心脏左心房切片分割数据集：从数据准备到2D U-Net训练全指南

简介面向医学图像分割研究者的心脏左心房切片数据集源于左心房三维数据按轴位面、冠状面、矢状面划分为三组二维切面每组均含图片目录与掩码目录掩码中1代表心脏、0代表背景可直接用于训练U-Net等分割模型。其中轴位面包含1351张320×320图像冠状面包含1151张320×130图像矢状面包含828张320×130图像覆盖不同解剖视角便于开展多维对比与消融实验。资源共2000个文件包括1998张PNG格式图像、1个Python可视化脚本和1个JSON数据集说明文件压缩包大小93.88MB。可视化脚本可随机抽取图像将原始图像、真实标注及叠加蒙版效果保存到本地方便快速核验标注质量与模型输出。已有365人学习下载适用于需要标准化心脏分割数据的研究人员、算法工程师及医学影像相关专业学生。1. 心脏左心房切片分割数据集为什么三个切面和两个类别就够你练手了做房颤射频消融术前规划时医生需要把左心房从三维核磁或CT里完整勾出来传统流程是逐层手动画轮廓一套序列下来常常要四十分钟到一个小时而且不同医生勾出来的边界差异不小。这几年自动分割方案越来越多但所有方案的第一步都落在同一件事上先把训练数据整理明白。这个心脏左心房切片分割数据集提供的就是这么一套基础材料三个切面方向横断面、矢状面、冠状面的二维切片各自划分好每张切片只有两个类别——背景和左心房还配了标签文件和可视化代码。它适合两类人想在医学图像分割方向入门但苦于找不到能直接跑起来的数据的研究者以及已经跑过几个模型但对数据组织和标签对齐还没建立手感的一线工程师。这个数据集最大的价值不在模型涨点而是把从原始图像到能进模型的那一步中间环节完整铺开让你提前踩一遍数据管线里最容易翻车的坑。2. 切面划分与数据集结构拿到手第一件事不是训练是理清目录2.1 先看懂三个切面是怎么划分的三个切面这个概念看起来简单但医学图像里特别容易绕进去。三维医学图像本质是一堆体素横断面axial、矢状面sagittal、冠状面coronal分别对应沿着人体从头到脚、从左到右、从前到后三个正交方向做切片。同一个左心房在横断面上看是个近似圆形的腔在矢状面上看是拉长的漏斗形在冠状面上看又是不规则椭圆。这个数据集做的事就是把这套切片按方向分好每个方向单独建目录切片编号保持连续让使用者不用自己写dicom解析和重切逻辑。我拿到手第一件事是看目录树用一条命令把结构完全打出来确认没有隐藏的空目录和断文件。find data -type d | sort echo --- 每个切面的图像数量 --- for d in data/*/; do echo $d find $d -name *.png | wc -l done逻辑说明先列出所有目录再按资源子目录统计PNG数量。很多医学数据集在拷贝、解压环节会丢切片尤其是打包工具对中文文件名处理不当的情况先看数量能避免后面训练到一半才发现缺图。参数说明-name *.png按你自己的实际格式改成*.npy或*.jpg都可以for d in data/*/只遍历一级目录如果你的切面目录是嵌套两级记得加深度参数。看完数量后我一般会随手抽查切片大小是否一致。医学图像在这上面有个很阴的坑同一套数据的3D体素可能是各向同性的比如0.625mm×0.625mm×0.625mm直接沿着某个轴切出来的每张二维图尺寸必然一致但如果是各向异性体素比如层厚1.5mm、平面内分辨率0.5mm不同切面方向的切片尺寸就完全不同了横断面可能是512×512矢状面却成了512×150。处理时要么统一resize要么按各自尺寸分别喂模型。2.2 命名规则与数据集划分文件匹配里的细节命名规则决定了你后面要写多少行数据清洗代码。好的数据集会统一命名比如img_axial_0001.png对应mask_axial_0001.png编号完全对齐也有的数据集用001.dcm配001_label.nii.gz这种混合格式需要手动解析。这个左心房数据集标注了划分好的数据集说明训练集验证集的划分已经做了但我仍然建议自己重新核对一遍划分逻辑避免出现训练集和验证集来自同一个病例的切片。from pathlib import Path img_dir Path(data/train/axial/img) mask_dir Path(data/train/axial/mask) img_names {p.stem for p in img_dir.glob(*.png)} mask_names {p.stem for p in mask_dir.glob(*.png)} print(f图像数量: {len(img_names)}) print(f标签数量: {len(mask_names)}) print(f缺少标签的图像: {sorted(img_names - mask_names)[:10]}) print(f缺少图像的标签: {sorted(mask_names - img_names)[:10]})逻辑说明把图像和标签文件名各转成一个集合做差集直接列出不匹配的文件名。