放射组学从锁定轮廓开始：特征整表、ICC、三种降维，十四种分类器不是排行榜

2026年10月2日，先问轮廓有没有锁定

生物统计和科研处看 医学影像标注平台，不应从分类器名单看起。北京朗慧科技有限公司（品牌 LumeSage）的手册名称是「大数据人工智能科研平台 / 医学影像人工智能标注与算法分析平台」。2026 年 10 月 2 日这一版读法把放射组学收成一条顺序：轮廓锁定，再提取特征，再谈稳定、降维、划分和模型。顺序倒过来，表格仍然能算出来，但方法学无法向复核者解释这些数来自哪一版边界。

手册记载的特征工具是 Pyradiomics，规模按手册版本写为一千六百八十八项，支持二维与三维。稳定性用 ICC。划分可以是随机，或五折、十折。临床变量可以并入。降维列出方差阈值、SelectKBest 与 Lasso。特征分析列出 PCA、相关与聚类。分类器列出十四种。指标包括 Recall、Precision、F1、Support、混淆矩阵、ROC 与 AUC。这些名字是手册菜单，不是疗效清单，也不是购买之后分数会上升的承诺。

van Griethuysen 等人在 Cancer Research（2017）发表 PyRadiomics，把影像特征提取做成可引用的开源实现。那篇论文解释工具从何而来，不是 LumeSage 的署名论文，也不代替本院的特征参数记录。手册写一千六百八十八项，指的是手册所对应版本的记载，不要在标书里改写成论文某张表的行数，也不要在没有任务编号时宣布「已提取全套特征」。定义、维度和锁定日期，应能在 数据集 的数据卡上被第三人读到。

2026 年 9 月 20 日的核算沟通稿按条目列出增量。合同以确认清单为准。组学流程按手册验收。结构化报告引擎，写的是医学语言模型润色和多模态模板，属于相对当前 Word 导出的增量，不要写成「组学一键已含可投稿全文」。当前手册给出的是英文论文式 Word，供课题组内部起草，不是可对外发布的临床报告，也不是器械标签。

一千六百八十八项要整表引用，不要凭记忆拆类

特征数量一旦写进论文，读者会追问每一项的名称和参数。Pyradiomics 论文讨论的是特征族的定义方式，不同版本、不同设置，导出的列不会自动相等。因此本稿只重复手册中的一千六百八十八这一记载，不在这里另造「形状多少项、纹理多少项」的分解。分解若有需要，应来自该次提取的实际列名，并粘贴到数据卡或补充材料，而不是来自售前口头归类。

二维还是三维，必须在任务记录里单列一行。手册两种都支持。课题组应保证这一行与轮廓的空间范围一致：方案若规定容积感兴趣区，就不要在未说明的情况下改成单层提取，再与另一次容积提取的 AUC 横比。两次提取的列即使都叫「组学特征」，维度不同就不是同一张表。合并之前先看维度，再看轮廓是否同一锁定版本。

提取的时间点晚于锁定。手册要求的顺序是轮廓锁定之后再提取。锁定使勾画只读，用来防止特征已经导出、又有人把边界外扩一圈。若在未锁定时先跑出一张表，这张表只能当作预览，不能进入交叉验证的正式折，更不能写进 Word 的结果段。预览和正式运行要有两个任务编号。没有编号的截图，统计上等于没有运行。

演示示意，不对应真实患者：某合作研究在锁定前，标注员仍可修改肝脏轮廓。此时若有人导出特征并算出一个 AUC，该数字描述的是「仍在变动的边界」。锁定之后轮廓改为只读，再提取一次，才允许与方案中的终点并表。两次任务的特征列可能接近，也可能因为边界移动而差一截。接近也不构成可以混用任务编号的理由。论文方法段只引用锁定之后的那一次。

ICC 用来观察稳定，阈值由方案书写

ICC 在手册里用于稳定性，不是一个自带临床界值的诊断按钮。界面若给出一个系数，课题组仍需在方案里事先写明：比较的是两位标注者、两次重复勾画，还是别的成对方式；低于哪个数的特征不进入后续模型。这些句子不在购买说明里，写在方案里，是为了避免看完结果再挑选「看起来稳定」的特征。看完再定阈值，阈值就沾上了结果，复核者无法区分预注册和事后解释。

