医疗三维影像标注工具在AI时代的发展:演进历程、技术突破与未来挑战

引言：三维医学影像标注的临床痛点与技术演进背景

在现代精准医疗、计算机辅助诊断（Computer-Aided Diagnosis）以及个性化治疗方案的制定中，三维医学影像技术扮演着无可替代的角色。无论是通过计算机断层扫描（CT）获取的高分辨率解剖结构信息，还是利用磁共振成像（MRI）呈现的丰富软组织对比度，亦或是正电子发射断层扫描（PET）揭示的代谢活动，这些三维数据构成了现代临床决策的基石。然而，要让这些原始的灰度体素（Voxel）矩阵转化为可供定量分析、手术导航或放射治疗计划使用的结构化数据，必须经过一个极其关键且繁琐的步骤：医学影像分割与标注。

三维医学影像的本质是由数以千万计的体素构成的庞大三维空间矩阵。在传统的工作流中，放射科医生或解剖学专家必须在二维的轴状位、冠状位和矢状位切片上，利用鼠标逐层、逐点地手动勾画出目标器官、肿瘤病灶或血管网络。这种纯手工的标注模式不仅极度耗时耗力，而且深受人类疲劳和主观经验的影响。据临床统计，手动为一名患者的一个腹部器官（如肝脏或胰腺）进行体素级别的精确标注，通常需要耗费资深放射科专家三十分钟至一个小时的时间，具体耗时高度取决于目标器官的体积、边界的清晰度以及病理学特征的复杂性。这种低效的生产力模式不仅无法适应日常高强度的临床负荷，更成为了阻碍大规模、高质量医学人工智能数据集构建的核心瓶颈。

随着人工智能技术，尤其是深度学习（Deep Learning）和计算机视觉（Computer Vision）技术的爆发式发展，医疗三维影像标注工具正在经历一场深刻的范式转换。工具的演进路线已经从早期的纯手工勾画、基于边缘检测和区域生长的传统图像处理辅助，跨越到了基于深度卷积神经网络（CNN）和视觉变换器（Vision Transformers, ViT）的半自动化交互阶段，目前正大步迈向由通用基础大模型（Foundation Models）驱动的全自动、零样本（Zero-shot）智能解析时代。本报告将以专业严谨的视角，全面剖析医疗三维影像标注工具在AI时代所处的发展阶段，深入探讨其在底层算法架构、工程化落地以及多中心互操作性方面取得的突破性进展，并客观审视当前在临床转化过程中所面临的严峻挑战与技术瓶颈。

第一阶段：当前的发展阶段——从被动工具到主动学习的智能生态

在评估当前医疗三维影像标注工具的发展阶段时，我们可以清晰地看到，行业已经超越了“算法仅仅作为离线处理脚本”的初级阶段，全面进入了基于主动学习（Active Learning）和“人在回路（Human-in-the-loop）”的云端协同交互阶段。在这一阶段，标注工具不再是静态的软件，而是能够随着医生的使用而不断进化的智能生态系统。

传统客户端工具的智能化重构与无缝集成

长期以来，3D Slicer 作为一个免费、开源的三维医学影像分析、可视化和导航平台，被全球的临床医生和生物医学工程研究人员广泛采用。在深度学习普及之前，3D Slicer 主要提供基于传统数学形态学的分割模块。而在当前阶段，为了降低临床医生使用AI的门槛，各大AI框架并没有选择重新造轮子开发全新的前端界面，而是选择将最前沿的深度学习能力以插件（Plugin）的形式无缝注入到 3D Slicer、OHIF Viewer、MITK 以及用于数字病理学的 QuPath 等主流开源阅片工具中。

这种前端保持临床习惯、后端接入超级算力的架构设计，极大地推动了AI标注工具的普及。研究人员和临床医生可以在他们熟悉的 3D Slicer 界面中，通过安装特定的扩展模块（如 MONAI Label 插件），直接调用位于本地工作站或远程云服务器上的复杂神经网络模型进行推理和微调。这种工程层面的解耦，标志着医学影像标注从“孤立的桌面软件”向“分布式智能服务”的演进。

