Каждый раз, просматривая вручную размеченную маску лёгких на КТ, я вижу историю компромиссов. Один контур слишком глубоко ушёл в грудную стенку, другой «потерял» базальные сегменты, третий превратил пневмоторакс в сплошную паренхиму. Такие ошибки — не случайные промахи новичков, а системная плата за визуальную оценку без жёсткого алгоритма. Именно они искажают объём, ломают Dice метрику и незаметно портят обучение нейросетей, которые начинают повторять предвзятость разметчика.
Почему ручная сегментация лёгких на КТ так часто ошибается
На первый взгляд задача кажется простой: обвести светлую зону на тёмном фоне. В действительности сегментация лёгких зависит буквально от всего: толщины среза, реконструкционного ядра, глубины вдоха, фазы дыхания, артефактов движения и, конечно, патологии. Даже привычка работать в каком-то одном окне может систематически смещать границу. Ручная разметка потому и становится узким местом — она опирается на субъективное восприятие, а не на воспроизводимый критерий.
Один и тот же сканер, одна и та же серия, но разные специалисты часто рисуют заметно разные маски. Когда-то, ещё на этапе подготовки клинических кейсов для челленджа, я сравнил разметку трёх опытных коллег на одном пост-туберкулёзном фиброзе: расхождение в объёме достигало 14%. И дело было не в недостатке опыта, а в отсутствии договорённости, что именно считать границей лёгкого в зоне костальной плевры при фиброзном уплотнении. Такие нюансы нельзя оставлять без чётких правил.
Разбирать тему ручной сегментации стоит через практические ошибки, способы контроля и полуавтоматические методы — только они дают реальный выигрыш, а не общие рассуждения.
Основные ошибки ручной сегментации лёгких на КТ
Нечёткое понимание границы между лёгким и соседними структурами
Классическая ситуация: контур ведут «по светлому полю», цепляя грудную стенку, плевру, средостение и даже крупные сосуды. Особенно у новичков, которые не сверяются с анатомией на уровне выше и ниже текущего среза. А ведь даже небольшое включение мягкотканных структур в маску заметно смещает и среднюю плотность, и общий объём. Когда мы проверяли ручную разметку для обучения U-Net, то регулярно находили фрагменты перикарда или аорты, ошибочно попавшие в так называемую «лёгочную» маску — просто потому, что разметчик не отследил, где плевральная полость заканчивается.
Игнорирование патологии
Ателектаз, пневмоторакс, выраженная эмфизема, фиброзные тяжи и инфильтраты делают границу лёгкого неочевидной. Механическое следование типовому шаблону здесь не работает. Например, при пневмотораксе без дополнительных ориентиров легко принять плевральный воздух за продолжение паренхимы — и тогда маска необоснованно расширяется. Обратная история: ателектатический участок сливается с мягкотканным окном средостения, и его просто пропускают. Размечая послеоперационные изменения, я всегда держу рядом исходные неконтрастные серии — без них понять, где закончилась резецированная доля, а где плевральный сращение, практически невозможно.
Ошибки в верхушках и базальных отделах
Верхушки страдают из-за артефактов движения, частичного объёма и контакта с рёбрами. Здесь контур часто становится рваным или излишне сглаженным. Базальные отделы — вечная проблема на стыке с диафрагмой, печенью и селезёнкой. На тонких срезах можно легко «соскользнуть» в брюшную полость, особенно при высоком стоянии купола диафрагмы. При ускоренной разметке именно эти зоны дают наибольший процент брака — разрывы маски и ступеньки, которые вылезают только при трёхмерной сборке.
Неправильный выбор окна
Окно визуализации — это не про косметику, а про физическую видимость границ. В мягкотканном окне плевральная линия и стенки бронхов растворяются, зато хорошо видны сосуды и средостение. В лёгочном окне, наоборот, чётко читается паренхима, но могут пострадать мягкотканные структуры. Размечать без переключения — значит систематически смещать контур. Лично я всегда начинаю разметку в лёгочном окне, а затем обязательно прохожусь в мягкотканном, чтобы убрать лишние включения у корня лёгкого и диафрагмы.
