简介本资源面向医学影像分析与深度学习方向的本科生、研究生及算法初学者提供一套基于Python的3D-CT肺结节检测完整项目可用于毕业设计、期末大作业或课程设计。项目围绕DICOM转raw预处理、候选结节检测、假阳性分类与结果提交等环节展开覆盖从数据准备到模型训练与测试的完整流程难度适中适合作为医学图像处理入门到进阶的实战参考。压缩包共53个文件以38个Python源码为主辅以csv标注与预测结果、npy数据、png示意图、ipynb演示笔记及README说明文档整体约9.6MB目录按预处理、检测器、分类器与训练配置等模块划分结构清晰便于按需查阅。目前已有109人学习下载。读者可获得可本地编译运行的源码、配套数据集与文档说明并借助检测与分类双阶段代码理解3D-CT肺结节检测的实现思路与调参方法。1. 从一份 3D-CT 肺结节检测源码说起它到底解决了什么拿到「医学影像分析-基于python的3D-CT影像的肺结节检测算法源码文档说明数据集」这个标题时我第一反应不是兴奋而是先想清楚它落在哪个环节。CT 影像是三维体数据一层层切片叠起来肺结节就是藏在几百层切片里、直径可能只有几毫米的小团块。医生靠肉眼逐层翻一份薄层 CT 动辄两三百层漏诊和疲劳是绕不开的现实问题。这套方案要做的就是用 python 把 3D-CT 读进来定位并判断哪些位置是结节。它适合两类人一类是想入门医学影像的 python 开发者一类是手里有数据、想跑通检测流程的影像方向学生和工程师。核心词 3D-CT、肺结节检测、医学影像分析、算法源码后面每一章都会落到具体操作上而不是停在概念。2. 3D-CT 肺结节检测的技术底座为什么是三维而不是二维2.1 从 DICOM 到体数据三维信息到底存在哪很多人第一次接触医学影像会把它当成一堆 PNG 图片。这是最大的误解。CT 的原始格式是 DICOM每一层切片除了像素矩阵还带有一堆元数据层厚SliceThickness、像素间距PixelSpacing、层间距SpacingBetweenSlices。这些参数决定了三维体数据的物理尺寸。如果只按二维图片处理结节在 Z 轴上的连续性就丢了而肺结节恰恰是一个在三维空间里有形状的团块孤立看单层很容易把它当成血管断面。常见做法是用 pydicom 逐层读取再用 numpy 堆叠成三维数组。这里有个关键点不同设备的层厚可能不一致重建时要做重采样把体素变成各向同性否则模型学到的空间关系是扭曲的。我一般会把体数据统一重采样到 1mm×1mm×1mm这样后续的检测框尺寸才有可比性。import pydicom import numpy as np def load_ct_series(dicom_dir): # 读取目录下所有 DICOM 文件 slices [pydicom.dcmread(f) for f in sorted(os.listdir(dicom_dir))] # 按 InstanceNumber 排序保证 Z 轴顺序正确 slices.sort(keylambda s: int(s.InstanceNumber)) # 用 RescaleSlope/Intercept 把像素值转成 HU 值 volume np.stack([ s.pixel_array * s.RescaleSlope s.RescaleIntercept for s in slices ]) # 读取层厚和像素间距供后续重采样使用 spacing (float(slices[0].SliceThickness), float(slices[0].PixelSpacing[0]), float(slices[0].PixelSpacing[1])) return volume, spacing这段代码的逻辑是先按层号排序避免 Z 轴错乱再用 HU 值转换因为原始像素值没有物理意义只有转成 HU 才能区分肺实质、血管和骨。参数上RescaleSlope 和 RescaleIntercept 来自 DICOM 头不能硬编码。spacing 返回三个方向的物理间距后面重采样和检测框回归都要用。2.2 肺实质分割把无关区域先剔掉整张 CT 里肺只占一部分还有骨头、纵隔、空气。如果直接把整幅体数据喂给检测网络计算量大假阳性也高。常见做法是先做肺实质分割把肺区域抠出来再在肺内做结节检测。传统方法用阈值加形态学HU 值低于 -400 大致是肺再填洞、去小连通域。深度学习方法可以用 U-Net 类分割网络但源码方案里通常先用传统方法跑通流程。