数据集在划分或搬运过程中丢文件、改后缀名的情况很常见这一步能迅速暴露问题。参数说明p.stem是Path对象的方法返回不带后缀的文件名如果你的命名是img_axial_0001.png得到的stem是img_axial_0001两边保持一致就能直接匹配。另外要留意数据集是否按病人维度做了划分。同一个心脏的横断面切片有几十上百张如果其中一部分进了训练集、另一部分进了验证集模型会通过记忆切片间的相关性把验证集的Dice刷得很高但换到新病人上立刻崩。拿到数据集时先看看文件名前缀如果前缀包含病人编号就按病人编号而不是文件数做划分。2.3 切片读取与形状检查训练前必须做的三步验证训练前我习惯写一个最小的读取脚本把三个切面的数据全部读一遍打印shape和dtype再统计每个类别的像素占比。这一步看起来笨拙但能过滤掉一大堆后面折磨人的问题。import numpy as np from PIL import Image def inspect_slice(img_path, mask_path): img np.array(Image.open(img_path)) mask np.array(Image.open(mask_path)) print(f图像: {img.shape} {img.dtype} 范围: [{img.min()}, {img.max()}]) print(f标签: {mask.shape} {mask.dtype} 类别值: {np.unique(mask)}) if img.shape ! mask.shape: print(警告: 图像与标签尺寸不一致) return la_pixels (mask 1).sum() total_pixels mask.size print(f左心房像素占比: {la_pixels / total_pixels:.4f}) inspect_slice( data/train/axial/img/img_axial_0010.png, data/train/axial/mask/mask_axial_0010.png, )逻辑说明图像和标签尺寸一致性直接决定后续torchvision.transforms能不能正常用类别值决定了你的损失函数怎么设置。np.unique(mask)输出的是标签里实际存在的值如果是[0, 1]说明二分类干净如果出现0.5或[0, 1, 2]那说明有人用插值或绘画工具改过标签必须处理。左心房像素占比这个数字很关键经常是一整张512×512的图里只有几百个像素点属于目标区域这时候如果你用普通的cross entropy模型学到的几乎全是背景。医学图像的像素范围在不同模态之间差异极大核磁的原始值可能是几百到几千的范围CT的HU值范围更是从-1000到3000。如果这个数据集给的是PNG格式大概率是做过归一化的但我仍然习惯自己再确认一遍避免有个别切片因为窗宽窗位设置不同而显得特别亮或特别暗。3. 标签文件解析与类别映射把标注变成能训练的二值掩码3.1 标签文件常见格式从多边形坐标到像素掩码医学数据集的标签文件格式分成三个流派平面图像用JSON或XML存多边形顶点坐标三维体数据用NIfTI或MHD格式存体素掩码极少数的老数据集直接给一张画好轮廓的PNG。这个左心房数据集标题里写明包含标签文件具体格式不确定的情况下我倾向于先按最常见的两种可能性做准备也就是JSON坐标和直接可读的掩码图像。JSON格式的标签长这样每个切片对应一个JSON内部存储左心房轮廓的多边形顶点。{ filename: img_axial_0010.png, size: [512, 512], annotations: [ { class: left_atrium, class_id: 1, polygon: [ [243.5, 187.2], [245.1, 190.4], [251.8, 191.0] ] } ] }这套结构的逻辑很简单size记录原始图像尺寸annotations里每个对象是一条标注polygon是多边形的顶点坐标列表单位是像素。需要把多边形栅格化得到一个和原图尺寸相同的二值掩码背景为0左心房区域为1。也有一种可能标签文件直接给的是掩码图像数组存成NIfTI格式这种格式在三维标注工具ITK-SNAP和3D Slicer里最常见。