1. 课程导入与工程全景
3D医学影像标注与审核工程，是把放射科医师的临床判断转化为可训练、可验证、可追溯的结构化数据资产的一整套工程方法。它研究的对象不是"某一张片子画得好不好"，而是从原始DICOM序列进入标注平台，到标注结果通过审核、进入数据集版本库的完整链路：谁来做、按什么标准做、用什么工具做、做完如何判定合格、不合格如何返修、合格后如何冻结版本。理解这条链路，是后续所有标注技能、审核规则与质量指标的前提。
一、它到底在做什么
医学影像标注的产物通常有三类：体素级掩膜（如肝脏、肿瘤、出血灶的三维分割）、几何测量（如病灶长径、体积、CT值区间）、语义标签（如病灶良恶性分级、肺结节类型）。与2D自然图像标注最大的差别在于：3D数据存在层间连续性，一个器官在轴位、冠状位、矢状位上必须同时自洽；标注者面对的是几十到几百层切片，任何一层"跳变"都会破坏三维结构的拓扑正确性。
因此，工程化的核心不是"画得快"，而是把主观判断约束到可复现的规则上。例如一个肺结节分割任务，需要事先约定：窗宽窗位用肺窗还是纵隔窗、是否包含胸膜牵拉、结节与血管粘连处如何切分、最小可标注直径是多少。这些约定写成标注规范（Annotation Protocol），才是工程可交付的基础。
二、核心价值：为什么必须工程化
标注数据直接决定AI模型的能力上限。工程化带来三重价值：
- 一致性：多位标注者对同一病例的Dice相似系数（DSC）应稳定在约定阈值以上，例如器官分割要求DSC≥0.90，小病灶可放宽至0.75。一致性不足，模型学到的就是噪声。
- 可追溯：每个掩膜都要能回答"谁在什么时间、用什么版本规范、基于哪版原始序列标注的"。出现争议时可回溯、可复现。
- 可审核：审核不是"再看一眼"，而是有明确检查项与判定阈值的独立工序，与标注分离，避免自证清白。
三、典型应用场景
不同场景对标注精度和审核强度的要求差异很大，工程上必须区别对待：
| 场景 | 典型标注对象 | 精度要求 | 审核重点 |
|---|---|---|---|
| 放疗靶区勾画 | GTV/CTV/PTV、危及器官 | 极高，直接影响剂量 | 边界与临床协议一致性、双人复核 |
| 手术规划 | 肝脏分段、血管、肿瘤 | 高，需拓扑正确 | 血管连通性、分段完整性 |
| AI训练数据集 | 器官、病灶分割掩膜 | 中高，批量一致性优先 | 抽样审核、DSC统计、标签分布 |
| 疗效评估 | 病灶长径、体积变化 | 中，测量可重复 | 测量方法统一、时间点对齐 |
四、完整工作流与角色分工
一条标准链路包含六个环节：数据接入与脱敏 → 任务分派 → 标注 → 审核 → 返修与仲裁 → 版本冻结与交付。数据接入阶段要完成DICOM去标识（去除患者姓名、ID、检查日期等PHI字段），并校验序列完整性；分派阶段按解剖部位、难度、标注者资质匹配任务；标注与审核严格分离；返修必须回到原标注者并记录修改原因；版本冻结时生成数据清单与质量报告。
角色上通常设四类：标注员（执行勾画与测量）、审核医师（独立判定合格与否）、仲裁专家（处理审核争议）、工程/质控人员（维护规范、工具、版本与指标看板）。小团队可一人多角色，但"标注者不得审核自己的任务"这条红线不能破。
五、工作流全景图
下图把上述链路、角色与关键判定点放在同一张图上，便于建立整体认知。注意审核环节的两个出口：合格进入版本冻结，不合格回到标注者返修，形成闭环。
这张图里最容易被忽视的是"返修与仲裁"环节。很多团队把审核不通过直接退回重画，却不记录不合格原因，导致同类错误反复出现。正确做法是给每次返修打上原因标签（如"边界超出病灶""漏标子病灶""层间跳变"），按月统计原因分布，反哺标注规范与培训。当某类原因占比持续超过15%，说明规范本身需要修订，而不是标注员不认真。
最后要建立的一个观念是：标注与审核是两条独立的质量防线，不是一道工序的两个名字。标注员对"画得准"负责，审核医师对"判定合格"负责，工程人员对"规则可执行、过程可追溯"负责。三者职责清晰，数据才具备进入模型训练或临床研究的资格。