头颈动脉CT血管成像数据标注与质量控制专家共识摘要
人工智能使头颈动脉CT血管成像(CTA)的高效、快捷重建及诊断成为可能，但决定算法精度及泛化性的前提是有大量的高质量、高一致性的标注数据。为促进人工智能技术在头颈动脉CTA中的开发与应用，使辅助重建及诊断技术符合临床工作流程及准确性要求，中华医学会放射学分会医学影像人工智能工作组、北京医学会放射学分会人工智能学组、中国食品药品检定研究院在头颈动脉CTA数据集的构建、数据标注规则及质量控制等方面达成专家共识，有助于促进行业内部统一认知，提升数据标签的一致性，优化数据集质量，促进人工智能辅助诊断技术在头颈动脉CTA中的应用和发展。
脑血管病具有高发病率、高致残率及高死亡率的特点[1。我国脑血管病的发病率居世界首位，其患病率及死亡率仍处于上升阶段，其中死亡率占居民疾病死亡构成的40%以上，居于榜首。因此，脑血管病防治成为我国中长期科技发展规划纲要确定的重点领域[2,3]。准确高效的早期诊断及病情评估对脑血管病患者的后续治疗及预后均具有重要临床意义。医学影像技术的不断发展显著提升了脑血管病的影像诊断水平，头颈动脉CTA技术日趋成熟，已成为临床诊断脑血管疾病的首选检查，其诊断头颈动脉狭窄的灵敏度为83.2%,特异度为98.7%,准确度为97.4%,为临床制定个体化治疗方案提供了精准的客观依据4,5,6。随着头颈动脉CTA在临床的广泛应用，影像数据量逐年增长，图像后处理重建给影像科医师带来很大的工作负荷7。
所有图像重建均须在后处理工作站由人工完成具体操作，对每例患者的图像进行人工重建所需的时间为20~30min,即每名技师每天工作8h仅可重建16~20例患者的图像，导致临床工作积压及工作效率降低[8,9]。
随着医学影像智能化诊断的快速发展和人们对分析处理复杂医学图像需求的增长，人工智能(artificialintelligence,AI)近年来成为医学图像处理领域的研究与应用热点。为了推动AI医学影像识别、智慧医疗和医工融合诊疗体系的发展，我国出台了一系列制度和规范，涵盖了对AI发展大方向的要求，但尚未针对专业领域的特定任务进行规范和标准化[0.11,12。目前，AI辅助诊断系统在头颈动脉CTA的应用主要包括骨分割、血管分割、血管提取、狭窄分级、病变成分识别和图像后处理等[13,14,15],但在系统开发和实施过程中，在数据采集与质量控制、临床技术验证及使用方法、安全伦理及隐私保护等方面仍存在不规范、不统一的问题，AI应用的标准化和规范化亟待提升。为此，中华医学会放射学分会医学影像人工智能工作组、北京医学会放射学分会人工智能学组、中国食品药品检定研究院的专家联合对头颈动脉CTA重建过程中的数据标注与质量控制提出指导意见，目的是收集行业专家在数据标注过程中共同开发的共识、方法和规范，统一对AI医学图像数据标注规则和方法的理解，逐步建立更为科学合理的统一规范，为AI辅助头颈动脉CTA图像重建和诊断的应用与行业发展提供借鉴。
一、数据集的应用范围和定义
根据我国临床需求和注册应用阶段产品技术的现状，数据集的采集渠道包括从体检、筛查、门诊和病房等各种场合收集的人体数字影像，确保辐射剂量和对比剂浓度可以代表不同地区和医疗条件下的实际水平。数据集的用途包括AI产品的训练集、调优集、性能独立测试集、临床试验数据集、日常质控等。AI产品可基于这些数据实现和验证多种影像后处理功能，如头颈动脉CTA扫描范围内的骨分割、血管分割、血管提取、斑块成分识别和狭窄分级诊断等，以及最终完成容积再现(volumerendering,VR)、曲面重建(curvedplanerreformation,CPR)、最大密度投影(maximumintensityprojection,MIP)及多层面重组(multi-planarreformation,MPR)等图像后处理。标注人员宜结合多种血管重建方式，对图像进行定性和定量评估，得到标注结果。
数据集的标注对象包括头颈动脉血管形态、骨结构、斑块成分、狭窄程度等信息[16,17]。数据集图像特征中的血管包括主动脉弓、头臂干、双侧锁骨下动脉、双侧颈总动脉、双侧颈内动脉、基底动脉、双侧椎动脉、双侧大脑前动脉、双侧大脑中动脉、双侧大脑后动脉、前交通动脉和后交通动脉。数据集图像特征中的骨包括头颈动脉CTA扫描范围内的全部骨性结构。与头颈动脉CTA