企业官网建设流程全解析

简介：面向医学图像分割研究者的肾脏肿瘤语义分割数据集，包含约2800张已划分的图片与标签，覆盖背景、肾脏、肿瘤三类分割目标，像素级标签信息清晰，省去自行整理标注的繁琐步骤。训练集约2000张，验证集约800张，可直接用于深度学习模型的训练与评估，适合开展肾脏肿瘤分割实验、医学图像分析课程设计，或作为论文基准数据集。资源包共2000个文件，以PNG格式图像和mask为主，另附类别说明文档（txt）和可视化脚本（py），压缩包整体约88.6MB，文件目录结构清楚，便于直接加载与二次处理。可视化脚本支持随机提取一张原始图像，并生成原图、GT以及GT叠加蒙版对比图，方便快速核查标注效果。该数据集已有175人学习下载，适合正在研究U-Net、SwinUNet、TransUNet等医学图像分割网络的开发者直接使用；配套官方专栏还可了解网络改进思路，便于进一步拓展实验。

1. 肾脏肿瘤语义分割数据集：2800张图能撑起一个什么样的医学AI起点

医院里让医生圈出CT上的肾脏肿瘤，新手通常会拉一个矩形框，但临床真正要的是肿瘤的精确边界——它长在肾皮质还是肾盂旁、直径多少、边缘是否光滑，这决定了手术方式。这套肾脏肿瘤语义分割数据集（约2800张数据和标签）就是为这个任务准备的：原始CT切片和逐像素的语义标签成对出现，标签标出背景、肾脏组织和肿瘤区域。2800张放在自然图像任务里不算多，但医学图像分割本身就是高标注成本的小样本场景，这个规模足够你把一条语义分割流水线完整跑通，还能把数据划分、预处理、损失函数和评估指标这些基本功练扎实。适合刚转医学影像的算法工程师、相关方向的研究生，也适合那些想把手头检测框架迁到像素级任务的团队。

2. 从医学图像分割到肾脏肿瘤数据集：为什么2800张图值得用语义分割来处理

2.1 语义分割 vs. 目标检测：肿瘤边界不是框能解决的

语义分割算法最早被FCN带火，后来UNet在医学图像分割这个方向上统治了很多年。它的核心是逐像素分类：输入一张CT切片，输出一张同尺寸的概率图，每个像素都被贴上“背景”“肾脏”或“肿瘤”的类别标签。这和目标检测有本质区别，检测输出的是包围框，只能给出位置和大致范围。肾脏肿瘤在CT上的形态非常不规则，有的分叶状向外突出，有的内生型肿瘤几乎不改变肾脏轮廓，还有一部分肿瘤和正常肾实质密度接近，视觉上边界就是模糊的。

我见过一个团队直接拿yolov8训练自己的数据集去做肾肿瘤定位，然后从框里裁出区域再二次分类。yolo做目标检测没问题，但它的损失函数回归的是框参数，不是像素边界；分叶肿瘤的边缘会被框的“最小外接矩形”抹掉，内生性肿瘤甚至可能因为框的面积被正常组织主导而漏检。医学这边真正的问题是肿瘤体积多大、侵犯到哪一层，这些信息框给不了你，只有像素级标签给得了。

从FCN到UNet，最大的改进是跳连接。编码器一路下采样，感受野变大但边缘细节丢失；解码器上采样后把分辨率拉回来，再用跳连接把编码器里的边缘纹理拼上去，边界精度明显提升。医学图像分割数据集通常只有几百到几千张，UNet这种局部卷积加多尺度融合的结构，比视觉Transformer更容易在小数据上收敛。现在当然有TransUNet、nnUNet这些变体，但我给新手的建议始终是：第一个落地方案从UNet开始，它结构简单、训练稳定、标签错配时也更容易排查。