from scipy import ndimage def lung_mask(volume): # 肺实质 HU 值大致在 -1000 到 -400 之间 mask (volume -1000) (volume -400) # 填洞把肺内血管造成的小孔补上 mask ndimage.binary_fill_holes(mask) # 去掉小的连通域保留左右肺 labeled, num ndimage.label(mask) sizes ndimage.sum(mask, labeled, range(1, num 1)) keep np.argsort(sizes)[-2:] 1 # 取最大的两个连通域 mask np.isin(labeled, keep) return mask逻辑说明阈值范围是经验值不同设备可能略有差异可以看直方图微调。binary_fill_holes 解决肺内血管造成的空洞label 加尺寸筛选去掉气管等干扰。参数上-1000 和 -400 是常用边界如果数据里肺气肿严重可以适当放宽。这一步做完后续检测只在 mask 内进行能显著降低假阳性。2.3 检测网络选型3D CNN 还是 2.5D肺结节检测的网络结构常见有三条路纯 3D CNN、2.5D把相邻几层当通道、以及先 2D 检测再在 Z 轴聚合。纯 3D 感受野最完整但显存吃紧小数据集容易过拟合。2.5D 折中用 2D 骨干网络加多通道输入训练快但 Z 轴信息利用不充分。源码方案里如果数据集规模不大我一般建议先跑 2.5D 把流程走通再换 3D。选型理由3D-CT 的层厚如果大于 2mmZ 轴分辨率低纯 3D 卷积的优势会被削弱这时候 2.5D 反而更稳。如果层厚在 1mm 左右且显存够3D 检测头能更好地区分结节和血管。参数上输入 patch 大小常见 64×64×64 或 96×96×96太小会丢上下文太大显存爆炸。batch size 在 3D 下通常只能给到 2 到 4需要配合梯度累积。3. 把源码跑起来环境、数据、训练三步走3.1 python 环境与依赖安装避开版本冲突医学影像的依赖链比较长python 版本、CUDA、pytorch、SimpleITK 之间容易打架。我一般用 conda 建独立环境python 3.8 是比较稳的选择很多影像库对 3.9 以上支持还不完整。安装顺序也有讲究先装 pytorch 对应 CUDA 版本再装医学影像库最后装普通科学计算库。conda create -n lungct python3.8 conda activate lungct # 根据显卡 CUDA 版本选择这里以 cu118 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install pydicom SimpleITK scipy numpy pandas pip install monai # 医学影像常用工具库逻辑说明先建环境隔离依赖避免和系统 python 冲突。pytorch 用官方 index 装保证 CUDA 匹配。monai 提供现成的 3D 数据增强和网络组件能省不少事。参数上python 3.8 是保守选择如果源码里用了新语法再往上调。装完用python -c import torch; print(torch.cuda.is_available())验证 GPU 是否可用。3.2 数据集组织与标注格式转换肺结节数据集常见标注是 XML 或 CSV记录结节坐标和直径。源码方案里通常需要转成检测网络能吃的格式比如每个结节一个中心点和半径或者边界框。LUNA16 是公开数据集里比较常用的标注在 CSV 里包含 seriesuid、coordX、coordY、coordZ、diameter_mm。import pandas as pd import numpy as np def csv_to_bbox(csv_path, spacing(1.0, 1.0, 1.0)): df pd.read_csv(csv_path) boxes [] for _, row in df.iterrows(): # 世界坐标转体素坐标需要 origin 和 spacing # 这里简化处理假设已对齐 cx row[coordX] / spacing[0] cy row[coordY] / spacing[1] cz row[coordZ] / spacing[2] r row[diameter_mm] / 2 / spacing[0] boxes.append([cx - r, cy - r, cz - r, cx r, cy r, cz r]) return np.array(boxes)逻辑说明世界坐标到体素坐标的转换依赖 origin 和 spacing实际项目里要从 DICOM 头里取这里简化成除以 spacing。参数上diameter_mm 是结节直径转成半径再转体素。注意不同数据集的坐标定义可能不同转换后最好可视化几例确认框的位置对不对这一步翻车很常见。