主动学习驱动的 MONAI Label 生态系统

在当前的智能标注生态中，由 NVIDIA 联合伦敦国王学院、梅奥医学中心、斯坦福大学等全球顶尖机构共同维护的 MONAI（Medical Open Network for Artificial Intelligence）框架，已经确立了其作为医疗影像AI行业标准级开源框架的地位。作为该生态的核心组件，MONAI Label 彻底重塑了三维影像的标注工作流。

MONAI Label 是一个基于客户端-服务器（Client-Server）架构的智能化标注和学习引擎，其最核心的技术突破在于将主动学习（Active Learning）机制深度融入了临床医生的日常标注流程中。在传统的深度学习开发周期中，数据标注、模型训练和模型部署是三个相互隔离的阶段；而在 MONAI Label 驱动的工作流中，这三个环节被构建成了一个实时闭环的飞轮。

当临床医生在 3D Slicer 中加载一个未标注的三维医疗影像（如连续的CT断层扫描文件）时，MONAI Label 服务器会首先调用预训练模型（如基于 UNETR 或 SwinUNETR 架构的预训练权重）对该影像进行前向推理，瞬间在前端生成一个初步的三维分割掩码（Mask）。随后，医生无需从零开始勾画，而是利用 DeepEdit 等交互式深度学习工具，通过在错误分割的区域进行简单的鼠标点击（如点击前景点以增加遗漏区域，或点击背景点以剔除假阳性区域）来引导模型修正结果。

更重要的是，一旦医生完成了修正并点击提交，这些经过专家认证的高质量标注数据将被立即补充到服务器的训练池中。MONAI Label 服务器能够利用这些新数据在后台对模型进行在线微调（Fine-tuning）或持续学习（Continual Learning）。模型会主动分析自身的不确定性，甚至可以向医生推荐下一个最需要人类干预的具有挑战性的影像样本。实践数据表明，通过这种预标注、交互式修正和主动学习闭环，MONAI Label 能够将数据标注的时间和人力成本降低高达75%。这意味着临床医生在构建复杂的三维数据集时，只需付出传统手工标注十分之一的时间，同时模型的性能会随着医生的使用而不断逼近人类专家的水平。

云原生基础设施与分布式协同标注

随着医学影像数据规模的爆炸式增长，单机版的标注工具已经无法满足大规模多中心临床试验的需求。现代标注工具正在向云原生架构迁移，以充分利用云计算的弹性和安全性。以部署在亚马逊云科技（AWS）上的 MONAI Label 为例，整个架构被设计为高度可扩展的分布式系统。图像数据首先从医院的企业级影像存储库通过加密通道传输至部署在虚拟私有云（VPC）内的 Orthanc DICOM 服务器。

通过利用 Amazon EC2 Auto-Scaling 组，系统可以根据并发标注任务的数量自动横向扩展 GPU 算力实例，确保多个终端的医生在进行三维交互式标注时能够获得极低的推理延迟。此外，结合细粒度的身份和访问管理（IAM）以及严格的网络隔离策略，云端部署方案在保障患者医疗数据隐私合规的前提下，打破了医院之间的物理孤岛，使得跨洲际的顶尖医疗团队能够在一个统一的平台上进行标准化的数据标注与模型联邦训练。

第二阶段：技术突破——专家模型的工程巅峰与极致优化

在底层算法层面，医疗三维影像标注工具在过去几年里取得了令人瞩目的成就。当前临床应用中最成熟、精度最高的技术流派，被称为“特定任务专家模型（Specialist Models）”。这些模型通常针对特定的解剖区域、特定的影像模态（如专精于腹部CT）进行极深度的优化设计。在这一流派中，基于 U-Net 架构的衍生模型，特别是 nnU-Net（no new net）框架，代表了当前医学影像分割领域的工程巅峰。

nnU-Net 框架：自配置的行业金标准

在深度学习发展的早期，研究人员热衷于设计越来越复杂的网络拓扑结构。然而，nnU-Net 框架的提出打破了这一迷思。该框架的核心理念认为，在医学影像分割任务中，精确的数据预处理、网络超参数的动态适应以及严谨的训练策略，往往比花哨的网络结构创新更为重要。nnU-Net 能够自动提取输入数据集的特征“指纹”（如图像的物理间距、强度分布、类别不平衡比例等），并据此在极短的时间内自动配置出最优的预处理流水线（如重采样策略、亮度归一化方法）、自适应的网络深度、三维补丁大小（Patch size）以及训练学习率规划。

