2. 医学影像数据基础

做数据漂移监测，第一步不是选算法，而是把“监测对象”钉死。医学影像数据从设备产生到进入模型推理，中间会经过格式转换、归档、脱敏、标注、重采样等多个环节，每个环节都可能改变数据的统计分布。如果边界不清，漂移信号可能来自格式转换而非真实分布变化，导致误报。本节围绕 DICOM、NIfTI、PACS、影像模态、采集参数、标注格式与数据流，梳理漂移监测需要锁定的数据对象与字段。

一、DICOM：漂移监测的原始锚点

DICOM 是设备输出的原始格式，也是漂移监测最可靠的锚点。一个 DICOM 文件由文件元信息（File Meta Information）和数据集（Dataset）组成，数据集按标签（Tag）组织，常见标签包括：

• 患者与检查标识：PatientID (0010,0020)、StudyInstanceUID (0020,000D)、SeriesInstanceUID (0020,000E)、SOPInstanceUID (0008,0018)。这些是数据溯源与去重的主键。
• 采集参数：Modality (0008,0060)、Manufacturer (0008,0070)、KVP (0018,0060)、ExposureTime (0018,1150)、SliceThickness (0018,0050)、PixelSpacing (0028,0030)、Rows/Columns (0028,0010/0011)、BitsAllocated (0028,0100)、PhotometricInterpretation (0028,0004)。
• 重建与显示：RescaleSlope/Intercept (0028,1052/1053)、WindowCenter/Width (0028,1050/1051)、ImageOrientationPatient (0020,0037)、ImagePositionPatient (0020,0032)。

漂移监测应优先在 DICOM 层采集这些字段的分布。例如，KVP 从 120 kV 漂移到 100 kV，会直接改变 CT 图像的 HU 分布；SliceThickness 从 1 mm 变为 5 mm，会改变层间相关性。这些变化在像素层面可能表现为均值、方差、直方图形态的偏移，但根因在采集参数。因此，监测系统需要同时记录“参数分布”和“像素分布”，并建立两者的关联。

二、NIfTI：模型输入的实际载体

NIfTI 是神经影像与部分 AI 训练流程常用的格式，通常由 DICOM 转换而来。与 DICOM 不同，NIfTI 将三维或四维数据存储为单个文件（.nii 或 .nii.gz），头信息包含 dim、pixdim、datatype、scl_slope、scl_inter、qform/sform 等字段。转换过程中常见的操作包括：重采样、方向校正、强度归一化、层厚插值。这些操作会改变数据分布，因此漂移监测必须区分“DICOM 原始分布”与“NIfTI 转换后分布”。

例如，某 CT 数据集在 DICOM 层 HU 均值为 40±200，经过窗宽窗位截断到 [0,1] 后，NIfTI 层均值变为 0.35±0.18。如果监测系统只记录 NIfTI 层统计量，当窗宽窗位配置变化时，会被误判为数据漂移。正确做法是：在转换脚本中固定预处理参数，并将这些参数作为监测元数据一并记录。

三、PACS：数据流的枢纽与监测接入点

PACS 负责 DICOM 的存储、检索与传输，常见交互包括 C-STORE、C-FIND、C-MOVE、WADO-RS。漂移监测系统通常以“旁路”方式接入：从 PACS 拉取或订阅检查列表，按 StudyInstanceUID 获取影像，再在本地计算统计量。接入时需注意：

• 查询边界：按 Modality、StudyDate、BodyPartExamined 限定范围，避免全量拉取造成压力。
• 去重：同一 Study 可能包含多个 Series，需按 SeriesInstanceUID 去重，并排除定位像、剂量报告等非诊断序列。
• 时序对齐：漂移监测需要时间轴，应记录 StudyDate 与 StudyTime，并统一时区。

PACS 中的影像可能经过压缩（如 JPEG2000、JPEG-LS），有损压缩会轻微改变像素统计。监测时应记录 TransferSyntaxUID (0002,0010)，并对有损压缩序列单独分组分析。

四、影像模态与采集参数：漂移的物理来源

不同模态的漂移敏感参数不同。CT 关注 KVP、mAs、SliceThickness、重建核（ConvolutionKernel）；MRI 关注 FieldStrength、RepetitionTime、EchoTime、FlipAngle、序列类型（T1/T2/DWI）；X 光关注 ExposureIndex、Grid、Distance；超声关注探头频率、增益、深度。监测系统应按模态建立参数白名单，只采集与图像质量或诊断语义相关的字段。

以 CT 为例，若某月新增了一台设备，其重建核从 STANDARD 变为 SHARP，图像高频成分增加，像素梯度分布会明显右移。此时若只看像素均值，可能变化不大；但若监测梯度幅值直方图，就能捕捉到差异。这说明监测指标必须与采集参数联动设计。

五、标注格式：语义漂移的载体

标注格式直接影响模型训练目标，也是语义漂移的主要来源。常见格式包括：DICOM-SEG（像素级分割）、DICOM-RTSTRUCT（放疗结构）、NIfTI 掩膜、JSON/XML（检测框、关键点）、COCO 风格（2D 检测）。漂移监测需要关注：

• 标注者一致性：同一病例由不同标注者标注，边界差异可能被误判为数据漂移。
• 标签分布：阳性率、病灶大小分布、类别频率的变化。
• 标注版本：标注规范更新后，旧标签与新标签不可直接混合统计。

建议为每个标注任务维护“标注版本号 + 标注者ID + 标注时间”，并在漂移分析时按版本分组。

六、数据流与监测边界

综合以上环节，一条典型的医学影像 AI 数据流为：设备 → DICOM → PACS → 转换/预处理 → NIfTI/张量 → 标注 → 训练/推理。漂移监测应在关键节点设置“探针”，并明确每个探针的输入对象与输出指标。

图中给出了五个探针位置：探针A在 DICOM 层采集采集参数分布；探针B在 PACS 层检查序列完整性与压缩方式；探针C在转换层记录预处理参数；探针D在 NIfTI/张量层计算像素统计量；探针E在标注层统计标签分布。五个探针的输出统一进入漂移监测聚合层，按时间轴对齐后计算漂移评分，并支持根因归因。

七、监测对象边界清单

综合以上分析，本节建议将漂移监测的数据对象边界定义为以下清单，工程实现时可据此设计采集任务：

最后需要强调，漂移监测不是对单一指标的阈值判断，而是对“参数—像素—标签”三元关系的持续追踪。只有把 DICOM 标签、PACS 元数据、转换参数、NIfTI 统计量和标注分布放在同一时间轴上，才能区分“真实分布漂移”与“工程配置变化”，从而为后续的模型重训练、数据补采或流程修正提供可靠依据。