这项由西安交通大学生命科学与技术学院、数学与统计学院联合开展的研究，发表于2026年的《Machine Learning for Biomedical Imaging》期刊（MICCAI Open Data 2026 × MELBA专题），数据资源DOI为10.7303/SYN75210889，论文编号为arXiv:2607.22135。
**脑部MRI的"登记册"出了什么问题？**
医生在给脑部做核磁共振检查时，面对的是一张密密麻麻的灰白图像。对于患有脑胶质瘤（一种常见的脑部恶性肿瘤）的病人来说，影像里不只有一个"敌人"——除了主角"肿瘤"，还可能藏着许多"配角"异常，其中最常见的一种叫做白质高信号（White Matter Hyperintensities，简称WMH）。
白质高信号这个名字听起来很陌生，但可以用一个简单的类比来理解：把健康的大脑白质比作一张洁白的宣纸，白质高信号就是宣纸上出现的一些浅黄色污渍——它们不是主体画作，却真实存在，而且相当常见。美国加州大学的Rudie研究团队曾对285例脑胶质瘤病人的核磁共振数据进行专家级标注，发现其中高达68.8%的病人脑内含有至少100立方毫米的白质高信号。换句话说，超过三分之二的胶质瘤病人脑里，除了肿瘤之外，还有这种"污渍"存在。
然而问题来了：现有的最权威脑胶质瘤MRI数据集——BraTS（Brain Tumor Segmentation，脑肿瘤分割挑战赛）——在给病灶打标签时，只给肿瘤本身建立了"户籍"，那些白质高信号"黑户"既没有被标记为异常，也没有被标记为正常组织，它们就这样被默默归入了"正常大脑"的行列。
这就产生了一个严重的隐患。当工程师用这些数据训练人工智能模型，让模型学会区分"正常大脑组织"和"病变区域"时，模型会反复看到这样的"错误示例"：明明是病变区域，却被贴上了"正常"的标签。就好像你在教一个孩子认识食物，把变质的牛奶放进"新鲜食品"那一堆，孩子当然会学错。这种现象在机器学习领域被称为"标签噪声"——标签打错了，模型就会学歪。
西安交通大学的研究团队正是为了解决这个问题，构建了一套名为GLI-AL（BraTS-GLI Anatomy-Lesion，胶质瘤解剖-病灶联合标签资源）的全新数据资源。这份资源的核心思想，用一句话概括就是：给脑部MRI里的每一个区域都发一张准确的"身份证"，不论它是健康的神经组织、主要的肿瘤，还是那些长期被忽视的"隐形病灶"。
一、为什么以前的"档案系统"不够用？
回到档案馆的比喻。BraTS数据集就像是一座只为某类居民建档的户籍系统：它只给肿瘤的三个子区域——坏死核心（NCR，肿瘤中心坏死部分）、瘤周水肿（ED，肿瘤周围肿胀的区域）和增强型肿瘤（ET，在造影剂下会发亮的活跃肿瘤部分）——颁发了"身份证"。但对于大脑里的其他居民，不管是健康的灰质、白质、小脑，还是那些白质高信号，统统没有档案记录。
这带来了两层麻烦。第一层是在"联合分割"任务中。所谓联合分割，就是让模型同时识别健康大脑组织和病变区域。这就像要求一个工人同时管理仓库的所有货物，不只是那批"标注好的名牌货"，还要管理那些没有标签的零散物品。当训练数据里，白质高信号这种"有问题的货物"被混进了"正常货物"堆里，工人（模型）当然会产生混淆。
第二层则更基础：健康的大脑组织本身，在原始BraTS标签里根本就不存在。大脑里的灰质（负责思考的神经元细胞体集中的区域）、白质（连接神经元的纤维束）、基底节（控制运动协调的核团）、脑室（充满脑脊液的腔室）、小脑和脑干，这些结构在原始BraTS标签中都是一片空白。这意味着，任何希望训练模型同时理解"这里是正常组织，那里是肿瘤"的研究者，都缺乏现成可用的标准参考。
目前的各类工具和数据集，要么像FreeSurfer或SynthSeg这样能生成健康组织标签，却不处理病灶；要么像BraTS本身只关注肿瘤；要么像SOOP卒中数据集只标注卒中病灶。没有任何一个公开可用的资源，能把健康组织标签、主要病灶标签、共存病灶标签和有据可查的病例分层信息，全部整合在同一套标签体系里——直到GLI-AL的出现。