由于其无与伦比的鲁棒性和自适应能力，nnU-Net 在包括 BraTS（脑肿瘤分割挑战赛）在内的数十项国际医学影像分割竞赛中长期占据统治地位，确立了其作为当前医学影像分割行业基准（Baseline）的地位。

TotalSegmentator：全身解剖结构全自动标注的里程碑

基于 nnU-Net 强大的自配置底层架构，研究界开发出了 TotalSegmentator 这一具有里程碑意义的开源标注工具，标志着全自动、全身多器官三维标注技术正式达到了临床可用的成熟度。

TotalSegmentator 旨在通过单一命令或简单的网页前端交互，实现对任意输入的 CT 或 MRI 影像中绝大多数主要解剖结构的鲁棒分割。在 CT 影像领域，研究团队从真实的常规临床研究中随机抽取了1,204例极具异质性的全身体模 CT 扫描数据。这些数据涵盖了不同的年龄段、广泛的病理畸形、多种扫描仪品牌以及不同的造影剂相位。通过在这个高度多样化的数据集上训练 nnU-Net，TotalSegmentator 能够自动分割多达117种（核心版本报告为104种）解剖结构，具体涵盖了27个内部器官、59块骨骼、10块肌肉以及8条主要血管。

在严苛的外部测试中，该模型展现出了极高的鲁棒性，平均 Dice 相似系数（衡量分割精度的核心指标）达到了0.943。更令人惊叹的是，模型在面对严重偏离正常解剖结构的临床病理情况时依然表现优异。例如，当患者存在骨折导致骨骼结构扭曲、腹股沟疝气导致肠道严重移位、因脾切除术导致脾脏完全缺失，或是因为肾移植出现双侧异位肾脏时，模型均能准确识别并给出合理的分割结果，避免了传统模型在遇到异常分布数据时容易出现的灾难性崩溃。

为了进一步拓展其临床应用范围，TotalSegmentator 团队随后攻克了磁共振成像（MRI）全自动分割的难题。由于 MRI 成像原理的特殊性，其图像在不同扫描序列（如 T1加权、T2加权、FLAIR）、不同回波时间以及不同设备之间的灰度分布存在极大的变异性，且往往伴随着高度的各向异性（Anisotropy），这使得 MRI 的自动化分割难度远超 CT。为了克服这一序列依赖性问题，开发团队混合使用了616例 MRI 数据和527例 CT 数据对模型进行了联合训练，成功打造出了能够独立于 MRI 序列运行的 TotalSegmentator MRI 版本。该版本能够自动分割80种主要的解剖结构，在内部测试集上取得了0.839的 Dice 得分，显著超越了同期其他公开的基线模型。

以下表格详细对比了 TotalSegmentator 在不同影像模态下的技术指标与能力边界，直观展示了这一专家模型的发展高度：

TotalSegmentator 这种“全能专家模型”的出现，极大地简化了放射学研究的工作流。临床医生现在可以将繁重的初步勾画工作完全交由模型处理，随后利用 3D Slicer 等软件进行极小幅度的微调。基于这种高效的自动化能力，研究人员甚至将其应用于包含四千余例全身体模 CT 的超大规模回顾性衰老研究中，自动计算不同年龄段患者的肌肉体积萎缩和主动脉直径扩张，从而将标注工具的价值从单纯的轮廓提取升华到了自动化影像生物标志物（Biomarkers）挖掘的层面。

第三阶段：范式重塑——通用基础模型与大语言模型的降维打击

尽管以 nnU-Net 为代表的专家模型在特定任务上取得了极高的精度，但这种架构存在一个根本性的缺陷：极度的任务狭隘性与泛化能力缺失。一个针对肝脏 CT 图像优化到极致的模型，在面对胰腺分割任务，或者被要求处理超声图像时，其性能会发生断崖式下跌。在传统的开发模式中，每增加一个新的分割目标，或者遇到数据分布的轻微偏移，研究团队就不得不耗费大量资金和时间重新收集数据、重新进行纯手工标注，并从头开始训练一个新的网络。这种“烟囱式”的开发模式严重制约了医疗AI的规模化部署。

