第一节
医学影像的显著特点

医学影像利用光、电、磁、声等物理现象对人体或人体某部分以非侵入方式获得内部组织影像。临床中最常见的影像模态包括X射线摄影、计算机体层成像（computed tomography，CT）、磁共振成像（magnetic resonance imaging，MRI）和超声等。作为医疗临床中最重要的“证据”来源之一，影像数据在医疗数据中占比超90%。

医学影像及其研究任务拥有如下的明显共性特点（图4-1-1）：

1.影像多模高精

一方面，新扫描协议的使用和新模态如能谱CT（spectral CT）等的发明导致影像模态增多；另一方面，随着医学成像设备的更新换代，影像的像素精度变高，信息密度增大。临床用CT/MRI的空间分辨率达亚毫米级；超声空间分辨率比CT还高，时间分辨率达到实时。

2.数据非标孤立

虽然医学影像数据在临床中大量存在，源于设备、操作等方面的非标准化数据之间的差异性很大，存在所谓的“分布漂移”现象。由于隐私、管理等因素，数据在不同的医院、影像中心等孤立地存在，真正中心化的开源医疗大数据并不多见。

3.疾病长尾突发

医学影像是疾病的表征。影像知识库Radiology Gamuts Ontology定义了12 878种“症状”（导致结果的条件）和4 662个“疾病”（影像学发现）。但是疾病的发病率呈现典型长尾分布，小部分常见疾病占据大量病例，而大部分疾病在临床中并不多见，数据量少。另外，传染性疾病时有发生，如2020年的COVID-19，初期影像资料稀缺。

4.标注稀疏有噪

影像数据的标注费时昂贵，造成标注的稀疏性；同时不同的任务需要不同形式的标注。另外，标注通常因人而异，不同医生之间的差异性大；标注通常是有噪声的；标注“金标准”的建立也是个悬而未决的问题。

5.样本各异不均

在已标注的数据样本中，无论是正样本还是负样本，样本个别差异度大，其概率分布呈现典型的多模态。在二分类问题中，通常正样本和负样本的比例极度不均衡。例如，在肿瘤分割任务中，肿瘤的像素数量比正常组织通常少一个甚至多个数量级。

6.任务复杂多样

医学影像计算有繁多的任务。在技术层面，有重建、增强、恢复、分类、检测、分割、配准等，这些技术及其组合，再加上影像模态和疾病种类的多样性，产生层出不穷的应用场景和高复杂度的任务。

7.模型脆弱不公

在安全层面，医学影像计算模型在面临对抗攻击时，即加上一定肉眼觉察不出的扰动，模型的预测输出可以被操纵，因此呈现脆弱性。在伦理层面，模型对于不同患者群（按患者本身的属性如性别、年龄等划分）呈现不同的性能，如在男性患者上的模型准确率明显高于女性患者，因此呈现不公平性。

8.成像低辐快速

从临床常用医学影像设备（如X射线设备和MRI）的成像方面，X射线设备低辐化和MRI快速化是两个显著的发展需求；前者是因为X射线会对人体有不可恢复的损害，后者源自MR成像的原理性要求。当然，目前成像过程中还有如金属、运动等伪影的存在，影像质量有待提升。

（周少华） htNBZ7qHAbiyxENz3l+wNiGtYCd3ou1FcPlMvVPAueIT8QvJ5m4cDwri4dmg3f6Z