二、GLI-AL到底是什么，它长什么样子？
GLI-AL可以理解为BraTS 2023-GLI数据集的一套"升级版标注"。研究团队没有重新采集任何MRI图像——他们只是为已有的1251例四模态脑胶质瘤MRI（T1、T1ce、T2、T2-FLAIR四种不同的核磁共振成像方式），重新制作了一套更完整、更准确的标签。
这套标签使用8个整数代码来描述每一个体素（体素就是三维图像里最小的方块单元，类比于二维图片里的像素）的身份。代码0代表背景（颅骨外的空气区域），代码1是皮质灰质，代码2是基底节，代码3是白质，代码4是病灶（包含肿瘤和白质高信号），代码5是脑室，代码6是小脑，代码7是脑干。这样一来，无论是健康的神经组织，还是各种类型的病变，都能在同一套坐标系里找到自己的位置，模型训练时再也不需要在互不兼容的标签定义之间来回切换。
整个资源包含1367个NIfTI格式（一种医学影像的标准文件格式）的标签文件，其中1251个是统一的解剖-病灶分割标签，另有116个是用于图像修复的辅助标签。标签文件与上游BraTS数据集的目录结构完全兼容，使用相同的坐标系（SRI24模板空间，1立方毫米分辨率，240×240×155体素尺寸），研究者获取上游MRI数据后，无需任何额外的配准或重采样操作，就能直接配对使用。
从数量上感受一下这套资源到底增加了多少信息：与原始BraTS-GLI的专家病灶标注相比，GLI-AL为全部1251例病例都新增了前景标签，新增体素总数高达15.13亿个，占整个资源前景体素的92.7%。其中绝大部分是此前从未出现在BraTS标签里的健康组织结构——灰质新增6.856亿体素，白质新增5.183亿体素，小脑新增1.763亿体素，以此类推。此外，专门针对标签噪声问题的病灶区域新增量虽然相对较小，却最为关键：857个病例中新增了220万个病灶体素，这些体素原本被错误地当作正常组织处理，现在终于得到了正确的"病灶"标签。
三、1251份"档案"是怎么分门别类的？
研究团队将1251个病例分为两个子集，区分标准是病例里的白质高信号是否已经得到了妥善处理。
394个病例构成"纯化子集"（Purified Subset），这是资源中质量最高的部分。纯化子集的构建思路是这样的：首先，从Rudie团队此前专家标注的285例BraTS病例里，找出那52例被专家明确确认"不含白质高信号"的病例，这是最可靠的清白记录。接着，研究团队将其余的病例用一个叫MedNeXt的深度学习模型进行筛查，MedNeXt是一种专门用于医学图像分割的神经网络。模型被训练来识别白质高信号，然后在那些没有专家结论的病例里寻找"高度可信的无白质高信号"案例，最终筛出342个模型认为安全的病例。52个专家确认的加上342个模型筛选出的，合计394例，构成纯化子集。
这里有一个精细的技术处理值得一提：那285例有专家WMH标注的病例中，有233例被专家确认含有白质高信号。在把这些病例纳入筛查流程之前，研究团队用了一个叫NiftySeg的工具，在MRI图像里原位"填补"白质高信号区域，用周围正常组织的信号值把那些"污渍"覆盖掉，相当于对图像做了一次"美颜修复"。这116个经过修复的病例，同时提供了专门的修复标签，方便后来者重现修复后的图像。
余下的857个病例构成"扩展子集"（Extended Subset）。这些病例的原始MRI图像保持不动，但研究团队用两个专门检测白质高信号的自动化工具——DeepWMH和LST-AI——分别生成候选病灶掩膜，然后取两者的交集（也就是两个工具都认为是病灶的区域），再与BraTS原有的肿瘤标签合并，形成统一的病灶标签。取交集的目的是降低任何单一工具的误报率：只有两个工具都同意"这里有病灶"，才会被正式纳入标签。
四、健康组织的标签是怎么炼出来的？
