放射检查语料精炼系统 面向医学大模型训练、评测与临床反馈闭环的 AI-ready 数据基础设施
主页 NLP 路线 工作流反馈 Field Lessons 半公开访问

IMAGING CONTEXT ROUTE

影像上下文引擎 Imaging Context Engine

影像上下文路由先恢复“这是什么影像”,再让报告语义找到正确的序列与解剖上下文。

输入 DICOM 像素 + 元数据 + 同一 Study 序列上下文
输出 部位 / 方位 / 投照或序列 / 动态期 / 复核状态
价值 为报告证据定位可比较的影像上下文

能力版图

向下滚动探索影像上下文路由
02

为什么图像不能直接与报告配对?

一个检查包含多序列、多切面和多动态期,直接建立“报告—单图”配对会丢失诊断上下文。

错误路径

报告文本 肝占位 孤立影像 ?

丢失序列、期相、器官覆盖等关键上下文。

真实结构:同一 Study 的序列带

正确路径

报告短语 动脉期强化 Study Context POST_1

先建 Study/Series Context,再将证据短语路由到候选序列。

PACS 检索/下载 DICOM 元数据 预览与格式转换 MR_clean Study Context
03

DR 全身影像上下文路由系统

DR 通过分层模型与规则聚合恢复部位、投照、方向和复核状态。

DR 示例 A:左肘关节侧位,可见 L 方位标记

五段路由轨道

输出字段 Schema

ImageResult 字段清单
04

CT CONTEXT STACK · CT_YOLO

CT 全身影像上下文路由系统

不把一张 CT 切片当作孤立图片:先确认检查意图,再用器官、层面与期相共同约束它的可用语境。

基本完成数据治理与四层推理架构
脱敏胸部 CT 轴位示例 肺窗 · 轴位 器官锚点:双肺 · 椎体 层面:胸部带

示例仅说明上下文路由的视觉对象;不关联患者、报告或诊断结论。

CONTEXT EVIDENCE每一层都是下一层的约束
01
检查意图识别RIS 标准部位与检查方法进入候选,不直接充当图像真值。
WHY
02
器官锚点识别3D 部位模型与可靠器官锚点确认实际扫描覆盖。
WHAT
03
层面位置识别BPR 椎体区间描述当前层面,区分主体与顺带覆盖。
WHERE
04
期相识别锚点 HU 与序列时间共同判定平扫、增强和期相。
WHEN
05

MR 全身影像上下文路由系统

MR 需要把单序列特征放回 Study 上下文,结合教师解剖信号形成可审核的路由候选。

同一 Study 序列带

MR_clean 原子字段

Study Context

教师分割候选

展示 Study A 的肝脏教师分割候选叠加 肝脏 · 教师分割候选
06

MR_clean:从原始命名到原子上下文

先提取可核验的原子字段,再组合标准名称;不确定性必须保留给下游判断。

原始序列名

原子字段

结构化输出

POST_n 是相对动态顺序,不直接等同于动脉期、门脉期或延迟期。
07

从报告证据短语到影像上下文

报告中的不同证据短语需要落到不同序列;映射可解释、可追踪,并保留候选与复核状态。

报告证据

路由规则

目标影像上下文

字段级路由逻辑演示,报告与影像非同一患者。
08

图像路线如何汇入数据精炼主线

影像上下文和报告语义是两条独立可审计的证据流,最终在统一 Schema 汇合。

报告语义精炼引擎

MULTIMODAL EVIDENCE

影像上下文路由引擎