3.3 训练循环与关键参数训练 3D 检测网络显存和正负样本失衡是两个大坑。结节在肺里占比极小如果按随机采样负样本会淹没正样本。常见做法是难例挖掘或按比例采样保证每个 batch 里正负样本比例在 1:2 到 1:3 左右。import torch from torch.utils.data import DataLoader def train_one_epoch(model, loader, optimizer, device): model.train() total_loss 0 for volume, boxes in loader: volume volume.to(device).float() # 前向传播输出分类和回归 cls_pred, reg_pred model(volume) # 分类用 focal loss 缓解正负失衡 cls_loss focal_loss(cls_pred, boxes[labels]) # 回归只对正样本计算 reg_loss smooth_l1(reg_pred[boxes[mask]], boxes[targets]) loss cls_loss reg_loss optimizer.zero_grad() loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(loader)逻辑说明focal loss 降低易分负样本的权重smooth L1 对回归异常值更鲁棒。参数上学习率常见 1e-4 起步3D 网络收敛慢可以配合 cosine 退火。batch size 受显存限制如果只能给 2可以用梯度累积模拟大 batch。训练时盯着验证集的敏感度和假阳性率不要只看 loss。4. 避坑与排查肺结节检测里最容易翻车的五件事4.1 现象训练 loss 下降但验证敏感度不动原因正负样本极度失衡模型学会了全预测为负loss 看着降其实没学到结节。解决检查采样策略确保每个 batch 有正样本把分类 loss 换成 focal loss 或加类别权重先在小数据集上过拟合几个样本确认网络能学会。4.2 现象检测框位置整体偏移原因世界坐标到体素坐标转换时 origin 或 spacing 用错或者重采样后没有同步更新标注。解决可视化几例把预测框和原始标注画在同一体数据上对比检查 DICOM 里的 ImagePositionPatient 和 PixelSpacing确认转换公式重采样时用同一套变换矩阵处理图像和标注。4.3 现象显存溢出batch size 降到 1 还报错原因输入 patch 太大或者 3D 网络通道数太多。解决把 patch 从 96 降到 64或者用 2.5D 替代纯 3D检查网络里有没有不必要的全连接层用混合精度训练torch.cuda.amp 能省不少显存。4.4 现象不同设备的数据跑出来效果差很多原因层厚和像素间距不一致没有做重采样导致体素物理尺寸不同。解决统一重采样到各向同性比如 1mm×1mm×1mm在数据加载时读取 spacing动态调整训练集里如果设备差异大做设备维度的数据增强。4.5 现象推理时单例耗时太长原因滑窗推理步长太小或者没有做肺实质裁剪。解决先在肺 mask 内推理减少搜索范围滑窗步长设为 patch 的一半左右重叠太多会拖慢用 GPU 批量推理把多个 patch 拼成一个 batch。5. 进阶技巧用 MONAI 做 3D 数据增强与滑窗推理5.1 用 MONAI 的变换做在线增强3D 医学影像数据量通常不大数据增强是提点的关键。MONAI 提供了针对 3D 的变换比如随机旋转、缩放、弹性形变而且能同步处理图像和标注。我一般会在训练时用 RandRotate90、RandFlip、RandScaleIntensity 组合验证时只做归一化。from monai.transforms import ( Compose, RandRotate90, RandFlip, RandScaleIntensity, NormalizeIntensity ) train_transforms Compose([ RandRotate90(prob0.3, spatial_axes(0, 1)), # 在 XY 平面旋转 RandFlip(prob0.5, spatial_axis0), # 左右翻转 RandScaleIntensity(factors0.1, prob0.5), # 强度扰动 NormalizeIntensity(), # 归一化 ])逻辑说明旋转和翻转模拟不同体位强度扰动模拟不同设备。参数上prob 控制增强概率spatial_axes 指定旋转平面。注意增强要同步作用于图像和标注MONAI 的字典变换能自动处理。