2. 医学影像数据基础与多中心异质性

多中心医学影像模型验证的核心困难，往往不在模型结构本身，而在数据。同一套模型在 A 院表现良好、在 B 院明显下降，最常见的原因不是算法失效，而是两站数据在模态、协议、设备、人群四个维度上并不等价。理解这些差异如何进入像素、又如何转化为“站点效应”，是设计验证方案的前提。

一、影像模态：先明确“同一任务”是否可比

模态决定了图像所承载的物理信息。CT 反映 X 射线衰减系数（HU），MRI 反映质子密度与弛豫时间，超声反映声阻抗界面，PET 反映放射性示踪剂分布。多中心验证中，模态层面的异质性有三类：

• 模态不同：如 A 站用增强 CT、B 站用 MRI 评估同一病灶，此时模型输入分布根本不同，通常不能直接合并验证，只能做分层评估。
• 模态相同但序列/参数不同：如 MRI 的 T1WI、T2WI、DWI、FLAIR 属于不同对比度，混用会引入系统性偏差。
• 模态相同但重建方式不同：如 CT 的滤波反投影（FBP）与迭代重建（IR），同一患者同一扫描会得到不同噪声纹理。

因此第一步不是“把数据放一起”，而是建立模态清单：每个站点、每个任务、每种序列的样本量、层厚、像素间距、窗宽窗位。只有清单对齐，后续比较才有意义。

二、采集协议：参数差异如何进入像素

采集协议是异质性最密集的来源。以 CT 为例，管电压（kVp）改变会改变 HU 与噪声；管电流（mAs）影响量子噪声；层厚（如 1 mm 与 5 mm）影响部分容积效应；重建核（如软组织核与骨核）影响边缘锐度。MRI 中，TR/TE 决定对比度，翻转角影响信号强度，并行采集因子影响信噪比与伪影。这些参数并非“设置项”，而是直接改变像素统计分布。

一个可操作的判断是：若两站同一模态的像素强度直方图与噪声功率谱差异显著，则模型在特征层面对应的响应也会偏移。验证前应至少记录：设备型号、扫描协议名称、kVp/mAs、层厚、重建核、TR/TE、场强、线圈类型。缺失这些字段，后续无法解释性能下降来自哪里。

三、设备差异：同一协议在不同机器上并不相同

即使协议名称一致，不同厂商、不同代际设备的探测器效率、散射校正、迭代重建强度、金属伪影抑制算法都不同。常见现象是：A 站 GE 设备与 B 站 Siemens 设备采用“相同”腹部协议，但 B 站图像更平滑、噪声更低，导致依赖纹理的模型在 B 站假阴性升高。

设备差异还体现在几何与标定上：像素间距、床高、重建视野（FOV）、层间距是否连续。若模型使用绝对尺寸特征（如病灶直径毫米数），FOV 与像素间距不一致会直接造成尺度误差。因此跨站验证必须统一到物理坐标，而不是像素坐标。

四、人群分布：病例构成改变先验概率

站点效应不仅来自机器，也来自人。不同医院的转诊结构、疾病谱、年龄分布、合并症比例不同。例如 A 站为肿瘤专科医院，B 站为综合医院，同一“肺结节”任务中，B 站良性结节比例更高，模型阈值不变时假阳性会上升。人群分布差异会改变患病率，进而改变阳性预测值，即使敏感度、特异度不变，临床可用性也会变化。

此外，扫描体位、呼吸配合、对比剂使用习惯、图像后处理流程也属于人群—流程耦合因素。验证报告中应给出各站点的年龄、性别、疾病亚型、病灶大小分布，用于判断性能差异是否可由病例构成解释。

五、站点效应：从“差异”到“可测量的偏移”

站点效应（site effect）指站点身份本身对模型输出或性能产生的系统性影响。它可由模态、协议、设备、人群中的一项或多项叠加形成。工程上常用两种方式观察：

• 性能分层：按站点分别计算 AUC、敏感度、特异度，观察置信区间是否重叠。
• 分布偏移检测：对模型中间特征或输入像素做站点间统计检验（如 KS 检验、MMD），定位偏移发生在输入层还是特征层。

若 A 站 AUC 为 0.91、B 站为 0.78，且 B 站图像噪声更高、层厚更厚，则优先怀疑协议与设备；若两站图像统计接近但 B 站阳性率显著更低，则优先怀疑人群分布。区分这两类原因，决定了后续是“做图像标准化”还是“做阈值/校准调整”。

六、验证前的数据对齐清单

把上述维度落到可执行层面，建议在建模前完成一份站点数据对齐表。以下为示例字段（数值为合理假设，用于说明格式）：

该表一旦建立，就能快速判断：B 站层厚更厚、kVp 更低、阳性率更低，其性能下降可能同时来自协议与人群，需分别做图像重采样与阈值校准实验，而不是简单归因于“模型泛化差”。

总结来看，模态决定可比性，协议与设备决定像素分布，人群决定先验概率，三者叠加形成站点效应。验证工程的第一步不是训练，而是把数据差异说清楚、量出来、对齐好。只有输入层面对齐，后续的性能比较才具有解释力。