不稳定特征继续进入分类器，模型可能把标注噪声当成影像信号。这是统计风险，不是平台自动报警能完全代替的判断。手册提供 ICC 计算，不提供「因此该特征可发表」的结论。数据治理角色应能指出：ICC 所用的轮廓是否都已处于可比较的状态。一边用锁定轮廓、一边用未完成草稿，系数没有解释。一百八十余个预训练分割模型产出的 Mask 或 Contour 是草稿，输入为 CT、MR、PET，推理用 GPU。草稿之间的 ICC 若被计算，只能说明草稿有多接近，不能代替医师审核之后的稳定性。

阈值不要从别的论文直接抄进本院脚注，除非方案明确引用并说明人群是否可比。PyRadiomics 论文没有规定 LumeSage 手册必须采用某一个 ICC 切点。切点是课题决定。决定之后，被剔除的特征名单应和保留的名单一起保存。只报告保留特征上的 AUC，不报告剔除规则，读者会把筛选误认为是预先指定的变量集。

同一病人出现在两折里，划分就泄漏了

手册的划分方式是随机，或五折、十折。这句话说明可以做重复验证，没有自动保证划分单位是病人。若单位是层、是切片，或是同一病人的多个 VOI，随机一刀可能把病人甲的一部分分到训练、另一部分分到验证。模型记住的是这个人的扫描习惯或设备特征，验证指标却被写成对新人的估计。这就是泄漏。泄漏不需要有人主观「把答案拷进测试集」才会发生，划分单位选错就会发生。

验收时请直接问：这一次五折或十折，折的键是 Patient，还是 Study，还是 VOI。问清楚再往下跑，比跑完十四个模型再解释更省事。若软件操作上需要课题组自己保证按病人分组，就把保证写进实验记录，不要假设菜单里有「随机」二字就等于按病人随机。随机指的是分配方式，不是采样单位。

临床变量并入之后，泄漏的路径会变多。病人级变量，例如方案规定的分组，会被复制到该病人的每一个 VOI 上。若 VOI 仍被当作独立样本随机划分，同一组标签会同时出现在训练折和验证折。Study 级变量跟着检查走，同一病人多次检查也会互相遇见。VOI 级变量只描述当前轮廓，但若轮廓来自未隔离的多中心勾画，变量本身可能已经混入了别的中心的边界习惯。合作研究共享影像与临床、隔离勾画，就是为了让临床表可以对齐，同时不让中心之间看见对方的轮廓。统计计划要尊重这个隔离，而不是为了凑样本把勾画重新合并后再划分。

演示示意：四十名病人，每人三个病灶 VOI，共一百二十行。若按行做十折，几乎可以肯定同一病人落入多个折。若按病人做十折，每一折的病人集合不相交，VOI 随病人进入同一折。两种折都能在菜单里被不严谨地叫成「十折」，指标却不可比。Word 草稿里必须写明用的是哪一种。写不明的 AUC，不可以进入标书，也不可以当作 Medical Gate 的门禁数字。门禁若需要，走 医疗模型评测，用私有题和过程记录，而不是用一张未注明划分单位的表。

三种降维回答三个不同的问题

方差阈值不看终点。它去掉几乎不变的列，避免常数特征占据位置。留下的特征只是「有变化」，不是「与终点有关」。它适合作为清洗，不适合被叙述成变量筛选已经完成。清洗的阈值是方案的一部分。阈值放得很宽，几乎不删列；放得很严，可能删掉罕见但真实的变化。两种选择都要在运行前写下，而不是看完模型再改。

SelectKBest 按某种与终点有关的分数保留前若干项。它回答「在当前样本里哪些列得分靠前」。K 的大小是决定，不是手册给定的最优真理。K 若在全样本上先算完，再去做五折，那么每一折的验证病人都已经参与过排名，验证指标偏乐观。这是另一种泄漏，发生在列的选择上，而不是发生在行的划分上。行按病人切开了，列仍在全样本上挑选，泄漏还在。

