15"
},
"file_structure": {
"imaging_dir": "P2024_08A3F7/images/",
"mask_dir": "P2024_08A3F7/masks/",
"format": "NIfTI (.nii.gz)"
}
}P2024_08A3F7/
├── images/
│ ├── t2wi.nii.gz # T2加权成像
│ ├── arterial.nii.gz # T1动脉期增强
│ ├── venous.nii.gz # T1门静脉期增强
│ └── delayed.nii.gz # T1延迟期增强
├── masks/
│ ├── t2wi_mask.nii.gz # 病灶分割标注
│ ├── arterial_mask.nii.gz
│ ├── venous_mask.nii.gz
│ └── delayed_mask.nii.gz
└── metadata.json # 临床元数据
总计: 9 文件 / 患者
影像大小: ~45-80 MB (压缩 .nii.gz)
标注方式: 逐层像素级分割
标注精度: Dice ≥ 0.92注：以上为脱敏样例数据，实际交付数据包含完整的 DICOM/NIfTI 医学影像及对应标注文件。
数据获取需签署《数据使用协议》并遵守相关法律法规。
构建医院、数据平台、AI企业三方协同的肝癌影像标注生态，推动肝癌AI辅助诊断技术产业化落地
提供高质量肝癌MRI原始影像数据，由影像科医师参与标注规则制定与专家终审，保障标注结果的临床准确性与医学合理性。
提供专业的数据脱敏、格式转换、标注工具与质控平台，配备具有医学背景的专业标注团队，保障数据全流程安全合规。
获取高质量标注数据用于肝癌检测、分割、分期AI模型训练，通过模型验证反馈优化标注标准，形成数据-模型迭代闭环。
六步标准化流程，从DICOM数据接收到NIfTI格式交付，全链路质量可控
接收医疗机构提供的肝脏MRI原始DICOM格式数据，加载患者所有序列后进行严格的个人信息脱敏处理。移除患者姓名、身份证号、住院号等直接标识符，同时保留影像诊断所需的关键DICOM元数据（如扫描参数、层厚、矩阵大小等），保障数据可用性与隐私安全的平衡。
对T2WI、T1动脉期、静脉期、延迟期四序列影像进行标准化预处理，包括统一像素间距、层厚归一化、多序列空间配准等。保障各序列影像在同一坐标系下精确对齐，为后续跨序列综合判断肿瘤边界提供可靠基础。
由具备医学影像学背景的专业标注团队，在基准序列横断面上逐层勾画所有肉眼可见、具有HCC影像特征的实体肿瘤部分。标注范围严格遵循以下规范：
针对肝细胞癌标注中富有挑战性的边界判定问题，采用多序列综合判断策略：
采用业界前列的三级质检机制，保障每一份标注数据的临床可靠性：
标注完成后进行多序列对比核对，保障各期序列标注匹配一致，准确率≥95%
质检团队对标注结果进行抽样审核，重点检查边界精度、多发病灶完整性，召回率≥90%
由肝胆外科或影像科专家进行最终审核，争议案例由多学科会诊确定标注结果
将原始序列及标注结果统一保存为NIfTI格式（.nii.gz），以每一份文件ID命名，保障数据可追溯性。交付内容包括：
深耕医疗AI数据标注领域，具备完整的肝癌影像标注能力体系
标注人员均具备医学影像学或临床医学背景，熟悉肝脏MRI解剖结构与HCC典型影像表现，保障标注的医学准确性。
基于深度学习的预标注模型自动生成初始轮廓，人工精修效率提升60%以上，同时保障标注一致性。
通过ISO 27001信息安全认证，全流程数据加密传输与存储，严格遵循医疗数据隐私保护法规。
专属项目经理对接，从需求沟通、标注规则制定、进度跟踪到交付验收，提供端到端的项目管理服务。
依托朗慧数据标注众包平台，可快速调配标注资源，支持从百例到万例级别的项目规模弹性扩展。
根据AI模型训练反馈持续优化标注标准，建立数据-模型-标注的正向迭代循环，持续提升数据质量。
无论您是医疗AI研发企业、医疗机构还是科研院所，朗慧科技都能为您提供专业的肝细胞癌MRI病灶标注定制化服务