2.2 数据与标签：图像、掩码和类别编号

拿到这套约2800张的数据，先别急着训练。第一步是搞清楚图像和标签到底是什么格式。常见情况是原始图像为CT轴向切片，分辨率512x512左右，灰度值不是普通RGB，而是HU（Hounsfield Unit）值。标签则是一张和原图像素一一对应的掩码图，每个像素存一个整数类别ID，常见定义为0=背景、1=肾脏、2=肿瘤；有的数据集只区分0=背景、1=肿瘤。这两个定义在损失函数里完全不同，因为类别数量影响模型输出通道数。

一个很容易翻车的地方是标签文件常以彩色PNG形式存储。医生看可视化时往往把肿瘤标红、肾脏标绿，然后程序员图省事直接把这种伪彩色图存成了调色板PNG。调色板PNG在PIL里读出来是mode=‘P’，每个像素存的是调色板索引，不是RGB；可如果你用cv2.imread去读，它默认转成BGR三通道，类别就从几个整数炸成三个通道的像素组合，网络输出通道怎么设都对不上。

我拿到陌生医学数据集的第一个动作永远是做唯一值检查：

import numpy as np from PIL import Image mask_path = "labels/001.png" mask = np.array(Image.open(mask_path)) print(mask.dtype, mask.shape, np.unique(mask)) # 期望输出: dtype=uint8, shape=(512, 512), unique=[0 1 2] # 如果shape是(512, 512, 3)，说明读成了RGB，需要转灰度或按调色板映射 # 如果unique里出现255，说明背景用的是255而不是0，后续要重映射

这里的关键是优先用PIL而不是cv2读医学标签，因为cv2对调色板PNG的默认通道转换会直接破坏索引值。np.unique告诉你实际类别数，如果出现预期以外的值，先查数据集自带的说明文档，没有文档就自己做一个像素值到类别名的映射表，这一步偷懒后面全得还。

除了通道问题，还要确认图像和标签是否对齐。有的数据流水线里图像做过翻转或转置，标签却没做同样操作，肉眼可能看不出来，训练时Dice就卡在某个值上不去。我一般会写一个快速可视化脚本，把原图灰度和标签半透明叠加显示：

import matplotlib.pyplot as plt img = np.array(Image.open("images/001.png")) mask = np.array(Image.open("labels/001.png")) assert img.shape[:2] == mask.shape[:2], "image and mask shape mismatch" plt.imshow(img, cmap="gray") plt.imshow(mask, cmap="jet", alpha=0.4, vmin=0, vmax=2) plt.show()

assert不是摆设，它能在训练前暴露形状不匹配；半透明叠加则能人工核对肿瘤边界和CT影像上的低密度区是否吻合。如果发现标签整体偏向某个方向，多半是原始DICOM的坐标轴和图像保存顺序不一致。

2.3 2800张够不够：医学小数据的样本边界

先说结论：2800张2D切片对于训练一个中小型UNet是够用的，前提是数据多样性够。如果这2800张来自60个病人，每个病人约40-50张切片，模型可以学到不同体型、不同增强扫描期相下的肿瘤特征；如果来自10个病人，那么模型只是在背诵这10个人的解剖结构，验证集表现再好也不能说明泛化能力。

收到数据后，我会先看文件命名。常见命名是“病人编号_切片序号”，例如001_023.png代表第1个病人的第23张切片。看到这类命名，就应该立刻想到划分数据时要按病人编号分，而不是按文件随机分。CT相邻切片的形态变化很小，同一病人的第20张和第21张几乎像同一张图，如果随机划分，训练集和验证集里会出现大量“近亲”样本，指标虚高到没有参考价值。

另一个需要统计的是肿瘤区域的像素占比。肾脏肿瘤通常只占整张切片的1%到5%，背景占绝大比例。如果模型全预测背景，像素准确率也能到95%以上，但显然是一张废掉的图。所以后面训练和评估都不能看准确率，要看按类别计算的Dice或IoU。肿瘤占比还直接影响损失函数设计，类别不平衡严重时需要在损失里加权重，或者直接用Dice Loss。