NIfTI文件包含头信息和体素数据两部分头信息里有一个关键的仿射矩阵affine matrix它记录了体素坐标和真实世界坐标之间的映射关系。如果你用nibabel库读取这就是nii.affine。3.2 从多边形标签到二值掩码转换脚本与两个易错参数把JSON格式的多边形转成掩码首选工具是opencv的fillPoly它速度快且支持凹多边形PIL的ImageDraw.polygon对凹多边形的支持在某些版本里并不理想。import json import numpy as np import cv2 def json_to_mask(json_path, img_shape): with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros(img_shape[:2], dtypenp.uint8) for ann in data[annotations]: polygon np.array(ann[polygon], dtypenp.int32) if len(polygon.shape) ! 2 or polygon.shape[1] ! 2: print(f跳过异常多边形: {ann[filename]}) continue cv2.fillPoly(mask, [polygon], 1) return mask mask json_to_mask(data/train/axial/label/img_axial_0010.json, (512, 512)) print(f类别: {np.unique(mask)} 左心房像素: {(mask 1).sum()})逻辑说明cv2.fillPoly接受一个多边形顶点数组顶点类型必须是int32用1作为填充值得到二值掩码。dtypenp.uint8是个容易忽略的细节太多格式默认输出64位浮点存成PNG时会多一层转换风险。参数说明img_shape[:2]是因为有的JSON里记录的是三维尺寸但单个切面只需要前两维fillPoly的[polygon]语法是OpenCV的老API要求必须额外套一层列表。如果标签文件已经是npy或nii格式直接np.load或者用nibabel读就行绕过了多边形栅格化这步但需要额外注意nii文件的切片顺序。NIfTI的体素数组是[x, y, z]还是[z, y, x]取决于存储时的方向约定读出来后要和图像数据对齐最好手动对比一张切片确认左心房位置的左右方向是否正确。3.3 标签与图像的空间对齐为什么形状一样不代表对齐了在三维医学图像里图像和掩码形状完全一致仍然可能出现错位这是最搞心态的隐蔽问题。原因在于三维数据的方向矩阵——NIfTI和MHD文件头里记录了体素相对于真实解剖位置的排列方向如果图像和掩码来自不同的重采样流程它们的坐标原点或者轴方向可能相差一个翻转或旋转。常见的翻车方式有图像是RAS方向Right-Anterior-Superior掩码却是LPI方向Left-Posterior-Inferior直接叠加的话左心房会出现在图像的镜像位置。解决办法只有一个读取三维体数据时同时读取affine矩阵在重采样到二维切片之前先把图像和掩码对齐到同一空间。import nibabel as nib import numpy as np img_nii nib.load(data/train/axial/img/patient001_axial.nii.gz) mask_nii nib.load(data/train/axial/mask/patient001_label.nii.gz) img_data img_nii.get_fdata() mask_data mask_nii.get_fdata() print(f图像体素尺寸: {img_nii.header.get_zooms()}) print(f掩码体素尺寸: {mask_nii.header.get_zooms()}) print(f图像方向: {img_nii.affine[:3, :3]}) print(f掩码方向: {mask_nii.affine[:3, :3]}) if not np.allclose(img_nii.affine, mask_nii.affine): print(警告: 图像与掩码的空间定义不一致需要对齐)逻辑说明header.get_zooms()返回的是每个轴上的体素间隔比如(0.625, 0.625, 0.625)如果图像和掩码的体素间隔不一致直接沿着哪个轴切片都会出现几何失真。affine[:3, :3]是旋转缩放矩阵对角线为正代表对应轴方向一致出现负值说明某个轴被翻转。一旦检查出不一致最省事的对齐方案是把掩码用nibabel.probe_orientation和nibabel.orientations模块重排到与图像一致的方向。