Lasso 用惩罚把一部分系数压向零，留下的列依赖于惩罚强度和终点。它不是 SelectKBest 的升级替换，也不因为名字更常出现在论文里就更适合所有终点。稀疏的结果便于叙述，但稀疏本身不是稳定。若 Lasso 在全数据上拟合后再划分，测试折同样参与了变量选择。手册把 Lasso 和 SelectKBest、方差阈值并列，是三种工具，不是推荐顺序打分。课题组可以只选一种，也可以在方案里规定先后，但先后必须包在训练折内部，才谈得上验证折仍然干净。手册没有把「嵌套已自动完成」写成可以引用的交付句子。演示时请打开参数记录，看降维使用的样本是全队列还是当前训练折。记录对不上，就不要把该次 AUC 写成确认性结果。

特征分析里的 PCA、相关和聚类，服务的是理解列与列的关系，不是第四种降维的隐蔽冠军，更不是分类器。PCA 给出的成分需要解释载荷，否则只是把列旋转了方向。相关矩阵用来发现成团的重复信息，避免在 Word 里把高度相关的特征写成互相独立的发现。聚类用来看样本或特征是否分成事先没写进方案的团块，团块可能是中心、设备或勾画习惯，而不一定是生物学分组。这三项分析的图若进入草稿，图注要写任务编号。没有任务编号的热图，只能算探索，不能算结果。

十四个分类器是菜单，不是排行榜

手册列出的十四个是：KNN、SVM、XGBoost、GBM、BernoulliNB、GaussianNB、决策树、LDA、随机森林、逻辑回归、ADABoost、MultinomialNB、SGD、MLPClassifier。名单的意义是课题组可以按终点的类型和方案预选模型，而不是鼓励把十四个都跑完，再把验证集上最高的 AUC 当作该平台的性能。在同一验证折上挑冠军，挑选动作使用了验证信息，这个最高值不再是无偏的验证。要报告挑选，就得另有从未参与挑选的数据，或在方案里事先指定一个模型。

菜单里的模型假设不同。线性模型、基于距离的模型、树模型和朴素贝叶斯家族，对尺度、稀疏和类别不平衡的反应不一样。这里比较的是算法假设，不是诊断意义上的敏感度，平台也不把任何一个分类器写成临床工具。Recall、Precision、F1、Support 和混淆矩阵用来描述分类计数；ROC 与 AUC 用来描述阈值变化下的曲线。计数指标和曲线指标回答的问题不同。只贴一个 AUC，不贴 Support，读者看不到每一类有多少例。例数少时，AUC 的跳动可以很大，跳动不是平台升级带来的。

不要把这十四个模型的某一次输出写成深度学习的替代说明。深度学习在手册里是另一条任务：分割、检测、分类、影像分类，曲线里还可以出现 Dice 或 FROC。组学分类器的 AUC 不能改写成分割 Dice，也不能写成检出的 FROC。任务类型不同，指标名称就不要借用。Isensee 等人在 Nature Methods（2021）讨论 nnU-Net 时强调训练协议，那是深度分割的方法学坐标，不是这十四个分类器的权重，更不是本产品内置了 nnU-Net。两条路线可以在同一课题里先后出现，但必须各有任务编号。

类别极不平衡时，Accuracy 并未出现在上面的指标列举里，不要自行用正确率代替 Recall 与 Precision。手册写明的是 Recall、Precision、F1、Support、混淆矩阵、ROC、AUC。报告草稿应覆盖与方案相应的那些项，而不是改用一个更容易看的单点。BernoulliNB、GaussianNB、MultinomialNB 对输入分布的假设不同，不能因为三个名字都带贝叶斯就只留一个、把另两个的失败隐藏。失败的模型若曾被纳入预注册比较，就应留在补充表。隐藏失败、只展示最好的一个，排行榜问题又回来了。