医学数据还有一点和遥感图像语义分割很不一样。遥感影像也是像素级分类，但类别多、目标尺度变化大，常用随机裁剪大块来增强；医学CT灰度有物理含义，HU值代表组织密度，裁剪尺寸和灰度窗口都不能照搬自然图像那套。不同医院的扫描协议也会带来域偏移，同一模型换一个数据源Dice可能掉十几个点。这也是为什么2800张数据真正考验的不是网络有多深，而是你对数据分布的理解有多准。

2.4 标签格式统一：从PNG/NIfTI到npy数组

不同来源的数据集标签格式参差不齐，训练前最好统一成npy或numpy数组，省得每个epoch都在处理格式。以PNG为例，统一流程是：先读入，再处理类别值，最后存成稠密掩码数组。用代码可以一次搞定：

def load_mask(mask_path): mask = np.array(Image.open(mask_path)) if mask.ndim == 3: # 假设是调色板索引被误读为RGB，这里取第一个通道 mask = mask[..., 0] # 把可能的255背景重映射为0 mask[mask == 255] = 0 return mask.astype(np.int64)

如果数据是NIfTI格式，则要用nibabel.load读取，注意其数组轴序是(z, y, x)，而我们在PyTorch里习惯(B, C, H, W)。读取后先np.transpose成(x, y, z)或直接切片训练，不要用原始轴序直接训练，否则图像会旋转90度。统一成npy后，建议再做一次全量唯一值检查，确保没有漏网的类别。

这样第二章的落点就清楚了：先搞懂语义分割为什么匹配这个任务，再摸清标签格式和样本分布，最后把数据清洗成统一形式。2800张听起来不多，但干净程度决定了后续所有训练环节的上限。

3. 把2800张肾脏肿瘤数据跑进语义分割模型：从预处理到训练的完整闭环

3.1 数据集划分：按病人ID切分，而不是按文件随机切

数据划分是整个流程里最容易被低估的一步。很多人写代码时习惯用random.shuffle然后把文件名按比例切三份，这在医学图像分割数据集上是个雷。相邻CT切片之间高度相似，同一个病人的几十张图如果被拆进训练和验证两个集合，验证集就不是“没见过”的数据，Dice会虚高到失真。

我常用的划分方式是把文件名里的病人ID提取出来，先按病人分组，再以病人为单位划分训练、验证和测试集。代码结构如下：

import os import random from collections import defaultdict image_dir = "images" mask_dir = "masks" patient_to_files = defaultdict(list) for fname in os.listdir(image_dir): patient_id = fname.split("_")[0] # 例如 001_023.png -> "001" patient_to_files[patient_id].append(fname) patients = sorted(patient_to_files.keys()) random.seed(42) random.shuffle(patients) n_train = int(len(patients) * 0.7) n_val = int(len(patients) * 0.15) train_patients = set(patients[:n_train]) val_patients = set(patients[n_train:n_train + n_val]) test_patients = set(patients[n_train + n_val:]) train_files = [] for p in train_patients: train_files.extend(patient_to_files[p]) # 同理生成 val_files, test_files print(f"train patients: {len(train_patients)}, train slices: {len(train_files)}")

这段代码的核心是按patient_id分组，而不是直接对文件列表切分。random.seed(42)保证结果可复现；7:1.5:1.5的比例在两百例规模下通常够用。如果数据集中只有一个病人，那只能退化为切片级划分，但要在实验记录里明确标注“切片级划分，测试集与训练集存在相关性”，否则论文或汇报里很容易被审稿人质疑。

3.2 预处理管线：窗宽窗位、归一化与数据增强

CT图像的HU值范围很大，从-1000的空气到+1000以上的骨骼，如果不做窗宽窗位处理直接归一化，肿瘤和肾脏在0到255的线性映射里会被压成一段几乎不可分的灰度。肾脏常规扫描常用的窗宽大约300-400HU，窗位40HU左右，所以常见做法是把灰度值裁剪到[-50, 150]再归一化到[0,1]。

def preprocess_ct(image, window_min=-50, window_max=150): # 图片来源: 原始CT切片，值为HU image = np.clip(image, window_min, window_max) # 线性拉伸到 [0, 1] image = (image - window_min) / (window_max - window_min) return image.astype(np.float32)

np.clip把窗外的灰度截断，窗内的组织对比度保留；归一化后再输入网络，数值稳定，有利于BatchNorm收敛。窗口参数需要根据数据集的扫描协议微调，如果发现肾皮质和肿瘤灰度重叠严重，可以在验证集上人工看几张直方图再定。

