2. 医学影像数据模态与采集规范
影像组学流程的第一步不是分割，也不是特征提取，而是理解“像素值从哪来”。CT、MRI、PET 三类模态的成像物理机制完全不同，同一病灶在不同设备、不同参数下产生的灰度分布可能差异显著，而这些差异会直接传递到一阶统计、纹理和形状特征中。若忽略采集规范，后续建模很容易把“扫描仪差异”误学成“疾病信号”。
一、三种模态的成像原理与数值含义
CT 利用 X 线穿过人体后的衰减差异成像。重建后的像素值以 HU（Hounsfield Unit）表示，定义参照为水（0 HU）与空气（−1000 HU），因此 CT 具有近似绝对的物理量纲。骨皮质约 300～1500 HU，软组织约 20～60 HU，脂肪约 −100～−50 HU。这种定量性使 CT 的组学特征相对稳定，但受管电压（kVp）、管电流（mAs）、重建核（kernel）和层厚影响明显。
MRI 基于氢质子在主磁场中的进动与射频激发，信号强度没有统一量纲，取决于 T1、T2、质子密度、翻转角、重复时间（TR）、回波时间（TE）等序列参数。同一病灶在 T1WI、T2WI、DWI、FLAIR 上呈现完全不同的灰度关系，因此 MRI 组学必须按序列分别建模，不能把不同序列图像混入同一特征集。
PET 探测正电子湮灭产生的符合光子对，重建后得到放射性浓度分布，临床常用 SUV（标准化摄取值）归一化。SUV 依赖注射剂量、体重、血糖水平和采集时间，其纹理特征对噪声和重建算法尤其敏感。
二、采集参数如何改变组学特征
以 CT 重建核为例：同一患者肺部结节用“软组织核”和“肺锐化核”重建，锐化核会增强边缘高频成分，使 GLCM 的对比度、熵升高，而能量、均匀性下降。若训练集用锐化核、测试集用软组织核，分类器可能把“核差异”当作判别依据。因此 CT 组学建议固定重建核，或至少将核类型作为分层变量。
MRI 的强度归一化方式同样关键。Z-score 归一化把每个体素减去 ROI 均值再除以标准差，会消除绝对强度差异，但也会改变一阶统计特征（均值恒为 0、标准差恒为 1），使这些特征失去区分力。若研究依赖一阶特征，应改用直方图匹配或参考组织归一化，并明确记录所用方法。
PET 的 SUV 计算依赖体重、剂量和采集时间。SUVmax 对噪声极敏感，一个高摄取体素即可拉高数值；SUVpeak（3×3×3 体素均值）更稳健。纹理特征方面，迭代重建次数增加会降低噪声，使熵和对比度下降，因此多中心 PET 组学必须统一重建协议。
三、参数标准化检查清单
| 模态 | 必须记录的参数 | 推荐统一策略 | 对特征的主要影响 |
|---|---|---|---|
| CT | kVp、mAs、螺距、重建核、层厚、重建间隔 | 层厚≤1.25 mm，固定核，记录mAs | 纹理对比度、能量、3D形状 |
| MRI | 场强、序列、TR、TE、翻转角、体素尺寸、归一化方法 | 按序列分组，统一体素，偏置场校正 | 一阶统计、GLCM、GLRLM |
| PET | 示踪剂、剂量、体重、采集时间、重建算法、滤波 | 统一SUV指标，固定迭代次数与滤波 | SUVmax、熵、均匀性 |
四、一个可复现的参数记录示例
# 采集参数元数据示例（CT 肺结节）
patient_id: LUNG_001
modality: CT
kvp: 120
mas: 200
pitch: 0.984
kernel: LUNG_SHARP
slice_thickness_mm: 1.0
reconstruction_interval_mm: 0.8
contrast: non-contrast
scanner: Siemens SOMATOM
# 特征提取前检查：kernel 是否与训练集一致？层厚是否≤1.25mm？这段记录看似简单，却决定了后续特征是否可比。若训练集全部为 LUNG_SHARP、测试集混入 BONE 核，即使分割完全正确，纹理特征也会系统性偏移。标准化工程的价值，正是在特征提取之前就把这类混杂因素控制住。
总结来看，CT 的 HU 近似绝对、MRI 信号相对、PET 的 SUV 依赖归一化，三者对采集参数的敏感维度不同。理解成像原理不是为了重复物理课，而是为了判断：哪些参数必须统一、哪些可以分层、哪些特征会因此改变。只有把采集规范纳入组学流程，特征才具备跨设备、跨中心的可比性。