如果自己写增强很容易出现图像转了标注没转的翻车。5.2 滑窗推理与结果聚合整幅 CT 太大推理时用滑窗。每个窗口出一个预测最后用 NMS 聚合。滑窗步长和窗口大小要配合步长太小耗时太大漏检。def sliding_window_inference(volume, model, patch_size(64, 64, 64), overlap0.5): step [int(p * (1 - overlap)) for p in patch_size] results [] for z in range(0, volume.shape[0] - patch_size[0] 1, step[0]): for y in range(0, volume.shape[1] - patch_size[1] 1, step[1]): for x in range(0, volume.shape[2] - patch_size[2] 1, step[2]): patch volume[z:zpatch_size[0], y:ypatch_size[1], x:xpatch_size[2]] pred model(patch[None, None].float()) results.append((pred, (z, y, x))) # 用 NMS 合并重叠框 return nms(results)逻辑说明overlap 控制窗口重叠比例0.5 意味着步长是窗口一半。参数上patch_size 要和训练时一致否则分布不匹配。NMS 的 IoU 阈值常见 0.1 到 0.3因为结节框小阈值太高会漏合并。推理完把结果映射回原始坐标再和标注对比算敏感度。5.3 验证方法用 FROC 曲线看真实性能肺结节检测不看准确率看 FROC。横轴是平均每例假阳性数纵轴是敏感度。比赛里常用 7 个假阳性点下的平均敏感度作为指标。自己验证时至少跑一遍完整流程统计不同阈值下的敏感度和假阳性画出来看曲线。如果曲线在低假阳性区就掉得厉害说明模型区分能力不够得回去查数据或网络。我自己的习惯是每改一次数据增强或网络结构先在小验证集上跑 FROC不要等完整训练。曾经有一次没做重采样训练 loss 看着正常FROC 一跑敏感度只有 0.3回头查才发现层厚没统一。这个教训让我养成了先验证数据管道再训模型的习惯。希望帮到你。本文还有配套的精品资源点击获取
简介本资源面向医学影像分析与深度学习方向的本科生、研究生及算法初学者提供一套基于Python的3D-CT肺结节检测完整项目可用于毕业设计、期末大作业或课程设计。项目围绕DICOM转raw预处理、候选结节检测、假阳性分类与结果提交等环节展开覆盖从数据准备到模型训练与测试的完整流程难度适中适合作为医学图像处理入门到进阶的实战参考。压缩包共53个文件以38个Python源码为主辅以csv标注与预测结果、npy数据、png示意图、ipynb演示笔记及README说明文档整体约9.6MB目录按预处理、检测器、分类器与训练配置等模块划分结构清晰便于按需查阅。目前已有109人学习下载。读者可获得可本地编译运行的源码、配套数据集与文档说明并借助检测与分类双阶段代码理解3D-CT肺结节检测的实现思路与调参方法。1. 从一份 3D-CT 肺结节检测源码说起它到底解决了什么拿到「医学影像分析-基于python的3D-CT影像的肺结节检测算法源码文档说明数据集」这个标题时我第一反应不是兴奋而是先想清楚它落在哪个环节。CT 影像是三维体数据一层层切片叠起来肺结节就是藏在几百层切片里、直径可能只有几毫米的小团块。医生靠肉眼逐层翻一份薄层 CT 动辄两三百层漏诊和疲劳是绕不开的现实问题。这套方案要做的就是用 python 把 3D-CT 读进来定位并判断哪些位置是结节。它适合两类人一类是想入门医学影像的 python 开发者一类是手里有数据、想跑通检测流程的影像方向学生和工程师。核心词 3D-CT、肺结节检测、医学影像分析、算法源码后面每一章都会落到具体操作上而不是停在概念。2. 3D-CT 肺结节检测的技术底座为什么是三维而不是二维2.1 从 DICOM 到体数据三维信息到底存在哪很多人第一次接触医学影像会把它当成一堆 PNG 图片。这是最大的误解。CT 的原始格式是 DICOM每一层切片除了像素矩阵还带有一堆元数据层厚SliceThickness、像素间距PixelSpacing、层间距SpacingBetweenSlices。这些参数决定了三维体数据的物理尺寸。如果只按二维图片处理结节在 Z 轴上的连续性就丢了而肺结节恰恰是一个在三维空间里有形状的团块孤立看单层很容易把它当成血管断面。常见做法是用 pydicom 逐层读取再用 numpy 堆叠成三维数组。这里有个关键点不同设备的层厚可能不一致重建时要做重采样把体素变成各向同性否则模型学到的空间关系是扭曲的。