3. 器官分割标注工程

器官分割模型的性能上限，很大程度上由标注数据的质量决定。标注工程不是“找几个人勾画轮廓”这么简单，它是一条从规范制定、工具选型、一致性评估到质量控制与数据清洗的完整链路。本节围绕这条链路，讲清楚每一步实际怎么做、关键参数如何设定、结果如何判断。

一、标注规范制定：把临床共识翻译成可执行规则

标注规范的核心是把“器官边界在哪里”这种模糊的临床判断，转化为标注员可以一致执行的规则。一份可用的分割标注规范通常需要明确以下要素：

• 标注对象定义：以肝脏为例，需说明是否包含胆囊窝、是否包含肝门血管周围组织、尾状叶是否单独标注。
• 边界规则：规定在部分容积效应明显的层面，边界应贴靠哪一侧；相邻器官（如肝与胃、脾）接触时如何划分。
• 包含与排除清单：明确血管、胆管、钙化灶、金属伪影是否纳入器官掩膜。
• 特殊情形处理：如器官切除术后、肿瘤侵犯导致边界消失、呼吸运动伪影等，给出“跳过该层面”“按解剖推测补全”或“标记为不确定”的处置方式。
• 标注粒度：逐层勾画还是间隔层面插值，层厚与重建间隔不一致时以哪一层为准。

规范制定应让至少两名高年资医师独立试标 3～5 例，统计分歧点，再回写规范。这一步的产出不是文档本身，而是“分歧清单 + 裁决规则”。

二、标注工具选型：按任务形态匹配能力

工具选型要围绕三个维度判断：标注形态（2D 逐层、3D 体素、多模态配准）、交互方式（手动、半自动、AI 辅助）、工程集成（格式导出、版本管理、权限与审计）。

选型时务必验证导出格式是否满足训练需求，例如 NIfTI、NRRD 或 DICOM-SEG，并确认标签值与器官的映射关系是否稳定。若工具导出的掩膜存在方向矩阵丢失或层序颠倒，后续训练会出现“标签与影像错位”的隐蔽错误。

三、多专家标注一致性评估

一致性评估用于回答两个问题：标注员之间是否可复现，以及标注结果与参考标准差距多大。分割任务常用指标包括 Dice 相似系数、Jaccard 系数、Hausdorff 距离（HD）和平均表面距离（ASD）。

Dice 的计算方式为：Dice = 2|A∩B| / (|A|+|B|)，取值 0～1，越接近 1 越一致。对肝脏这类大器官，Dice 通常要求达到 0.90 以上；对胰腺、肾上腺等小器官，0.80 左右已属较好。HD 对边界离群点敏感，适合发现“某几层突然外扩”的错误。

实际操作中，建议抽取 10%～20% 的病例做双人独立标注，计算指标并绘制 Bland-Altman 图或箱线图。若某器官 Dice 低于阈值，应回到规范定位分歧层面，而不是直接进入仲裁。

四、质量控制与数据清洗

质控分为自动筛查与人工复核两层。自动筛查可快速发现明显异常：

• 体积异常：与同器官参考体积分布比较，偏离均值 ±20% 触发复核。
• 连通域异常：肝脏应为主连通域，若出现大量孤立小连通域，可能是误勾或工具碎片。
• 层间跳变：相邻层面面积突变超过设定比例，提示漏层或错层。
• 标签越界：掩膜超出影像有效范围，或标签值不在约定集合内。

人工复核建议采用“抽查 + 重点复查”策略：随机抽查 5% 病例，对自动筛查命中的病例全部复查。复查时对照原始影像与规范，判断是标注错误还是规范未覆盖的新情形。

数据清洗阶段要统一几何信息。常见问题包括：不同设备导出的方向矩阵不一致、层厚与重建间隔不匹配、掩膜与影像的仿射矩阵未同步。清洗流程可参考以下伪代码：

for case in dataset:
    img, mask = load(case)
    assert img.affine == mask.affine        # 方向矩阵一致
    assert mask.labels ⊆ {0,1,2,...}        # 标签合法
    mask = keep_largest_cc(mask, organ)     # 保留主连通域
    mask = fill_holes(mask)                 # 填补内部空洞
    img, mask = resample(img, mask, target_spacing)
    save(case, img, mask)

最后按患者划分训练集、验证集与测试集，避免同一患者的不同层面同时出现在训练和测试中，否则评估结果会被高估。完成清洗后，应输出一份数据卡：病例数、器官标签分布、体素间距范围、排除原因统计，作为后续训练与复现的依据。