为了打破这种数据壁垒和模型孤岛，医疗影像标注领域正在经历一场由通用基础模型（Generalist/Foundation Models）引领的范式革命。这些模型通过在包含数百万张、多模态异构医学影像的海量数据集上进行无监督或弱监督预训练，致力于提取出放之四海而皆准的通用视觉特征表达，从而实现对新任务的零样本（Zero-shot）或少样本（Few-shot）适应。

SAM 与 2D 到 3D 的架构跨越

这场革命的导火索是 Meta 发布的 Segment Anything Model (SAM)。SAM 是一个基于视觉变换器（ViT）主干的提示驱动型基础模型，它在包含超过1100万张自然图像和10亿个掩码的极大规模数据集（SA-1B）上进行了训练，展现出了令人惊叹的“分割万物”能力。研究人员敏锐地意识到，SAM 的核心设计原则——类别不可知的分割、提示编码（Prompt Encoding）以及交互式训练机制——非常契合医疗影像标注的需求。

然而，直接将 SAM 应用于三维医疗影像遇到了巨大的阻碍。原始的 SAM 是一个二维模型，许多早期研究尝试将其应用于三维体积数据时，采取了逐层切片（Slice-by-Slice）处理的方式，即在每一个二维平面上调用 SAM 生成掩码，然后再将其在三维空间中堆叠。这种做法不仅忽略了三维解剖结构在深度（Z轴）上的强烈空间连贯性，而且需要临床医生在几乎每一层切片上都提供提示点或边界框，导致交互效率极为低下，完全丧失了临床实用价值。

为了解决这一问题，研究界开发了原生的三维基础模型，如SAM-Med3D和CT-SAM3D。这些模型在架构层面进行了彻底的升维改造，通过修改补丁嵌入（Patch Embedding）机制和引入三维注意力模块，使模型能够直接接受立体的体素输入矩阵。特别是在 CT-SAM3D 的设计中，为了在有限的 GPU 显存下有效处理高分辨率的全身 CT，研究人员采用了一种创新的“跨补丁提示（Cross-patch Prompting）”机制和渐进式空间对齐策略。当医生需要标注一个体积远大于模型局部处理视野（Patch）的大型器官（如整个肝脏或肺部）时，传统模型会因为缺乏全局上下文而产生截断误差。而跨补丁提示技术使得模型能够在整个三维空间内准确感知和传递医生的提示意图，大幅减少了在勾画超大器官时所需的点击次数，实现了真正的三维体级别的高效交互。

文本驱动的通用模型：Segment Anything with Text (SAT)

基于空间几何提示（如点、多边形和三维边界框）的模型虽然强大，但依然需要医生进行物理交互。为了进一步降低交互成本，研究人员正在探索通过自然语言处理（NLP）和大语言模型技术，实现文本提示驱动的三维影像分割。

其中极具代表性的工作是Segment Anything with Text (SAT)。该模型打破了传统标注工具必须依靠鼠标点击或框选的限制，转而使用庞大的医学词汇表作为驱动引擎。为了训练 SAT，研究团队整合了来自 72 个不同数据集的数据，构建了包含 497 个解剖目标（涵盖人体 8 大区域和多种复杂病灶）的庞大知识库。其专业版模型 SAT-Pro 拥有 4.47 亿个参数。在内部评估中，用户只需向 SAT-Pro 输入医学术语文本（如“分割左侧肾上腺肿瘤”），模型即可在三维空间中自动定位并提取目标。惊人的是，这个单一模型的整体性能，竟然足以媲美 72 个针对各个孤立数据集专门训练的 nnU-Net 专家模型（这些专家的参数总量超过 22 亿）的总和。与依赖空间坐标提示的交互式方法相比，SAT-Pro 在七个人体主要区域的测试中，平均 Dice 相似系数提升了 7.1%。这种文本到掩码（Text-to-Mask）的范式，极大地拓宽了标注工具的应用边界，勾勒出了通用医疗人工智能（Generalist Medical AI）的雏形。