Слишком большое доверие к одному срезу
Лёгкие — трёхмерный орган, и ошибка на одном срезе редко остаётся изолированной. Если не контролировать плавность контура по всей серии, возникают ступеньки, пропуски и островки маски, которые отлично видны в сагиттальной или корональной реконструкции. При разметке объёмных данных я всегда прокручиваю серию в трёх ортогональных плоскостях — это занимает минуты, но спасает от грубых провалов.
Отсутствие единых правил в команде
Когда один специалист включает субсегментарные бронхи и сосуды в маску, а другой жёстко обрезает по плевральной границе, итоговый датасет превращается в шум. Модель, например U-Net, начинает учить не анатомию, а стиль конкретного разметчика. На одном из проектов по сегментации лёгочных узлов мы получили Dice > 0,95 при внутренней проверке, но маска исправно «захватывала» средостение ровно в тех случаях, где была размечена определённым способом — алгоритм в точности воспроизвёл систематическую ошибку человека.
Где ручная сегментация даёт наибольший риск ошибки
| Ситуация | Типичная проблема | Чем это опасно |
|---|---|---|
| Тонкие срезы с шумом | Неровный контур, пропуски по краю | Ошибка в площади и объёме |
| Выраженная эмфизема | Сложно отделить лёгкое от воздуха вне лёгкого | Лишние включения в маске |
| Ателектаз | Снижение контрастности и деформация анатомии | Потеря части ткани |
| Пневмоторакс | Путаница между плевральным воздухом и лёгким | Неправильная граница |
| Фиброз и инфильтрация | Слияние патологических и нормальных зон | Смещение метрик |
| Низкое качество КТ | Шум, артефакты, движение | Нестабильная разметка |
Как избежать ошибок при ручной сегментации лёгких на КТ
1. Работать по единому протоколу
До первого нажатия на кисть команда должна согласовать жёсткий стандарт. В нём нужно зафиксировать:
- что именно считать лёгочной тканью;
- включаются ли трахея и главные бронхи;
- как поступать с плевральным выпотом;
- что делать с очагами, инфильтратами и буллами;
- как размечать неполные серии.
Без такого документа ручная сегментация быстро рассыпается на набор личных предпочтений, и качество датасета падает предсказуемо.
2. Проверять разметку в нескольких окнах
Минимум два окна — лёгочное и мягкотканное. Лёгочное показывает, не потеряли ли мы паренхиму, мягкотканное — не захватили ли лишнего в области корней и диафрагмы. Такая перекрёстная проверка выявляет почти все грубые включения.
3. Использовать посрезовую и объёмную проверку
Даже идеальный на отдельном срезе контур может оказаться непригодным в объёмном представлении. Стоит просматривать маску в трёх ортогональных проекциях и прогонять быструю 3D-реконструкцию. Разрывы маски в сагиттальной плоскости сразу бросаются в глаза, хотя на аксиальных срезах были незаметны.
4. Делать двойную проверку сложных случаев
Исследования с выраженной патологией, послеоперационными изменениями или пограничной анатомией желательно отдавать на верификацию второму эксперту. Свежий взгляд часто ловит смещения, которые первый разметчик пропустил из-за усталости или «замыленности».
5. Применять полуавтоматическую сегментацию как стартовую точку
Пороговая обработка по Хаунсфилду (-1000…-200 HU) или активные контуры дают черновой контур, который почти всегда быстрее доработать, чем рисовать с нуля. Такой подход снижает рутину и не даёт пропустить целые доли. Я обычно запускаю пороговый алгоритм, затем активными контурами уточняю границу и только после этого вручную поправляю самые трудные области.
6. Сравнивать результаты между разметчиками
Если проект рассчитан на обучение модели, необходимо регулярно замерять согласованность разметчиков на контрольном наборе. Даже выборочная сверка десяти сложных КТ помогает найти систематические расхождения до того, как они уйдут в обучающую выборку и исказят поведение нейросети.
Практический чек-лист перед сохранением маски
- Контур не выходит за пределы плевральной полости.
- В маску не попали грудная стенка и средостение.
- Верхушки и базальные отделы проверены отдельно.
- В проблемных зонах нет разрывов и «зубцов».
- Патологические участки размечены по единому правилу.
- Серия согласована по всем срезам.