我一般会把体数据统一重采样到 1mm×1mm×1mm这样后续的检测框尺寸才有可比性。import pydicom import numpy as np def load_ct_series(dicom_dir): # 读取目录下所有 DICOM 文件 slices [pydicom.dcmread(f) for f in sorted(os.listdir(dicom_dir))] # 按 InstanceNumber 排序保证 Z 轴顺序正确 slices.sort(keylambda s: int(s.InstanceNumber)) # 用 RescaleSlope/Intercept 把像素值转成 HU 值 volume np.stack([ s.pixel_array * s.RescaleSlope s.RescaleIntercept for s in slices ]) # 读取层厚和像素间距供后续重采样使用 spacing (float(slices[0].SliceThickness), float(slices[0].PixelSpacing[0]), float(slices[0].PixelSpacing[1])) return volume, spacing这段代码的逻辑是先按层号排序避免 Z 轴错乱再用 HU 值转换因为原始像素值没有物理意义只有转成 HU 才能区分肺实质、血管和骨。参数上RescaleSlope 和 RescaleIntercept 来自 DICOM 头不能硬编码。spacing 返回三个方向的物理间距后面重采样和检测框回归都要用。2.2 肺实质分割把无关区域先剔掉整张 CT 里肺只占一部分还有骨头、纵隔、空气。如果直接把整幅体数据喂给检测网络计算量大假阳性也高。常见做法是先做肺实质分割把肺区域抠出来再在肺内做结节检测。传统方法用阈值加形态学HU 值低于 -400 大致是肺再填洞、去小连通域。深度学习方法可以用 U-Net 类分割网络但源码方案里通常先用传统方法跑通流程。from scipy import ndimage def lung_mask(volume): # 肺实质 HU 值大致在 -1000 到 -400 之间 mask (volume -1000) (volume -400) # 填洞把肺内血管造成的小孔补上 mask ndimage.binary_fill_holes(mask) # 去掉小的连通域保留左右肺 labeled, num ndimage.label(mask) sizes ndimage.sum(mask, labeled, range(1, num 1)) keep np.argsort(sizes)[-2:] 1 # 取最大的两个连通域 mask np.isin(labeled, keep) return mask逻辑说明阈值范围是经验值不同设备可能略有差异可以看直方图微调。binary_fill_holes 解决肺内血管造成的空洞label 加尺寸筛选去掉气管等干扰。参数上-1000 和 -400 是常用边界如果数据里肺气肿严重可以适当放宽。这一步做完后续检测只在 mask 内进行能显著降低假阳性。2.3 检测网络选型3D CNN 还是 2.5D肺结节检测的网络结构常见有三条路纯 3D CNN、2.5D把相邻几层当通道、以及先 2D 检测再在 Z 轴聚合。纯 3D 感受野最完整但显存吃紧小数据集容易过拟合。2.5D 折中用 2D 骨干网络加多通道输入训练快但 Z 轴信息利用不充分。源码方案里如果数据集规模不大我一般建议先跑 2.5D 把流程走通再换 3D。选型理由3D-CT 的层厚如果大于 2mmZ 轴分辨率低纯 3D 卷积的优势会被削弱这时候 2.5D 反而更稳。如果层厚在 1mm 左右且显存够3D 检测头能更好地区分结节和血管。参数上输入 patch 大小常见 64×64×64 或 96×96×96太小会丢上下文太大显存爆炸。batch size 在 3D 下通常只能给到 2 到 4需要配合梯度累积。3. 把源码跑起来环境、数据、训练三步走3.1 python 环境与依赖安装避开版本冲突医学影像的依赖链比较长python 版本、CUDA、pytorch、SimpleITK 之间容易打架。我一般用 conda 建独立环境python 3.8 是比较稳的选择很多影像库对 3.9 以上支持还不完整。安装顺序也有讲究先装 pytorch 对应 CUDA 版本再装医学影像库最后装普通科学计算库。