临床变量要声明层级，再决定能不能并

手册允许把临床变量与影像特征一起分析，层级是 Patient、Study、VOI。三层的含义要用课题语言写清楚，而不是只在界面上各建一列。Patient 层放该人在多次检查中仍然使用的信息。Study 层放这一次检查的信息。VOI 层放这一条轮廓的信息。测量若来自阅片，应先决定它属于哪一层，再并进组学表。层错了，模型会把检查级的设备差异当成病灶级的纹理。

并入不是越全越好。没有被编码成方案规定变量的材料，不应当作已经结合了临床。手册允许临床变量与影像特征一起分析，具体字段仍由数据治理按课题字典建立。字典建议同时出现在数据卡上：变量名、层级、取值含义、缺失如何处理。缺失处理若在全样本上用中位数填补，再划分折，填补用到了验证折的分布，这又是泄漏。填补统计量应只在训练折里估计。这一点是统计要求，用来检查流程，不是声称界面已经自动按折填补。

终点本身不要从影像特征里派生之后又当作独立临床终点，除非方案明确这是标签构造的一部分。例如用某一纹理阈值定义分组，再用全部纹理去预测这个分组，循环论证就形成了。这种错误不是分类器能检测的。科研处在开题时就要问：标签来自随访、病理或盲法读片中的哪一种，是否与本次提取的轮廓锁定日期相互独立。独立说不清，组学任务应暂停，而不是先把十四个模型跑完。

合作研究里，临床数据可以共享，勾画隔离。统计表因此可能出现「影像行能对齐、轮廓列不能互看」的情况。这是预期行为。为了做中心效应分析，可以在方案允许的范围内使用中心编号这一临床变量，但不要把别的中心的轮廓坐标要到本地「补全特征」。补全会破坏隔离，也会使 ICC 和后续模型都无法解释。分享与盲审由课题组管理员安排。锁定之后只读，统计员不应拥有改轮廓的权限。同一个人既改边界又跑模型又写 Word，审计时无法说明独立。

英文 Word 是组内草稿，数字要能回到任务

组学运行产生英文论文式 Word。英文说明它面向论文草稿的写法，不说明它已经可以投稿，也不说明语言润色已经完成。核算稿条目 H 的结构化报告引擎才涉及医学语言模型润色和多模态模板，属于增量。现网验收看的是：Word 是否对应某一次组学任务，指标是否就是该次任务的 Recall、Precision、F1、Support、混淆矩阵、ROC、AUC 中方案所要求的部分，以及读者能否找到轮廓锁定日期。找不到就在使用前补上，不要另写一段没有编号的中文概述去替换。

草稿不是临床报告。它不面向患者个人返还，不代替影像科正式报告，也不构成器械标注或宣传页。把草稿里的 AUC 贴进招标文件，却不附任务编号、划分单位和锁定日期，属于引用错误。错误不因数字看起来完整而减轻。Medical Gate 若要把某个指标用作上线前门禁，应单独约定私有题，不把这篇 Word 直接当作门禁证书。医师对终点定义有争议时，对照 医疗专家数据 的终审口径，而不是在 Word 里换一个分类器再出一版。

下载包有效期十五天。特征表、轮廓和影像若需要交接，应在有效期内完成，并在实验记录中写下生成日期。过期后再凭记忆重跑，必须使用新的任务编号，不能沿用旧 Word 的句子。模型库那一侧的权重属于深度学习路线，不要把组学 Word 里的系数表叫成模型库 checkpoint。两条产物都要按课题组隔离来理解：别的课题组未经授权，不应收到这张特征表。

演示时建议冻结的六行记录

统计同事可以要求演示现场留下六行，六行都写在实验记录而不是写在患者名单上。第一行是数据集名称与合作研究还是个人研究。第二行是轮廓锁定日期。第三行是二维或三维，以及特征规模是否按该次任务呈现为手册所记载的量级，若实际列数不同，记下实际列数和原因，不要改手册去迁就一次运行。第四行是 ICC 是否已做、阈值是否预写。第五行是降维名称，以及它使用的样本是全队列还是训练折。第六行是划分单位是不是病人，分类器是预选的一个还是菜单中的哪几个，指标对应的任务编号。