给健康的大脑组织打标签，本身也是一项相当精密的工程。研究团队使用了一个名叫TumorSynth（由Wu等人开发，发表于2026年《Radiology: Imaging Cancer》期刊）的工具，它能够在含有肿瘤的脑部MRI中同时分割正常组织和肿瘤区域。对于每个病例的每种MRI模态（T1、T1ce、T2、T2-FLAIR），TumorSynth都会输出一个"概率地图"——也就是对每个体素属于哪类组织的概率估计。
但仅有概率地图还不够，还需要一套聪明的融合策略把四种模态的信息合并成一个最终标签。研究团队采用了基于"熵加权"的融合方案，熵在这里是信息论里衡量不确定性的指标——模型对某个体素的分类越确定，熵就越低；越拿不准，熵就越高。
具体的融合过程可以这样理解：把四张不同颜色滤镜拍出的照片叠加成一张。对于每个体素，先检查它是否属于已知病灶区域（也就是BraTS原有的肿瘤标注或者DeepWMH/LST-AI检测到的白质高信号）。如果是病灶体素，就强制标记为"病灶"类别，不允许被标为健康组织。如果不是病灶体素，那么对每种模态的概率预测，先计算它的不确定性（熵），不确定性越低的模态，在融合时获得越高的权重，越不确定的模态，话语权越小。最后，加权平均后取概率最高的类别作为最终标签。
这个流程还有一道质检关卡：在对全部病例运行TumorSynth之后，研究团队统计了每种模态在每个病例里预测到的前景体素总量。用统计学里的IQR（四分位距）方法检测异常值——前景体素量远低于正常水平的预测结果会被标记为异常，经人工复核后剔除出融合流程，防止质量很差的预测拖累最终标签的准确性。
五、这份资源经过了哪些质量把关？
研究团队对质量控制设置了四道防线，从数据构建到发布存档层层把关。
第一道防线是对纯化子集的严格筛选。纯化子集里的专家确认无WMH样本来自Rudie数据集里白质高信号体积严格为零的病例，这是最硬核的质量保证；而模型筛选部分则依赖于在285例专家标注数据上训练的五折交叉验证MedNeXt，只有被模型高度自信地判断为无WMH的病例才能进入纯化子集。
第二道防线是对扩展子集病灶标签的双重验证。取DeepWMH和LST-AI两个工具预测结果的交集，相当于要求两位独立"医生"都同意某区域是病变，才会被收录，比单一工具的结果更保守、更可靠。
第三道防线是健康组织标签的IQR异常检测和人工复核，确保质量低劣的概率地图不会污染最终标签。
第四道防线是发布前的完整性校验。所有1251例病例的标签文件都经过了逐文件的SHA-256哈希校验（一种用于验证文件内容未被篡改的加密指纹），发布清单里记录了每个文件的大小和哈希值。最终1251/1251例全部通过，1367个NIfTI文件全部进入发布清单，重新分发的MRI图像数量为零（这份资源严格只发布标签，不含任何原始影像数据）。
六、训练实验结果说明了什么？
有了这套资源，研究团队设计了一个受控的机器学习实验，目的是回答一个实际问题：在联合解剖-病灶分割任务里，额外花精力构建一个"纯化干净"的子集，究竟有没有必要？还是说直接用更多（但含有噪声）的训练数据，效果会更好？
实验设置了两组对比：第一组叫"Baseline"（基线），只用394例纯化子集进行训练；第二组叫"Joint-Baseline"（联合基线），用1000例训练数据，包括394例纯化子集加上从扩展子集随机选取的606例，但这606例扩展子集数据没有额外加入共存病灶标签（模拟"噪声训练"的情况）。两组都使用MedNeXt-M模型，T1和T2-FLAIR两种模态作为输入。
评估指标有两个：DSC（Dice相似系数，衡量预测区域和参考区域的重叠程度，越高越好，满分1.0）和HD95（95百分位豪斯多夫距离，衡量预测边界与参考边界之间的距离，越小越好）。
在GLI域内测试（251例胶质瘤病例）中，两组模型的健康组织分割性能非常接近：灰质DSC约96%，白质DSC约96%，小脑DSC约98%，脑干DSC约97%。这说明，即使只用394例高质量数据，模型学到的健康组织分割能力并不比用2.5倍数据训练的模型差多少。换句话说，"质量"在这里胜过了"数量"。
