3. 分割标注与数据管理

在医学影像分割项目中，算法模型的上限往往由数据质量决定。一个 Dice 系数长期卡在 0.85 上不去的分割模型，问题通常不在网络结构，而在标注边界模糊、类别定义不一致、训练集与验证集存在患者级泄漏，或者标注版本与训练版本对不上。本节围绕“从原始影像到可训练数据集”这条链路，讲清楚标注工具选型、标注规范制定、多专家一致性评估、数据清洗、数据集划分与版本管理这六个环节的实际做法。

一、标注工具：按标注形态与协作方式选型

医学影像分割标注工具大致分三类。第一类是通用二维标注工具，如 LabelMe、CVAT、Label Studio，适合 CT/MR 单层切片、超声、病理切片的区域勾画，支持多边形、掩膜笔刷、SAM 辅助分割，部署简单，适合小团队快速起步。第二类是医学影像专用工具，如 3D Slicer、ITK-SNAP、MITK，原生支持 DICOM、NIfTI 体数据，可在冠状面、矢状面、横断面三视图联动勾画，适合器官、病灶的三维分割。第三类是云端协作平台，支持任务分发、角色权限、标注-审核双盲流程，适合多中心、多专家的大规模项目。

选型时重点看四个能力：是否原生读取 DICOM 并保留窗宽窗位、是否支持三维插值勾画、是否支持多标注者独立标注同一病例、是否可导出标准格式（NIfTI、NRRD、DICOM-SEG）。以肝脏肿瘤分割为例，若只做单层评估可用 CVAT，但要做体积测量和三维重建，ITK-SNAP 或 3D Slicer 更合适。

二、标注规范：把“边界在哪”写成可执行文档

标注规范的核心是把临床共识翻译成可复现的操作规则。一份可用的规范至少包含：类别定义与包含/排除标准、边界勾画规则、层间处理规则、特殊情形的处理约定、标注顺序与命名规则。

以“肝脏肿瘤分割”为例，规范可写成：肿瘤区域指动脉期强化、门脉期廓清的可疑恶性病灶；肿瘤与正常肝实质边界以病灶边缘最外缘为准；若病灶与血管紧贴，血管腔不计入肿瘤；直径小于 5 mm 的病灶单独标记为 small_lesion 类别；每例标注从病灶最大层面开始，向上下逐层勾画，层间跳变不超过 3 mm。这些规则越具体，标注者之间的分歧就越小。

三、多专家一致性与一致性评估

医学影像标注存在主观性，单专家标注无法反映这种不确定性。常用做法是让 2～3 位专家独立标注同一批病例，再计算一致性指标。分割任务常用 Dice 系数和 Hausdorff 距离：Dice 衡量重叠度，Hausdorff 衡量边界最大偏差。一般要求专家间 Dice 不低于 0.85，若低于 0.75 说明规范存在歧义，需要回到规范修订。

对于分歧区域，可采用多数投票或 STAPLE 算法生成概率图，把专家分歧转化为模型可学习的不确定性信息。若项目允许，也可保留多专家标注作为软标签，训练时对分歧区域降低损失权重。

四、数据清洗：把“脏数据”挡在训练之前

标注完成后不能直接训练，必须先做清洗。常见问题与处理方式如下：

• 空标注或全背景：检查是否漏标，若确认为阴性病例，单独归入阴性集，不参与阳性分割训练。
• 重复病例：同一患者多次检查可能被误当作独立样本，需按患者 ID 去重，避免训练集与验证集泄漏。
• 标签越界：标注区域超出影像边界，通常是勾画时误操作，需裁剪或重新标注。
• 层间跳变：相邻层标注面积突变超过阈值（如 50%），提示可能漏层或错层，需人工复核。
• 强度异常：CT 值超出预期范围（如肝脏平扫约 40～70 HU），可能是窗宽窗位错误或序列选错。
• 方向与仿射矩阵错误：NIfTI 的 qform/sform 不一致会导致左右翻转，必须统一到标准方向（如 RAS）。

清洗后应生成一份数据卡，记录每例的清洗状态、剔除原因、剩余样本量。这一步看似繁琐，但能避免“训练集里混入错误标签导致模型学到噪声”这类隐蔽问题。

五、数据集划分：患者级划分是底线

医学影像数据划分最容易被忽视的是患者级泄漏。同一患者的不同层面、不同期相若被分到训练集和验证集，模型会“记住”患者特征，验证指标虚高。正确做法是按患者 ID 划分，常用比例 7:1:2 或 8:1:1。若阳性样本少，应采用分层抽样，保证训练、验证、测试集中阳性比例接近。

划分后应固定随机种子并保存划分清单（CSV 或 JSON），记录每例所属集合。这样后续换模型、换超参时，划分不变，指标才可比。

六、版本管理：让数据与模型可追溯

数据版本管理要解决三个问题：当前训练用的是哪一版数据、这一版数据相比上一版改了什么、某个模型指标对应哪一版数据。推荐做法是用 DVC 管理大文件，Git 管理划分清单和配置文件，每次数据变更生成新版本号并记录变更日志。

dataset/
├── v1.0/
│   ├── images/          # NIfTI 影像
│   ├── labels/          # 分割标签
│   ├── splits.json      # 患者级划分清单
│   └── data_card.md     # 数据卡：来源、标注者、一致性、清洗记录
├── v1.1/
│   ├── ...              # 修订规范后重新标注的版本
└── dvc.yaml             # DVC 流水线定义

版本号建议采用“主版本.次版本”形式：主版本变更表示标注规范或类别定义改变，次版本变更表示新增病例或修正个别标注。训练脚本中应显式记录数据版本哈希，使模型权重与数据版本一一对应。

把上述六个环节串起来，就形成了一条从原始 DICOM 到可训练数据集的完整链路：工具选型决定标注效率，规范决定标注质量，一致性评估暴露分歧，数据清洗剔除噪声，患者级划分保证评估可信，版本管理保证实验可复现。这条链路做扎实，后续的模型训练与调优才有意义。