视觉上核对时重点看左心房的左右位置和上下位置这是方向翻转最容易暴露的地方。4. 用可视化代码核对标签质量切片叠加显示与逐层翻阅4.1 一张切片加掩码叠加显示最小可视化代码数据集自带的可视化代码通常能跑通但我还是习惯自己写一套更简单的因为自带代码往往为了兼顾三种切面格式写得比较复杂改成自己熟悉的形式后面的调试效率更高。最小可视化代码只需要matplotlib和numpy。import matplotlib.pyplot as plt import numpy as np from PIL import Image def show_slice(img_path, mask_path, save_pathNone): img np.array(Image.open(img_path)) mask np.array(Image.open(mask_path)) fig, axes plt.subplots(1, 3, figsize(15, 5)) axes[0].imshow(img, cmapgray) axes[0].set_title(Original Image) axes[1].imshow(mask, cmapgray) axes[1].set_title(Mask) axes[2].imshow(img, cmapgray) axes[2].imshow(mask, cmapjet, alpha0.5) axes[2].set_title(Overlay) for ax in axes: ax.axis(off) if save_path: plt.savefig(save_path, dpi150, bbox_inchestight) plt.show() show_slice( data/train/axial/img/img_axial_0010.png, data/train/axial/mask/mask_axial_0010.png, )逻辑说明这是我在拿到任何医学分割数据集时都会先跑的一段脚本。核心逻辑分三步原图灰度显示、掩码单独显示、原图上叠加半透明掩码。cmapjet用的是matplotlib内置的彩色映射让左心房区域变成红色系在灰度背景下非常显眼。alpha0.5是透明度参数调大一些会完全遮盖原图调小一些边界看不清0.5通常是比较舒服的居中值。save_path参数在数据集清洗时特别有用把所有切面的叠加图批量输出成一张长图用眼睛扫一遍就能发现大部分标签问题。参数说明dpi150可以理解为每英寸像素点数数值越大图片越清晰但文件也越大批量生成时我一般调到100就够用。bbox_inchestight的作用是裁掉图片周围的空白边缘否则保存出来的图会有一圈白边。4.2 逐层翻阅工具把几百张切片当短视频刷医学图像分割数据集动不动就几百上千张切片一张一张调用show_slice效率太低。我一般会做个批量输出长图的函数把每个切面的前20层切片按网格铺到一张大图上快速浏览。import matplotlib.pyplot as plt import numpy as np from PIL import Image from pathlib import Path def preview_slices(img_dir, mask_dir, num_slices20, cols4): img_paths sorted(Path(img_dir).glob(*.png))[:num_slices] rows int(np.ceil(len(img_paths) / cols)) fig, axes plt.subplots(rows, cols, figsize(cols * 4, rows * 4)) axes np.array(axes).reshape(-1) for ax, img_path in zip(axes, img_paths): mask_path Path(mask_dir) / fmask_{img_path.stem}.png if not mask_path.exists(): ax.set_title(fMissing: {img_path.name}) ax.axis(off) continue img np.array(Image.open(img_path)) mask np.array(Image.open(mask_path)) ax.imshow(img, cmapgray) ax.imshow(mask, cmapjet, alpha0.5) ax.set_title(img_path.name, fontsize8) for ax in axes.flatten(): ax.axis(off) plt.tight_layout() plt.show() preview_slices( data/train/axial/img, data/train/axial/mask, num_slices20, cols4, )逻辑说明核心逻辑是循环读图叠加再排网格。