第四阶段：数据壁垒的攻克与底层网络架构的优化

基础模型和专家模型的成功，归根结底依赖于海量高质量标注数据的“喂养”。在医疗领域，获取医生手工标注的体素级真实数据成本极其高昂。为了打破这一“数据扩展定律（Scaling Law）”的瓶颈，研究界在数据增强和模型内存优化方面采取了一系列创新手段。

合成数据突破规模极限

在构建大型腹部肿瘤数据集（如 AbdomenAtlas）的过程中，约翰霍普金斯大学的研究团队通过严谨的消融实验发现了一个反直觉的现象：对于特定器官的肿瘤分割，真实数据的增加存在明显的边际收益递减效应。在针对包含 3,000 例由放射科专家手工进行体素级标注的胰腺肿瘤专有数据集的分析中，研究人员观察到，当用于训练的真实扫描图像达到 1,500 例后，AI 模型的性能指标便停止了显著增长。

鉴于收集和标注 1,500 例罕见肿瘤扫描数据是一项浩大的工程，研究团队引入了基于扩散模型（Diffusion Models）的生成技术，开发了 DiffTumor 工具。该工具能够将逼真的合成肿瘤无缝融合到极易获取的健康人 CT 扫描图像中，从而在无需人工干预的情况下生成无限量、自带绝对精确标签的伪造病变数据。实验结果表明，仅仅使用 500 例真实的肿瘤扫描数据，辅以大量通过 DiffTumor 生成的合成数据进行混合训练，模型不仅达到了仅使用 1,500 例真实数据训练的效果，甚至在肝、胰、肾、结肠、食管和子宫这六大类肿瘤的分割表现上，分别比第二名的算法高出了 +6%、+4%、+6%、+4%、+8% 和 +2% 的绝对精度。这种“真实数据+合成数据”的双引擎驱动模式，为解决长尾罕见病变的标注难题提供了一条行之有效的捷径。

从粗到细的三维深度网络框架以应对内存墙

此外，三维医学影像庞大的体积往往会导致神经网络在训练和推理时遭遇内存耗尽（Out of Memory, OOM）问题。如果强行对高分辨率的三维体素矩阵进行下采样（Downsampling）以适应显存，又会严重丢失病理细节。为此，底层标注工具大量采用了“从粗到细（Coarse-to-Fine）”的三维全卷积网络（3D FCNs）级联架构。以约翰霍普金斯大学提出的 ResDSN 框架为例，该框架首先在一个较低的分辨率下，利用具有广阔感受野的粗略模型（Coarse model）快速遍历整个 CT 体积，提取三维全局上下文信息，从而粗略锁定目标器官（如胰腺）的三维边界框（Bounding Box）。随后，系统自动将视野聚焦于该边界框内，裁剪出较小的感兴趣区域（RoI），并交由高分辨率的精细模型（Fine model）进行局部体素级别的像素级剥离。这种通过不断缩小关注区域、调节滑动窗口重叠率的级联策略，不仅成功避开了 GPU 显存的物理限制，还极大地过滤了无关背景带来的噪声干扰，实现了分割精度与推理时间成本的完美平衡。

第五阶段：跨越孤岛——数据格式的互操作性与安全性挑战

如果说先进的深度学习算法是医疗影像标注工具的大脑，那么标准化的数据结构和安全的数据流转协议就是支撑其在真实临床环境中运行的血液。当前的标注工具在落地应用时，正面临着严峻的格式壁垒和合规性挑战。

影像格式的巴别塔：NIfTI 与 DICOM 的标准之战

在人工智能开发社区中，算法工程师和数据科学家普遍倾向于使用 NIfTI（.nii.gz）或 NRRD 格式来存储三维医学影像及其标注掩码。这些格式结构简单、体积紧凑，便于在 Python 环境中通过诸如 Nibabel 或 SimpleITK 等库进行多维数组张量运算。然而，对于任何旨在整合进入医院临床核心工作流（如影像归档和通信系统 PACS，或放射治疗计划系统 TPS）的标注工具而言，严格遵循 DICOM（医学数字成像和通信）标准是不可逾越的红线。