conda create -n lungct python3.8 conda activate lungct # 根据显卡 CUDA 版本选择这里以 cu118 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install pydicom SimpleITK scipy numpy pandas pip install monai # 医学影像常用工具库逻辑说明先建环境隔离依赖避免和系统 python 冲突。pytorch 用官方 index 装保证 CUDA 匹配。monai 提供现成的 3D 数据增强和网络组件能省不少事。参数上python 3.8 是保守选择如果源码里用了新语法再往上调。装完用python -c import torch; print(torch.cuda.is_available())验证 GPU 是否可用。3.2 数据集组织与标注格式转换肺结节数据集常见标注是 XML 或 CSV记录结节坐标和直径。源码方案里通常需要转成检测网络能吃的格式比如每个结节一个中心点和半径或者边界框。LUNA16 是公开数据集里比较常用的标注在 CSV 里包含 seriesuid、coordX、coordY、coordZ、diameter_mm。import pandas as pd import numpy as np def csv_to_bbox(csv_path, spacing(1.0, 1.0, 1.0)): df pd.read_csv(csv_path) boxes [] for _, row in df.iterrows(): # 世界坐标转体素坐标需要 origin 和 spacing # 这里简化处理假设已对齐 cx row[coordX] / spacing[0] cy row[coordY] / spacing[1] cz row[coordZ] / spacing[2] r row[diameter_mm] / 2 / spacing[0] boxes.append([cx - r, cy - r, cz - r, cx r, cy r, cz r]) return np.array(boxes)逻辑说明世界坐标到体素坐标的转换依赖 origin 和 spacing实际项目里要从 DICOM 头里取这里简化成除以 spacing。参数上diameter_mm 是结节直径转成半径再转体素。注意不同数据集的坐标定义可能不同转换后最好可视化几例确认框的位置对不对这一步翻车很常见。3.3 训练循环与关键参数训练 3D 检测网络显存和正负样本失衡是两个大坑。结节在肺里占比极小如果按随机采样负样本会淹没正样本。常见做法是难例挖掘或按比例采样保证每个 batch 里正负样本比例在 1:2 到 1:3 左右。import torch from torch.utils.data import DataLoader def train_one_epoch(model, loader, optimizer, device): model.train() total_loss 0 for volume, boxes in loader: volume volume.to(device).float() # 前向传播输出分类和回归 cls_pred, reg_pred model(volume) # 分类用 focal loss 缓解正负失衡 cls_loss focal_loss(cls_pred, boxes[labels]) # 回归只对正样本计算 reg_loss smooth_l1(reg_pred[boxes[mask]], boxes[targets]) loss cls_loss reg_loss optimizer.zero_grad() loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(loader)逻辑说明focal loss 降低易分负样本的权重smooth L1 对回归异常值更鲁棒。参数上学习率常见 1e-4 起步3D 网络收敛慢可以配合 cosine 退火。batch size 受显存限制如果只能给 2可以用梯度累积模拟大 batch。训练时盯着验证集的敏感度和假阳性率不要只看 loss。4. 避坑与排查肺结节检测里最容易翻车的五件事4.1 现象训练 loss 下降但验证敏感度不动原因正负样本极度失衡模型学会了全预测为负loss 看着降其实没学到结节。解决检查采样策略确保每个 batch 有正样本把分类 loss 换成 focal loss 或加类别权重先在小数据集上过拟合几个样本确认网络能学会。4.2 现象检测框位置整体偏移原因世界坐标到体素坐标转换时 origin 或 spacing 用错或者重采样后没有同步更新标注。