3. 多模态数据采集方案设计

多模态医学影像数据集的价值，取决于采集阶段能否把“临床问题—模态组合—时间关系—设备参数—协议文本”串成一条可执行的链路。方案设计不是简单罗列要采哪些序列，而是先回答：这批数据要支持什么临床任务，患者满足什么条件才能进入，哪些模态必须配对，时间上允许多大偏差，不同设备之间参数如何对齐，最终用什么协议约束技师操作，并在正式采集前用小规模预试验验证可行性。

一、从临床场景反推采集需求

临床场景定义应写成“任务—人群—输出”三要素。例如，若目标是研究急性缺血性卒中大血管闭塞的自动检出，任务输出是“闭塞位置与侧别”，目标人群是发病 24 小时内、完成 NCCT 与 CTA 的疑似卒中患者，核心模态组合为 NCCT + CTA，可选加做 CTP 或 DWI。若目标是肺结节良恶性分类，则需薄层胸部 CT（层厚 ≤1.25 mm）与随访病理结果，PET/CT 作为可选模态。场景定义越具体，后续纳入排除标准、模态组合和时间窗就越有依据。

场景定义还应明确采集边界：是前瞻性采集还是回顾性调取，是否允许缺失模态，是否要求同一患者多次随访。这些边界直接决定数据集的完整率和标注成本。

二、纳入与排除标准

纳入标准通常围绕疾病确诊依据、检查完成度、图像可评估性和随访可得性展开。排除标准则要覆盖影响图像质量与标签可靠性的因素，例如金属植入物导致的严重伪影、运动伪影不可校正、关键序列缺失、既往同部位手术史干扰判读、以及缺少金标准结果。

建议把标准写成可判定的条目，而不是模糊描述。例如“CT 层厚 ≤1.25 mm”可判定，“图像质量良好”不可判定，应改为“无影响诊断的明显运动伪影，且放射科医师评估为可诊断”。同时应记录排除原因码，便于后续统计筛选漏斗和评估选择偏倚。

三、模态组合策略

模态组合应遵循“最小充分集”原则：能支撑任务的最少模态组合优先，避免为追求数据丰富而引入大量缺失。常见策略有三类：互补型（如 CT 看骨与出血、MRI 看软组织）、验证型（如 PET/CT 用代谢信息验证 CT 形态）、时序型（如基线 CT 与随访 CT 对比生长）。

组合确定后要定义主模态与从模态。主模态是任务必需且缺失即排除的模态，从模态是可选增强项。例如卒中检出任务中 NCCT 与 CTA 为主模态，CTP 为从模态。这样在数据入库时可用“主模态完整率”和“从模态补充率”两个指标衡量数据集质量。

四、时间同步要求

多模态数据的时间关系直接影响临床解释。需要区分三种时间：检查间时间差、序列间时间差、以及生理信号同步时间差。对于卒中 CTA 与 NCCT，通常要求同一就诊次内完成，检查间时间差建议 ≤30 分钟；对于 PET/CT，PET 与 CT 的采集间隔应尽量短，并记录是否使用同一床位定位。对于动态增强 MRI，各期相与注射时刻的延迟必须按协议固定，例如动脉期 25–30 s、门脉期 60–70 s。

时间同步要求应写成可核查字段：检查日期时间、序列开始时间、注射时间、时间差计算结果。若时间差超出阈值，应标记为“时间不一致”并进入人工复核，而不是直接丢弃。

五、设备参数标准化

不同厂商、不同型号设备的参数差异会引入批次效应。标准化不是要求所有设备参数完全相同，而是要求关键参数落在统一范围内，并完整记录。以 CT 为例，需记录管电压（kVp）、管电流调制方式、重建核、层厚、层间距、螺距、重建视野。以 MRI 为例，需记录场强、序列类型、TR/TE、翻转角、体素尺寸、带宽、并行采集因子。

建议为每个模态建立参数模板，采集时由系统自动写入 DICOM 头，再在入库时抽取校验。若某设备无法满足模板，应记录偏差项并评估是否影响后续分析。

六、采集协议制定与预试验

采集协议应是一份可交给技师执行的文档，包含：患者准备、体位、扫描范围、序列顺序、对比剂方案、呼吸指令、图像重建与传输要求。协议中每个关键步骤都应有判定点，例如“若患者无法屏气，则改用自由呼吸序列并记录”。

预试验是方案设计的必要环节。建议选取 5–10 例符合标准的患者，按正式协议采集，重点观察：主模态完整率、时间差分布、参数偏差率、伪影发生率、技师操作耗时。预试验后召开复盘会，针对偏差最大的环节修订协议。例如若发现 CTA 与 NCCT 时间差中位数为 45 分钟，则需调整预约流程或放宽阈值并说明理由。

七、可直接使用的采集方案检查表

以下检查表可用于方案评审或预试验前自查，字段按本节任务设计，可直接填写：

综上，多模态数据采集方案设计的核心是把临床问题翻译成可执行的采集约束，再用预试验验证约束是否成立。方案文档应包含场景定义、纳入排除标准、模态组合与主从关系、时间同步阈值、设备参数模板、采集协议和预试验报告七个部分，每一部分都留下可核查的记录字段。只有这样，后续的数据清洗、标注和模型训练才有稳定的输入基础。