在实际应用中，当标注工具将生成的体素掩码从 NIfTI 导出并尝试融合到临床工作流时，格式转换往往会引发致命的问题。这种非标准到标准的强制映射，极易引入边界平滑失真、标签形态侵蚀（Label erosion）甚至三维坐标系空间错位（Coordinate inconsistencies）。对于涉及肿瘤切除的外科手术三维打印模型，或者要求亚毫米级精度的放疗靶区勾画而言，这种转换误差是不可接受的。

为了彻底解决这一互操作性难题，现代企业级和国家级医疗标注生态系统（如 Weasis 浏览器、OHIF Viewer、GaelO Flow 编排平台以及欧洲的 EUCAIM 平台）确立了极其严格的标准输出规范，主要支持以下两种标准对象：

1.DICOM-SEG (Segmentation)：该格式专门用于存储多类别的离散体素分割标签映射（Labelmaps）。它不仅保留了原始影像的空间参考系框架（Frame of Reference, FoR），还内嵌了详尽的术语字典，确保输出的数据能够直接同步回 PACS 系统，并在支持的阅读器上自动进行三维叠加密对齐。

2.RTSTRUCT (Radiotherapy Structure Set)：在放射肿瘤学领域，该格式是绝对的主流。与体素化的 DICOM-SEG 不同，RTSTRUCT 利用三维多边形轮廓坐标点集（Contour points）来精确描述肿瘤靶区（GTV、CTV、PTV）和危及器官（OARs）的物理边界。这对于后续生成放射治疗剂量计划（RTDOSE、RTPLAN）具有决定性意义。

目前，先进的平台如 EUCAIM 提供并强制要求使用专门开发的双向转换器，以确保在拥有原始 DICOM 图像的前提下，所有的 NIfTI 分割结果都能无损地被包裹进 DICOM-SEG 协议中。这种规范化的数据治理机制，有效杜绝了因转换软件版本差异或参数设置不当导致的临床责任不清，为大规模多中心科研数据的汇聚铺平了道路。

AI 黑盒的安全性脆弱与对抗性攻击隐患

随着医疗三维影像标注工具日益智能化，其潜在的安全风险也不容忽视。深度神经网络，尤其是基于三维卷积的分割模型，具有高度的非线性和复杂的参数空间，这使得它们在面对恶意篡改或设备特定噪声时显得异常脆弱。

学术研究证实，医疗学习系统存在受到“对抗性攻击（Adversarial attacks）”的真实威胁。攻击者或由于扫描设备校准失误产生的微小扰动信号（这种扰动对人类放射科医生的肉眼而言几乎是完全不可察觉的，即自然数据的伪装），被注入到输入的 CT 或 MRI 影像中后，可能会在神经网络的高维特征空间中被急剧放大，最终导致高精度的三维分割工具输出极其荒谬甚至完全相反的分类结果。在关乎生命健康的医疗场景中，如果这些被干扰的标注结果直接流入下游的外科导航设备，误导临床医生做出错误的病灶切除决策，其引发的医疗事故将是灾难性的。因此，在享受 AI 标注工具带来的效率红利的同时，如何研发具备强大鲁棒性的防御机制，提升模型对异常分布特征（Out-of-distribution）的拒绝能力，是下一代智能标注工具必须跨越的安全鸿沟。

结语：迈向混合智能与通用医疗基础设施

纵观医疗三维影像标注工具在AI时代的演进历程，我们见证了一场从离线手工工具到云端协同网络、从被动响应软件到主动学习智能体的深刻技术革命。

当前，行业正处于一个多元并进的历史交汇点。一方面，以 nnU-Net 和 TotalSegmentator 为代表的特定任务专家模型，通过精妙的自动化超参数配置机制，在全身解剖结构的自动化分割上达到了工程层面的极致，为日常的临床工作流和大规模人口衰老表型研究提供了极其坚实、开箱即用的技术保障。另一方面，以 SAM 3D 系列和文本驱动的 SAT 为先锋的通用基础模型，正试图从根本上颠覆传统的计算机视觉范式，通过零样本学习能力和跨模态的语义理解，逐步瓦解不同器官、不同成像设备之间的数据壁垒。

