1. 课程导入与平台定位
医学影像标注平台并不是把通用图像标注工具“换个皮肤”那么简单。它的服务对象是放射科医师、影像技师、临床研究者、算法工程师与数据治理人员，处理对象是 DICOM 序列、多模态影像和结构化诊断信息，产出物既要能训练模型，也要能回溯到临床语义。理解这一点，才能在设计之初把平台边界划清楚。
一、核心价值：把“影像—标注—模型—临床”串成闭环
医学影像标注平台的核心价值，可以概括为三件事：把临床知识结构化、把标注过程可追溯、把数据资产可复用。以肺结节标注为例，医师在 CT 序列上勾画结节轮廓时，平台需要同时记录：结节所在层面、长径与短径、密度类型（实性/磨玻璃/部分实性）、良恶性倾向、随访建议。这些字段不是装饰，而是后续模型训练标签、科研统计变量和质控依据。
如果只用一个通用标注工具画多边形，上述信息会散落在文件名、备注或外部表格里，无法形成可查询、可审计的数据资产。平台的价值就在于把“画框”升级为“带语义的医学对象”。
二、典型用户角色与职责边界
平台通常涉及五类角色，各自关注点不同：
- 标注医师：完成病灶勾画、分类与测量，关注操作效率、快捷键、窗宽窗位联动。
- 审核医师：复核标注一致性，关注版本对比、争议标记、驳回理由。
- 项目管理员：分配任务、设定标注规范、监控进度与质量指标。
- 算法工程师：导出训练集、验证集，关注标签格式、坐标系、脱敏合规。
- 数据治理/合规人员：关注患者隐私、访问审计、数据留存与销毁策略。
角色边界必须在权限模型中体现。例如，标注医师可以修改自己任务内的标注，但不能删除审核通过的版本；算法工程师可以导出脱敏后的数据，但不能查看患者姓名与住院号。
三、与通用标注工具的差异
通用标注工具（如 LabelImg、CVAT 基础版）擅长矩形框、多边形和分类标签，但医学影像场景有几个硬性差异：
| 维度 | 通用标注工具 | 医学影像标注平台 |
|---|---|---|
| 数据格式 | PNG/JPG | DICOM 序列、多帧、多模态 |
| 空间参照 | 像素坐标 | 患者坐标系、层面位置、像素间距 |
| 标注对象 | 框、多边形、关键点 | 病灶、器官、测量值、结构化报告 |
| 审核机制 | 通常无 | 双盲/多轮审核、版本追溯 |
| 合规要求 | 弱 | 脱敏、审计、权限分级 |
因此，平台设计不能只做“标注画布”，还要做数据接入、任务调度、质控审核、导出交付四条链路。
四、整体设计目标与实施边界
设计目标建议聚焦四条：临床可用（符合阅片习惯）、数据可信（可追溯、可审计）、工程可扩展（支持多模态、多任务）、合规可落地（脱敏与权限）。实施边界则要明确“不做什么”：平台不替代 PACS 的影像存储与诊断报告功能，不直接做临床诊断决策，也不承担模型训练本身的算力调度。平台是“标注与数据资产化”的中间层。
五、一个可参考的最小任务闭环
以“胸部 CT 肺结节标注”为例，平台最小闭环可以这样跑通：
- 数据接入：从 PACS 或对象存储拉取 DICOM 序列，完成脱敏（去除 PatientName、PatientID 等字段），生成内部 StudyUID。
- 任务分配：管理员按结节所在层面范围切分任务，分配给标注医师，设定截止时间与审核人。
- 标注执行：医师在轴位、冠状位、矢状位联动视图中勾画结节，填写长径、短径、密度类型、随访建议。
- 审核质控：审核医师对比标注版本，检查勾画边界与字段一致性，通过或驳回并填写理由。
- 导出交付：算法工程师按项目导出 JSON/CSV 标签与脱敏影像，记录导出时间、操作人与数据版本。
这个闭环中，每一步都产生可追溯记录。平台设计时，应把“谁、在什么时间、对哪份数据、做了什么操作、结果如何”作为审计日志的基本字段。
六、实施边界与常见误区
最后强调三个常见误区。第一，把平台做成“标注工具+数据库”，忽略审核与版本，导致数据无法用于科研或监管。第二，过早追求全自动预标注，但基础标注规范与质控流程尚未稳定，反而增加返工。第三，忽视脱敏与审计，导致数据无法合规出域。
建议的推进顺序是：先跑通“单模态、单病种、双人审核”的最小闭环，再逐步扩展多模态、多任务与预标注能力。平台定位清晰之后，后续的架构设计、数据模型与接口规范才有稳定的锚点。