2. 医学影像数据来源与模态特性
医学影像数据质量验证的第一个关键认知是：不同模态的“质量”定义并不相同。CT 的噪声与剂量、MRI 的信噪比与伪影、PET 的计数统计与衰减校正、超声的声束角度与增益、X 光的曝光指数与散射，各自对应不同的物理机制和验证指标。如果对所有模态套用同一套质量规则，验证结论往往失真。因此，理解各模态的成像原理、数据格式及其对质量验证的特定要求，是建立一致性验证体系的前提。
成像原理决定质量维度
CT 通过 X 射线管旋转照射人体，探测器采集衰减后的投影数据，经滤波反投影或迭代重建得到断层图像。其像素值以 HU（Hounsfield Unit）表示，反映组织对 X 射线的线性衰减系数。质量验证关注噪声标准差、空间分辨率、层厚准确性、CT 值线性度以及剂量指数（CTDIvol、DLP）。由于 HU 具有物理定义，CT 的跨设备一致性验证相对可行，但需注意重建核（kernel）不同会显著改变噪声纹理和边缘表现。
MRI 依赖静磁场、梯度磁场和射频脉冲，通过激发氢质子并采集自由感应衰减信号，经 K 空间填充和傅里叶变换重建图像。MRI 没有统一的物理量纲，信号强度是相对值，受线圈灵敏度、序列参数（TR、TE、翻转角）、接收带宽等影响。质量验证重点包括信噪比（SNR）、对比噪声比（CNR）、几何畸变、射频场均匀性、伪影（运动、卷折、拉链、化学位移）以及多中心间的信号强度归一化问题。同一解剖结构在不同设备、不同序列下可能呈现完全不同的灰度，因此 MRI 的一致性验证通常依赖体模或参考组织。
PET 基于正电子湮灭产生的成对 511 keV 光子，通过符合探测定位湮灭事件，经衰减校正、散射校正、随机校正和迭代重建生成放射性浓度分布图。其数据本质是计数统计，噪声服从泊松分布，低计数区域信噪比差。质量验证关注标准化摄取值（SUV）的准确性、衰减校正精度、散射分数、随机符合比例、部分容积效应以及不同扫描仪之间的 SUV 可比性。PET 常与 CT 或 MRI 融合，融合配准误差也是验证对象。
超声使用高频声波脉冲，通过组织界面反射回波成像。其图像质量高度依赖操作者手法、探头频率、声束入射角度、增益、时间增益补偿（TGC）和聚焦设置。质量验证包括分辨率、穿透深度、对比度、均匀性、几何测量准确性以及图像标注完整性。超声数据通常以 DICOM 或私有格式存储，动态范围大、帧间差异明显，自动质量评估难度较高。
X 光（DR/CR）通过平板探测器捕获穿透人体后的 X 射线强度，直接转换为数字信号。质量验证关注曝光指数（EI）、偏差指数（DI）、空间分辨率、对比度、均匀性和伪影。由于 X 光图像是二维投影，结构重叠会掩盖病灶，验证时需结合解剖部位和曝光条件判断。
数据格式与元数据差异
上述模态在临床中普遍以 DICOM 格式存储，但 DICOM 只是容器，不同模态的 SOP Class、私有标签和像素编码方式差异很大。CT 的像素值需通过 Rescale Slope/Intercept 转换为 HU；PET 需通过 Radiopharmaceutical Information Sequence 和 Units 标签确定 SUV 计算方式；MRI 的像素值通常无物理量纲，需依赖序列和线圈信息；超声可能使用私有压缩或原始射频数据；X 光的 Presentation LUT 会影响显示效果。质量验证必须检查关键元数据是否完整、单位是否一致、几何信息（Image Position、Pixel Spacing、Slice Thickness）是否准确，否则后续定量分析会引入系统误差。
对质量验证的特定要求
从验证工程角度看，各模态的检查项应分层设计。第一层是元数据完整性：所有模态都需确认患者信息、检查信息、序列信息和几何信息齐全且逻辑自洽。第二层是像素级质量：CT 检查 HU 稳定性与噪声，MRI 检查 SNR/CNR 与伪影，PET 检查 SUV 恢复系数与均匀性，超声检查分辨率与增益一致性，X 光检查 EI/DI 与均匀性。第三层是跨设备一致性：同一模态不同扫描仪之间，需通过体模或参考对象建立可比性，例如 CT 用 Catphan 体模验证 HU 线性，MRI 用 ACR 体模验证 SNR 和几何畸变，PET 用 NEMA IEC 体模验证 SUV 恢复。
此外，不同模态的数据体量差异也影响验证策略。CT 和 MRI 单次检查可达数百 MB 至数 GB，PET 全身扫描数据量更大，超声和 X 光相对较小。验证系统需支持流式读取和分块处理，避免全量加载导致内存溢出。对于多中心研究，还需考虑 DICOM 标签的厂商私有扩展差异，建议在验证前统一做标签映射和归一化处理。
总结来说，模态特性决定了质量验证的维度、指标和容差。CT 看 HU 与剂量，MRI 看 SNR 与畸变，PET 看 SUV 与校正，超声看操作一致性与分辨率，X 光看曝光与均匀性。只有把模态物理机制、数据格式和验证指标对应起来，才能设计出真正有效的一致性验证方案。