- Маска визуально совпадает с анатомией в 3D.
Как ошибки ручной сегментации влияют на ИИ
Модель не отличает шум разметки от реальной анатомии. Если в обучающей выборке одному и тому же анатомическому варианту соответствуют противоречивые маски, нейросеть будет выдавать усреднённый или смещённый результат. На практике это проявляется очень конкретно:
- падает Dice и другие метрики сегментации;
- снижается обобщающая способность — алгоритм плохо работает на нестандартных сканерах и протоколах;
- появляются устойчивые ложные срабатывания по границе лёгкого, особенно в зонах с высоким контрастом (рёбра, сердце);
- после установки в клинический PACS растёт число ручных исправлений, что обесценивает автоматизацию.
Однажды обученная нами U-Net стабильно «захватывала» край верхней полой вены на каждом втором исследовании с контрастом — и мы долго не понимали причину, пока не обнаружили, что два из трёх разметчиков считали этот участок допустимой частью маски. Модель просто обучилась этой предвзятости, и никакая архитектурная оптимизация не могла её убрать без переразметки данных.
Поэтому качественная ручная сегментация — не устаревший этап, а фундамент. Даже самая сильная архитектура не компенсирует нестабильность исходных масок.
Что выбрать: ручную, полуавтоматическую или автоматическую сегментацию
| Подход | Плюсы | Минусы | Где уместен |
|---|---|---|---|
| Ручная | Максимальный контроль | Медленно, трудозатратно | Сложные кейсы, контроль качества |
| Полуавтоматическая | Быстрее, меньше рутины | Требует проверки | Разметка датасетов, клиническая подготовка |
| Автоматическая | Высокая скорость | Нужна валидация | Поточные задачи, интеграция с PACS |
Оптимальный сценарий — комбинированный: алгоритм генерирует заготовку, специалист исправляет её в оставшиеся минуты, а автоматический контроль качества отсеивает сомнительные маски перед попаданием в финальный пул. Такая цепочка экономит время и держит стабильный уровень разметки.
Что важно учитывать в клиническом процессе
Когда сегментация используется не только в исследовательском проекте, а встраивается в реальный клинический поток, на первый план выходят организационные требования. Одна и та же ошибка в контуре может повлиять и на измерение объёма лёгких, и на динамическую оценку эмфиземы, и на заключение. Поэтому нужно заранее продумать интеграцию с PACS, формат хранения результатов, версионирование масок и возможность аудита правок.
Минимальные требования к качеству процесса
- единый регламент разметки;
- журнал правок;
- возможность быстро открыть исходные срезы;
- хранение версий маски;
- проверка сложных случаев старшим специалистом;
- регулярное сравнение с эталонным набором.
Как организовать работу без лишних потерь времени
Выстроить надёжный процесс куда выгоднее, чем пытаться ускорить разметку хаотичными правками. Оптимальная последовательность выглядит так:
- Сначала определить правила сегментации.
- Затем подготовить несколько эталонных случаев.
- После этого обучить разметчиков на типичных ошибках.
- Потом ввести выборочную проверку качества.
- И только затем масштабировать ручную или полуавтоматическую разметку.
Такой порядок резко снижает количество пересмотров и экономит время сильнее, чем попытка рисовать быстрее с первого дня.
FAQ
Можно ли полностью отказаться от ручной сегментации лёгких на КТ?
Нет, потому что даже при полностью автоматической сегментации требуется валидация. Ручная проверка остаётся необходимой для сложных случаев и для контроля качества в целом.
Что чаще всего искажает результат?
Чаще всего — неправильная граница лёгкого, ошибки в базальных и верхушечных отделах, патология, артефакты и отсутствие единого протокола.
Помогает ли полуавтоматическая сегментация?
Да, если рассматривать её как черновик для последующей проверки. Это заметно сокращает рутину и ускоряет разметку без потери точности.
Почему одна и та же КТ размечается по-разному?
Анатомические границы на КТ не всегда очевидны, а у разных специалистов могут отличаться внутренние критерии включения патологических зон и периферических структур.
Что важнее: скорость или точность?
Для обучения моделей и клинической валидации критична точность. Скорость имеет смысл только тогда, когда качество разметки остаётся стабильным и воспроизводимым.