然而，通往完全自动化的道路上依然布满荆棘。通用模型当前面临着严重的“精度悖论”——其对高质量提示的过度依赖和在零样本测试中偶尔暴露出的精度不足，使得它们在短期内尚无法在严苛的临床环境中全面取代专精的 nnU-Net。同时，如何打破 NIfTI 与 DICOM 之间的互操作性壁垒，防范隐蔽的对抗性攻击，以及在 GPU 显存物理极限下更好地捕捉三维空间上下文，都是横亘在研究人员面前的严峻课题。

展望未来，医疗三维影像标注工具的发展趋势将不会是某一种单一架构的独霸，而是走向一种混合计算代理（Agentic Workflow）的自我组织形态。在未来的云端医学影像工作站中，底层可能由通用基础大模型提供泛化能力强、跨模态的特征提取基座；中间层利用从粗到细的模块化级联架构突破显存瓶颈；顶层则接入无数个类似 nnU-Net 的微调头部以确保最终的像素级精度；而在外围，一个基于主动学习和自然语言大模型的“大管家”，将负责解析医生的语音或文字指令，动态调度和分配这些复杂的计算资源，自动评估分割质量，并在需要时精确请求人类医生的干预。

当这一天到来时，医疗三维影像标注工具将不再仅仅是一个节省体力的“画笔”，它将进化成为临床医生的数字同侪，从无尽的三维体素中自主挖掘隐藏的生命密码，将精准医疗的基础设施推向一个前所未有的智能新纪元。

This is for informational purposes only. For medical advice or diagnosis, consult a professional.

Works cited

1. AbdomenAtlas-8K: Annotating 8,000 CT Volumes for Multi-Organ Segmentation in Three Weeks - arXiv, https://arxiv.org/html/2305.09666v3

2. 3D Slicer image computing platform | 3D Slicer, https://www.slicer.org/

3. The Medical Segmentation Decathlon without a Doctorate - PMC - NIH, https://pmc.ncbi.nlm.nih.gov/articles/PMC12737755/

4. 3D-Slicer, MONAI-Label, Kheops or Kaapana? | by Miri Trope - Medium, https://medium.com/@miritrope/3d-slicer-monai-label-kheops-or-kaapana-3e66a3c03f03

5. monailabel - PyPI, https://pypi.org/project/monailabel/

6. tutorials/monailabel/monailabel_HelloWorld_radiology_3dslicer.ipynb at main · Project-MONAI/tutorials - GitHub, https://github.com/Project-MONAI/tutorials/blob/main/monailabel/monailabel_HelloWorld_radiology_3dslicer.ipynb

7. Quickstart — MONAI Label 0.8.2 Documentation, https://monai.readthedocs.io/projects/label/en/0.8.2/quickstart.html

8. MONAI - Medical Open Network for AI, https://project-monai.github.io/

9. AI-Assisted Annotation of Medical Images using MONAI Label on AWS | AWS for Industries, https://aws.amazon.com/blogs/industries/ai-assisted-annotation-of-medical-images-using-monai-label-on-aws/

10. AI Maker Case Study - MONAI 1.0 Tutorial: Train 3D Segmentation Model Using Spleen CT Data - TWCC, https://docs.oneai.twcc.ai/s/casestudy-monai-en

11. AI-Driven MRI-based Brain Tumour Segmentation Benchmarking - arXiv, https://arxiv.org/pdf/2506.20786

12. Comparison of Foundation Models MedSAM and DINOv3 with the nnU-Net Framework for Bone Metastasis Segmentation in Computed Tomography Scans - MDPI, https://www.mdpi.com/2673-2688/7/6/181

13. TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI | Radiology - RSNA Journals, https://pubs.rsna.org/doi/10.1148/radiol.241613

14. TotalSegmentator (wasserth/totalsegmentator) | Context7, https://context7.com/wasserth/totalsegmentator

15. TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT Images | Radiology: Artificial Intelligence - RSNA Journals, https://pubs.rsna.org/doi/abs/10.1148/ryai.230024

16. TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT Images - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC10546353/