解决可视化几例把预测框和原始标注画在同一体数据上对比检查 DICOM 里的 ImagePositionPatient 和 PixelSpacing确认转换公式重采样时用同一套变换矩阵处理图像和标注。4.3 现象显存溢出batch size 降到 1 还报错原因输入 patch 太大或者 3D 网络通道数太多。解决把 patch 从 96 降到 64或者用 2.5D 替代纯 3D检查网络里有没有不必要的全连接层用混合精度训练torch.cuda.amp 能省不少显存。4.4 现象不同设备的数据跑出来效果差很多原因层厚和像素间距不一致没有做重采样导致体素物理尺寸不同。解决统一重采样到各向同性比如 1mm×1mm×1mm在数据加载时读取 spacing动态调整训练集里如果设备差异大做设备维度的数据增强。4.5 现象推理时单例耗时太长原因滑窗推理步长太小或者没有做肺实质裁剪。解决先在肺 mask 内推理减少搜索范围滑窗步长设为 patch 的一半左右重叠太多会拖慢用 GPU 批量推理把多个 patch 拼成一个 batch。5. 进阶技巧用 MONAI 做 3D 数据增强与滑窗推理5.1 用 MONAI 的变换做在线增强3D 医学影像数据量通常不大数据增强是提点的关键。MONAI 提供了针对 3D 的变换比如随机旋转、缩放、弹性形变而且能同步处理图像和标注。我一般会在训练时用 RandRotate90、RandFlip、RandScaleIntensity 组合验证时只做归一化。from monai.transforms import ( Compose, RandRotate90, RandFlip, RandScaleIntensity, NormalizeIntensity ) train_transforms Compose([ RandRotate90(prob0.3, spatial_axes(0, 1)), # 在 XY 平面旋转 RandFlip(prob0.5, spatial_axis0), # 左右翻转 RandScaleIntensity(factors0.1, prob0.5), # 强度扰动 NormalizeIntensity(), # 归一化 ])逻辑说明旋转和翻转模拟不同体位强度扰动模拟不同设备。参数上prob 控制增强概率spatial_axes 指定旋转平面。注意增强要同步作用于图像和标注MONAI 的字典变换能自动处理。如果自己写增强很容易出现图像转了标注没转的翻车。5.2 滑窗推理与结果聚合整幅 CT 太大推理时用滑窗。每个窗口出一个预测最后用 NMS 聚合。滑窗步长和窗口大小要配合步长太小耗时太大漏检。def sliding_window_inference(volume, model, patch_size(64, 64, 64), overlap0.5): step [int(p * (1 - overlap)) for p in patch_size] results [] for z in range(0, volume.shape[0] - patch_size[0] 1, step[0]): for y in range(0, volume.shape[1] - patch_size[1] 1, step[1]): for x in range(0, volume.shape[2] - patch_size[2] 1, step[2]): patch volume[z:zpatch_size[0], y:ypatch_size[1], x:xpatch_size[2]] pred model(patch[None, None].float()) results.append((pred, (z, y, x))) # 用 NMS 合并重叠框 return nms(results)逻辑说明overlap 控制窗口重叠比例0.5 意味着步长是窗口一半。参数上patch_size 要和训练时一致否则分布不匹配。NMS 的 IoU 阈值常见 0.1 到 0.3因为结节框小阈值太高会漏合并。推理完把结果映射回原始坐标再和标注对比算敏感度。5.3 验证方法用 FROC 曲线看真实性能肺结节检测不看准确率看 FROC。横轴是平均每例假阳性数纵轴是敏感度。比赛里常用 7 个假阳性点下的平均敏感度作为指标。自己验证时至少跑一遍完整流程统计不同阈值下的敏感度和假阳性画出来看曲线。如果曲线在低假阳性区就掉得厉害说明模型区分能力不够得回去查数据或网络。我自己的习惯是每改一次数据增强或网络结构先在小验证集上跑 FROC不要等完整训练。曾经有一次没做重采样训练 loss 看着正常FROC 一跑敏感度只有 0.3回头查才发现层厚没统一。这个教训让我养成了先验证数据管道再训模型的习惯。希望帮到你。本文还有配套的精品资源点击获取