病灶分割上，两组DSC也很接近（约90%），但Joint-Baseline的HD95（18.9毫米）明显高于Baseline（15.7毫米），且标准差更大（30.1 vs 18.5）。这意味着Joint-Baseline在处理那些远离主肿瘤、体积较小的白质高信号时更容易出错，边界定位更不稳定。
更具说服力的结果来自外部零样本测试——把两个模型直接用在从未见过的MICCAI 2017白质高信号数据集（170例）上，测试它们对白质高信号的检测能力。结果出现了显著的分歧：Baseline的白质高信号DSC为31.1%，HD95为140.4毫米；而Joint-Baseline的白质高信号DSC骤降至4.3%，HD95高达297.5毫米，几乎对白质高信号完全没有响应。两组模型在健康组织类别上的表现依然相近，但在白质高信号检测上，含噪声训练数据的Joint-Baseline几乎失去了感知能力。
可视化结果与数字完全一致：在胶质瘤样本里，两个模型都能覆盖主肿瘤区域，差异主要体现在对隐性白质高信号的处理上；在白质高信号测试样本里，Baseline能检测出与参考标注对应的病变区域，而Joint-Baseline对这些区域几乎没有任何响应。
这个实验回答了资源的核心价值所在：纯化子集提供了一个经过白质高信号感知清洗的训练参考，帮助研究者区分"数据质量"和"样本数量"对共存病灶敏感性的各自贡献，而这个区分在只有噪声性更强的训练集时是做不到的。
七、这份资源有哪些已知局限，又该如何负责任地使用？
任何诚实的科学工作都需要坦诚地说明自己的边界。研究团队在论文中明确列出了几项重要限制。
纯化子集并非394例全部经过新的人工标注。它由两部分构成：52例专家确认无WMH的样本，以及342例模型筛选的样本。模型筛选并非人工标注，因此使用时应在报告中注明筛选来源，不能等同于纯手工标注数据集。
扩展子集的额外病灶标注来自DeepWMH和LST-AI两个自动工具的交集，这可能带来工具偏差、漏检（尤其是体积小的病灶），以及对特定病灶形态的灵敏度不足等问题。
健康组织标签由TumorSynth自动生成并经概率融合，并不等同于人工全脑解剖标注，可能在某些复杂解剖变异情况下存在误差。
此外，这份资源目前只系统处理了白质高信号这一类共存异常，微出血、腔隙性梗死等其他类型的脑部异常尚未纳入。外部WMH验证集只有T1和FLAIR两种模态，无法证明T1ce和T2在所有下游任务中的价值。
在使用这份资源时，有几点原则是明确的：GLI-AL只能用于科学研究，不得用于直接的临床诊断、治疗决策或个人风险评估。用户在发表论文时应注明所用数据层级和标签来源，并说明自动化标签的局限性。任何试图重新识别病人身份的行为都与这份资源的使用初衷相悖。
八、怎么才能获取和使用这份资源？
获取GLI-AL需要走两道门。第一道门是向BraTS 2023官方申请上游MRI数据的访问权限（Synapse项目ID：syn51156910），这是获取原始影像数据的前提。第二道门是通过GLI-AL资源页面（Synapse项目ID：syn75210889）提交电子邮件申请，接受派生资源的使用条款，才能获得这套纯标签资源。
资源以CC BY-NC 4.0（知识共享署名-非商业性使用4.0国际许可证）发布，与上游BraTS数据集的非商业使用条款保持一致。研究团队提供的辅助代码库（处理脚本和MedNeXt/nnUNet适配文件）以MIT许可证和Apache 2.0许可证开放，但不包含BraTS影像数据、各第三方工具的模型权重或完整环境。使用者在发表论文时需遵循BraTS官方引用要求，并保留如下数据来源声明："Data used in this publication were obtained as part of the Brain Tumor Segmentation (BraTS) Challenge project through Synapse ID: syn51156910."