17. Dataset with segmentations of 117 important anatomical structures in 1228 CT images, https://zenodo.org/records/10047292

18. [2405.19492] TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI - arXiv, https://arxiv.org/abs/2405.19492

19. GitHub - wasserth/TotalSegmentator: Tool for robust segmentation of >100 important anatomical structures in CT and MR images, https://github.com/wasserth/totalsegmentator

20. Universal medical image segmentation via in-context cross-attention - Frontiers, https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1698324/full

21. Large-vocabulary segmentation for medical images with text prompts - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC12405521/

22. Universal and extensible language-vision models for organ segmentation and tumor detection from abdominal computed tomography, https://www.cs.jhu.edu/~zongwei/publication/liu2024universal.pdf

23. Generalist models in medical image segmentation: A survey and performance comparison with task-specific approaches, https://re.public.polimi.it/retrieve/558b5f23-13ae-4417-b048-bb20b32ae315/Andrea_Moglia_Generalist%20Models%20in%20Medical%20Image%20Segmentation%20A%20Survey%20and%20Performance%20Comparison%20with%20Task-Specific%20Approaches.pdf

24. Introducing SAM 3D: Powerful 3D Reconstruction for Physical World Images - Meta AI, https://ai.meta.com/blog/sam-3d/

25. MedicoSAM: Robust Improvement of SAM for Medical Imaging - arXiv, https://arxiv.org/html/2501.11734v2

26. SAM 3D: Advancing Volumetric Segmentation - Emergent Mind, https://www.emergentmind.com/topics/sam-3d

27. Towards a Comprehensive, Efficient and Promptable Anatomic Structure Segmentation Model using 3D Whole-body CT Scans, https://www.cs.jhu.edu/~lelu/publication/CT_SAM3D_AAAI%202025.pdf

28. From Prediction to Prompt: Leveraging nnU-Net Outputs to Guide SAM for Active Learning in 3D Dental Segmentation - OpenReview, https://openreview.net/pdf?id=T4uViwTBZo

29. RadSAM: Segmenting 3D radiological images with a 2D promptable model, https://papers.miccai.org/miccai-2025/paper/4118_paper.pdf

30. Large-Vocabulary Segmentation for Medical Images with Text Prompts - arXiv, https://arxiv.org/html/2312.17183v5

31. Scaling Tumor Segmentation: Best Lessons from Real and Synthetic Data - Johns Hopkins Computer Science, https://www.cs.jhu.edu/~alanlab/Pubs25/chen2025scaling.pdf

32. Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine Framework and Its Adversarial Examples - Johns Hopkins Computer Science, https://www.cs.jhu.edu/~alanlab/Pubs19/li2019volumetric.pdf

33. (PDF) Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-Fine Framework and Its Adversarial Examples - ResearchGate, https://www.researchgate.net/publication/335916907_Volumetric_Medical_Image_Segmentation_A_3D_Deep_Coarse-to-Fine_Framework_and_Its_Adversarial_Examples

34. D5.4: Data Preprocessing Tools and Services - Cancer Image Europe, https://cancerimage.eu/wp-content/uploads/2025/05/D5.4_Data_processing_with_supplementary_m.pdf

35. Development of a Secure Web-Based Medical Imaging Analysis Platform: The AWESOMME Project - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC1152223/

36. Seeing the invisible: Three-dimensional liver modeling from simulation to the scalpel, https://www.ahbps.org/journal/view.html?uid=2694&&vmd=Full

37. D5.6. Minimum Data Federation and Interoperability Framework - Cancer Image Europe, https://cancerimage.eu/wp-content/uploads/2026/02/D5.6.-Minimum-Data-Federation-and-Interoperability-Framework.pdf

38. Tutorials | Weasis Documentation, https://weasis.org/en/tutorials/index.print.html

39. Advanced Medical Imaging Data Orchestration: GaelO Flow, https://gaelo.fr/en/software/dicom-data-orchestration/

40. DICOM structured report document type definition | Request PDF - ResearchGate, https://www.researchgate.net/publication/7142316_DICOM_structured_report_document_type_definition

41. Towards Autonomous and Auditable Medical Imaging Model Development - arXiv, https://arxiv.org/html/2607.10522v1