qconline/doc/质控结果聚合策略.md

质控结果聚合策略文档

一、背景

在医学影像质控系统中，一次检查（Study）通常包含多张 DICOM 图像。对每张图像分别进行质控分析后，需要将多张图像的结果聚合为该检查的整体质控结果。

本文档定义了五项质控维度的聚合策略，确保结果计算逻辑统一、可追溯。

---

二、质控维度定义

维度编码	维度名称	可选值	说明
CHECK_RANGE	检查范围	large(过大) / normal(正常) / small(过小)	评估图像覆盖范围是否合适
BODY_POSITION	体位	standard(标准) / non_standard(不标准)	评估患者体位是否符合规范
IMAGE_ARTIFACT	图像伪影	none(无) / motion_artifact(运动) / device(设备) / foreign_body(异物)	评估图像是否存在伪影
CENTER_LINE	中心线	normal(正常) / up(偏上) / down(偏下) / left(偏左) / right(偏右)	评估中心线位置是否正确
IMAGE_QUALITY_LEVEL	质控等级	X线: 1(甲)/2(乙)/3(丙)/4(丁)；CT/MR: 0/1/2/3级	综合图像质量评级

---

三、聚合策略

3.1 策略类型说明

策略类型	说明	算法
众数策略	取出现次数最多的值	统计各值出现次数，取最大次数对应的值；若次数相同，优先取"正常"值
最严格策略	只要有一个异常，整体即为异常	按严重程度排序，取最严重的值
最差值策略	取最差的等级	数值比较，取最差（最大或最小）的值

3.2 各维度聚合策略

维度	聚合策略	策略理由
检查范围	众数策略	个别图片范围异常可能是序列边缘图像，应以多数图片为准
体位	众数策略	大部分图片体位标准即可认定检查体位合格
图像伪影	最严格策略	只要有一张图片存在伪影，就应记录并提示，取最严重的伪影类型
中心线	众数策略	少数图片偏移可接受，以多数图片的判定为准
质控等级	最差值策略	整体质量由最差的图片决定，木桶效应

---

四、详细算法

4.1 众数策略算法

输入: 值列表 [v1, v2, v3, ...]
输出: 出现次数最多的值

算法:
1. 统计每个值的出现次数
2. 找出最大次数
3. 如果有多个值次数相同:
   - 检查范围: 优先返回 "normal"
   - 体位: 优先返回 "standard"
   - 中心线: 优先返回 "normal"
4. 返回众数值

示例:

• 输入: [normal, normal, large, normal, small]
• 统计: normal=3, large=1, small=1
• 输出: normal

4.2 最严格策略算法（伪影）

伪影严重程度排序（从轻到重）:
  none(0) < motion_artifact(1) < device(2) < foreign_body(3)

输入: 伪影值列表 [v1, v2, v3, ...]
输出: 最严重的伪影类型

算法:
1. 将每个值映射为严重程度数值
2. 取最大数值对应的伪影类型
3. 返回该类型

示例:

• 输入: [none, none, foreign_body, none, device]
• 映射: [0, 0, 3, 0, 2]
• 最大值: 3
• 输出: foreign_body

4.3 最差值策略算法（质控等级）

质控等级数值定义:
  - X线: 甲级=1, 乙级=2, 丙级=3, 丁级=4 （数值越大越差）
  - CT/MR: 0级=0, 1级=1, 2级=2, 3级=3 （数值越大越差）

输入: 等级值列表 [v1, v2, v3, ...]
输出: 最差的等级

算法:
1. 将每个等级转为数值
2. 取最大数值
3. 转回等级表示
4. 返回该等级

示例（CT检查）:

• 输入: [1, 2, 1, 3, 2]
• 最大值: 3
• 输出: 3级

示例（X线检查）:

• 输入: [甲级, 乙级, 甲级, 丙级, 乙级]
• 映射: [1, 2, 1, 3, 2]
• 最大值: 3
• 输出: 丙级

---

五、完整示例

输入数据

某CT检查包含5张图像，分析结果如下：

图片序号	检查范围	体位	伪影	中心线	质控等级
0	normal	standard	none	normal	1
1	normal	standard	foreign_body	left	2
2	large	standard	none	normal	1
3	normal	non_standard	none	normal	2
4	normal	standard	device	normal	3

聚合计算

维度	策略	计算过程	结果
检查范围	众数	normal=4, large=1 → 众数为normal	normal
体位	众数	standard=4, non_standard=1 → 众数为standard	standard
伪影	最严格	none=3, foreign_body=1, device=1 → 最严重为foreign_body	foreign_body
中心线	众数	normal=4, left=1 → 众数为normal	normal
质控等级	最差值	[1,2,1,2,3] → 最大值3	3级

最终整体结果

{
  "checkRangeResult": "normal",
  "checkRangeLabel": "正常",
  "bodyPositionResult": "standard",
  "bodyPositionLabel": "标准",
  "imageArtifactResult": "foreign_body",
  "imageArtifactLabel": "体外异物伪影",
  "centerLineResult": "normal",
  "centerLineLabel": "正常",
  "qualityLevel": "3",
  "qualityLevelLabel": "3级",
  "imageCount": 5,
  "passCount": 2,
  "failCount": 3
}

---

六、特殊情况处理

情况	处理方式
无法读取任何图片	五项结果均返回默认值（normal/standard/none/normal/2级），并标记分析状态为"失败"
只有1张图片	直接使用该图片的分析结果，无需聚合
部分图片分析失败	只使用成功分析的图片进行聚合，记录失败图片数量
所有图片分析失败	同"无法读取任何图片"

---

七、数据存储

7.1 qc_result 表（明细）

存储每张图片的每个维度分析结果：

字段	说明
exam_id	检查ID
image_index	图片序号（0,1,2...）
factor_id	因子ID（对应五个维度）
factor_value	该图片该维度的分析结果
analysis_log	详细分析日志

7.2 qc_result_summary 表（汇总）

存储整体聚合结果（需新增字段）：

字段	说明
check_range_result	检查范围聚合结果
body_position_result	体位聚合结果
image_artifact_result	伪影聚合结果
center_line_result	中心线聚合结果
quality_level	质控等级聚合结果
image_count	分析的图片总数
success_image_count	成功分析的图片数

---

八、版本记录

版本	日期	修改内容	作者
1.0	2025-12-28	初始版本	Claude