num_slices和cols控制网格大小20张4列刚好排成5行一眼就能覆盖一个切面方向的开头部分。mask_{img_path.stem}.png这个命名拼接方式依赖命名规则的一致性如果你的数据集是纯数字编号命名这一行需要对应改掉。出现Missing字样时说明文件名匹配有问题需要回头看2.2节的集合差集检查。其实更高效的翻阅方式是把切片做成轮播动画或视频用matplotlib.animation或者opencv写个视频导出脚本把20帧合并成一个小视频用播放器拖动时间轴快速找异常。尤其是矢状面和冠状面这两个方向左心房的边界变化幅度大视频刷一圈比看静态图更直观。4.3 可视化细节窗宽窗位、内外膜与标签噪声可视化代码里最容易踩的坑是窗宽窗位处理不当。很多医学图像原始数据是16位整数直接用PIL.Image.open读到的是一个范围极大的数组直接imshow会出现整张图黑乎乎的、左心房完全看不清的情况。def normalize_img(img): img img.astype(np.float32) lower, upper np.percentile(img, 2), np.percentile(img, 98) img np.clip(img, lower, upper) img (img - lower) / (upper - lower 1e-6) return img逻辑说明用2%和98%分位数代替固定阈值的原因是医学图像的灰度值偶尔会有极端的噪声点比如金属伪影或扫描时留下的高亮标记用百分位数可以避免这些极端点破坏整体的可视化效果。np.clip把所有低于下限的像素拉低下限高于上限的拉高上限(img - lower) / (upper - lower)做的是归一化把线性区间映射到0到1之间。标签文件的噪声又是另一回事。左心房手工标注时医生通常沿着心内膜边界画一圈但为了保险会略微向内收缩一点这就导致标签里出现极细的、只有一两个像素宽的不规则凸起。某些数据集明明标注为2类别实际跑出来却有三四个类别值打开标签看一眼就会发现有些孤立像素值被误填成了别的数。这类噪声通常不影响大局但会让训练时的Dice曲线变得非常毛糙如果发现验证集Dice在0.7附近死活上不去先用可视化脚本把所有切面的标签扫一遍。5. 医学图像分割数据集避坑标注、方向与训练前检查的5个血泪教训5.1 图像和标签数量对不上训练时索引越界现象训练脚本跑了一半报IndexError: index 997 is out of bounds for axis 0 with size 997或者损失突然变成nan。原因数据目录里图像有1000张标签只有997张大部分数据加载器按最短数据集的长度构建索引多出来的3张图要么被忽略要么越界。产生这个问题的根源是在数据集划分或压缩打包时漏文件常见于通过网盘断点续传下载的情况。解决训练前先用2.2节的集合差集脚本做一次全量检查打印出所有缺失文件名单。把缺失文件补齐或从数据列表里剔除后重新统计数据量确认img和mask数量完全一致后再开始训练。另外数据加载器里加上assert len(img_paths) len(mask_paths)这在调试时能立刻暴露问题。5.2 mask用resize插值标签出现灰色或小数现象训练时发现某些batch的标签里有0.5或者0.4这种非整数像素值损失函数一路乱跳Dice永远上不去。原因数据增强阶段调用transform.Resize时默认的插值方式是双线性插值对mask做双线性插值会把边缘像素变成0和1之间的过渡值。这些过渡值既不算是背景也算不上前景模型收到的是个不伦不类的训练目标。解决所有对mask的resize操作必须单独指定nearest插值在PyTorch的torchvision.transforms里有对应写法。图像用默认的双线性mask和图像不能走同一个transform流程做一个分开的transform链。写完数据加载器后打印一个batch的target.unique()确认只有0和1这一步能帮你拦住大量类似的低级错误。5.3 三维NIfTI方向翻转左心房出现在镜像位置现象可视化时发现叠加图上左心房的位置偏到了右侧看起来像左右镜像。如果不检查直接训练模型的Dice会低到难以置信因为输入和标签在空间上互相矛盾。