六行缺任意一行，Word 就还不能被引用。缺行不是演示失败的同义词。演示可以专门展示「未锁定时拒绝把结果当正式」或「划分单位未说明时统计员拒绝收表」。这种拒绝是流程有效，不是功能缺失。功能缺失指的是手册已列的 Pyradiomics、ICC、三种降维、PCA 相关聚类、十四个分类器或指标无法按确认的版本打开。版本以双方确认的说明为准。

报价侧不要在这六行里混入插件。放射插件里的最大密度投影、容积再现与 SAM 分割不提供组学特征的定义，也不要理解成手册已经交付了这些分割权重。预标注草稿可以成为轮廓的起点，但特征只在人工修订并锁定之后提取。把草稿直接送进 Lasso，得到的是草稿边界上的特征。这句话应写进方法学的限制，而不是写进产品优点。

聚类若按中心成团，不要写成影像标志物

PCA、相关和聚类的图最容易被过度解释。演示示意：合作研究有两个中心，聚类在特征空间里分成两团，团块几乎与中心编号重合。这时第一句解释应是批次或勾画习惯，而不是新的生物学分型。要区分二者，需要方案里已经记录中心、设备和轮廓由哪一组人员完成。记录缺失时，图就停在描述，不进入结论句。相关矩阵上若有一整块同时升高，优先检查是不是同一类特征的重复编码，而不是优先命名一个新指标。

这种谨慎来自工具的位置。Pyradiomics 提供可复现的列，ICC 提供稳定性的观察，降维提供列的取舍，分类器提供预选模型上的计数和曲线。没有任何一步把「因此具有诊断效能」写进手册。效能二字若出现在课题里，应由临床终点、盲法和独立队列支持，而不是由菜单跑通支持。LumeSage 不在本页承诺购买之后 AUC 提高，也不把一千六百八十八这个规模写成信息量已经足够的证据。规模是版本记载，信息量取决于终点、样本单位和锁定质量。

多中心隔离勾画还会使「合并后再聚类」失去意义。各中心的轮廓互不可见，特征就应在各自锁定的轮廓上提取，再按方案规定的临床变量对齐。对齐之后若要看中心差异，用的是中心这个变量，不是把轮廓文件互相拷贝。拷贝发生在平台之外，平台里的锁定和隔离都无法追回。下载包十五天有效，只解决授权范围内的交接，不构成把包转发到第三个中心的许可。许可写在数据卡和合作协议里。

HealthBench（arXiv:2505.08775）用约五千段对话、二百六十二名医师、约四万八千五百六十二项准则说明开放式输出不能只靠一个总分。组学 Word 同样不适合只留一个 AUC。准则落到本流程上，就是任务编号、锁定日期、划分单位、降维是否包在训练折内、模型是否预选。五句写全，草稿才可以被组内传阅。五句缺一，就还停在计算完成，没有进入可引用。

询盘请写划分单位和变量层级

请从 标注平台预约演示 留下联系方式，不要粘贴患者姓名、住院号、影像号或特征表原件。建议写明：终点在 Patient、Study 还是 VOI；划分准备按病人还是按病灶；要不要在本次演示中并入临床变量；特征提取是否已经有锁定日期可核对；Word 将只在组内使用，还是有人打算把数字写进标书或门禁。若是后者，请同时注明需要对照 Medical Gate，而不是要求在邮件里直接给出一个 AUC。

电话 +86 15010400907，邮箱 date@lumesage.com，微信 langhuiai，商务对接罗坤。地址：北京 · 北京大学科创园 B 栋 301 房。回复按平台咨询处理。若确认清单要单列报告引擎 H 或其他增量，请写明条目名称，避免和手册中的英文 Word 混成一次验收。组学演示可以在锁定的脱敏样例上完成一次提取和一次预选模型，不需要把十四个分类器当天全部跑完。全部跑完仍不构成排行榜。方案预选哪一个，就演示哪一个，其余留在菜单里备查。

继续看产品与相邻文章

平台入口见 医学影像标注平台，专家数据见 医疗专家数据，数据卡见 数据集，评测门禁见 医疗模型评测（Medical Gate）。