说到底，这项研究做的是一件在科学数据世界里常常被忽略的事：把那些"查无此人"的隐形信息，正正经经地登记在册。医学影像分析的进步，很大程度上依赖于训练数据的质量，而数据质量的提升，有时候不是靠更强的算法，而是靠更诚实、更细致的标注。当白质高信号在脑肿瘤数据集里长期以"正常组织"身份蒙混过关，训练出来的模型就会带着这个偏见去看每一个病人的大脑。
GLI-AL把这个问题摆到了台面上，并提供了一套可以直接使用的解决方案——不仅有标签，还有明确的质量分层、可追溯的标签来源、完整的文件校验记录，以及证明这套方案确实有效的实验结果。对于从事脑部MRI研究的团队来说，这意味着一个可以立即获取、立即使用的"更诚实的训练集"。
对普通大众而言，这项工作的意义或许要过几年才会具体可见——当基于更干净数据训练的AI辅助诊断系统开始在医院里协助医生，能够同时看见主要肿瘤和那些常年被忽视的白质高信号时，更早的发现和更准确的风险评估将变得更有可能。
感兴趣深入了解的读者，可以通过数据资源DOI 10.7303/SYN75210889 以及arXiv编号 2607.22135 查阅完整论文和资源详情。
Q&A
Q1：白质高信号（WMH）和脑胶质瘤有什么关系，为什么两者会同时出现在同一份MRI里？
A：白质高信号是大脑白质区域出现的一种常见异常，可能与年龄增长、血管损伤等多种因素有关，本身是一种独立的脑部改变。脑胶质瘤患者中，超过68%的人脑内同时存在至少100立方毫米的白质高信号，两者并没有直接的因果关系，只是在同一批中老年脑肿瘤患者中共同出现的概率相当高。正因为两种病变经常并存，在训练AI模型时，如果把白质高信号误标为"正常组织"，就会给模型引入系统性的错误认知。
Q2：GLI-AL数据集和原始BraTS数据集有什么具体区别，研究者换用GLI-AL能获得什么额外信息？
A：原始BraTS只标注了肿瘤的三个子区域（坏死核心、瘤周水肿、增强型肿瘤），对脑内其他区域一概留白。GLI-AL在此基础上补充了两类信息：一是六类健康组织结构（灰质、基底节、白质、脑室、小脑、脑干）的完整标签，新增约15亿个体素；二是857例病例中原本被漏标的白质高信号病灶标签，共约220万个体素。研究者使用GLI-AL可以在同一套训练目标里同时监督健康组织和病灶，无需在不同任务定义之间切换，并且可以按照"纯化子集"和"扩展子集"分层分析数据质量对模型性能的影响。
Q3：GLI-AL中的纯化子集和扩展子集在实际使用中应该怎么选择？
A：纯化子集的394例病例经过白质高信号感知清洗，其中包含52例经专家确认无白质高信号的案例和342例经模型高置信筛选的案例，标签质量更高，适合用于需要严格控制标签噪声的实验，例如研究标签质量对模型性能的影响。扩展子集的857例保留了原始MRI，病灶标签由DeepWMH和LST-AI交集自动生成，可能含有一定比例的漏检或工具偏差，适合需要更大训练规模的场景，但使用时应在论文中明确说明这部分数据的标签来源和局限性，不宜与纯化子集不加区分地混用。
热门跟贴