原因原始核磁扫描时不同设备或不同后处理流程产生的NIfTI文件方向约定可能不同。有的数据用RAS坐标系有的用LPS坐标系坐标轴指向反了数组内容的左右顺序就是反的。解决按3.3节的方法读取affine矩阵用nibabel.orientations把标签映射到图像坐标系。更简单的做法是直接用nibabel.as_closest_canonical函数把两者都转成标准方向但这会改变体素数组的顺序需要同步调整图像数据。最常见且稳妥的方案是用nibabel.probe_orientation检查方向如果不同用nibabel.orientations.axcodes2ornt和apply_orientation重排数组顺序。5.4 标签边界存在断裂掩码内部出现空洞现象三维可视化时左心房表面坑坑洼洼有个别层切片上左心房区域被分成了两半中间出现一条窄缝或者掩码内部有个一个像素大小的黑点。原因标注是逐层手绘的医生在连续层之间可能做出了不一致的决策或者某些层因为图像对比度不佳把左心房和肺静脉连接处画丢了。更常见的是某些标注工具在导出多边形栅格化时对顶点坐标做了四舍五入导致细小的空洞。解决这类小空洞和二值噪声一般不需要逐层手工修复直接用一个形态学闭运算处理掩码即可具体用scipy.ndimage.binary_closing结构元素大小推荐3×3像素。如果空洞大到影响训练说明数据质量本身有问题建议检查整层标签是否需要重新标注。另外2D训练本身对标签内的小洞不太敏感模型天然倾向于补全空洞区域关键是边缘不能有系统性错位。5.5 类别不平衡严重模型收敛到全背景现象训练持续几十个epoch后模型的预测图变成全黑Dice在0到0.2之间反复横跳损失函数看起来降了但验证指标原地不动。原因左心房在横断面上的像素占比通常只有2%到5%在矢状面或冠状面某些极端切片上甚至不到1%如果损失函数用普通交叉熵背景类别的梯度完全淹没了前景类别。解决把损失函数换成Dice Loss或Focal LossDice Loss直接优化目标指标本身比较适合这种前景占比极小的场景Focal Loss通过调制系数让模型把注意力放在难分类的前景像素上。如果只能用交叉熵那就必须给前景类别设置权重权重值与前景像素占比成反比。这个问题在数据集层面还能用预处理缓解训练时只选取前景像素占比大于某个阈值的切片参与训练或者对前景占比极低的切片做重采样。6. 把数据集跑成能用的模型2D U-Net最简训练脚本与Dice验证6.1 最简训练脚本从数据读取到Dice输出可视化没问题、标签对齐没问题之后接下来用这个数据集验证分割管线能不能通。2D U-Net是医学图像分割的默认骨架配合Dice Loss训练用最简脚本就能跑通。import torch import torch.nn as nn class DiceLoss(nn.Module): def __init__(self, smooth1.0): super().__init__() self.smooth smooth def forward(self, logits, targets): probs torch.sigmoid(logits) intersection (probs * targets).sum() union probs.sum() targets.sum() return 1.0 - (2.0 * intersection self.smooth) / (union self.smooth)逻辑说明Dice Loss是1减去Dice系数Dice系数衡量的是预测和标签之间的重叠程度。smooth这个平滑项防止分母为0同时也起到软化损失的作用smooth设置为1.0是医学分割里比较常见的经验值如果你的数据里左心房非常小建议调大到2.0或更高避免损失值抖动太剧烈。训练时配合Adam优化器学习率从1e-4起步配合ReduceLROnPlateau在Dice不再提升时自动把学习率降到原来的十分之一。6.2 验证与下一步的验证参考验证阶段用两个指标Dice系数和95%豪斯多夫距离。Dice衡量的是区域重叠率适合判断整体分割准不准豪斯多夫距离衡量的是边界最大偏差临床场景里更关心这个因为边界偏移会直接影响消融范围规划。这两个指标配合使用能同时看到区域对不对和边界贴不贴两个维度的表现。训练完成后我会把预测结果重新叠加到原始切片上生成一张带边界的对比图人工检查边界是否落在了解剖上合理的位置。这个步骤没有定量指标能替代模型Dice再高只要边界位置偏离心内膜超过3毫米落地阶段就难以为继。我现在拿到一个新的医学图像分割数据集第一件事永远是先抽查20层切片的叠加图再谈训练这个习惯救过我太多次了很多看似神秘的问题其实都出在最基本的数据组织上。希望帮到你。本文还有配套的精品资源点击获取