数据增强方面，医学分割的增强必须保证图像和标签做同样的几何变换。我常用的组合是随机水平翻转、随机旋转10度以内、随机缩放0.9到1.1，再加上一点亮度扰动。弹性形变在肿瘤分割里有效，但需谨慎控制形变幅度，否则会把边界拉得不像真实解剖结构。这里不引入第三方增强库，用PyTorch的torchvision.transforms也能组合：

import torchvision.transforms as T from PIL import Image train_transform = T.Compose([ T.RandomHorizontalFlip(p=0.5), T.RandomRotation(degrees=10, fill=0, interpolation=T.InterpolationMode.NEAREST), ])

注意RandomRotation对mask要使用NEAREST插值，否则类别边界会出现插值产生的中间值，比如0.5这种不存在的类别ID；对图像使用BILINEAR保持灰度平滑。翻转和旋转这类几何变换自动同步应用在img和mask上，但需要分别创建transforms调用同一组随机参数，或者自己实现一个SameTransform，否则图像和mask可能用了不同随机种子。

3.3 用UNet训练：一个能落地的PyTorch脚本

这里给一个不依赖外部医学库的训练骨架，重点是让模型能先跑起来，网络结构用最简单的UNet变体。假设数据集目录下是images/和masks/，每张图读进来经过预处理后变成(1, H, W)的输入和(1, H, W)的标签。

import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader class KidneyDataset(Dataset): def __init__(self, file_list, image_dir, mask_dir, window=(-50, 150)): self.file_list = file_list self.image_dir = image_dir self.mask_dir = mask_dir self.window = window def __len__(self): return len(self.file_list) def __getitem__(self, idx): fname = self.file_list[idx] img = np.array(Image.open(f"{self.image_dir}/{fname}")).astype(np.float32) mask = np.array(Image.open(f"{self.mask_dir}/{fname.replace('_img', '_mask')}")).astype(np.int64) # 如果有通道维度则去掉 if img.ndim == 3: img = img[..., 0] img = np.clip(img, *self.window) img = (img - self.window[0]) / (self.window[1] - self.window[0]) # 转成 torch tensor，形状 (C, H, W) img_tensor = torch.from_numpy(img).float().unsqueeze(0) mask_tensor = torch.from_numpy(mask).long().unsqueeze(0) return img_tensor, mask_tensor dataset = KidneyDataset(train_files, "images", "masks") loader = DataLoader(dataset, batch_size=4, shuffle=True, num_workers=4)

这里标签用long()类型是因为PyTorch的交叉熵损失要求类别索引是整数。unsqueeze(0)把H×W变成1×H×W，对应单通道灰度输入。如果你的图像本身是彩色或三通道序列，最后unsqueeze的维度要相应调整。

训练循环可以用一个最简写法。损失函数用CrossEntropyLoss加类别权重，类别权重根据训练集中背景、肾脏、肿瘤的像素占比算出来，比如[0.1, 0.5, 2.0]，让模型更关注肿瘤类。这个权重不是随便拍的，是按“总像素数/（类别像素数×类别数）”做归一化后得到的。

from torch.utils.data import DataLoader import torch.optim as optim model = UNet(in_channels=1, num_classes=3) device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) class_weights = torch.tensor([0.1, 0.5, 2.0], dtype=torch.float32, device=device) criterion = nn.CrossEntropyLoss(weight=class_weights) optimizer = optim.Adam(model.parameters(), lr=1e-4) for epoch in range(100): model.train() for img, mask in loader: img = img.to(device) mask = mask.squeeze(1).to(device) # (B, H, W) pred = model(img) # (B, 3, H, W) loss = criterion(pred, mask) optimizer.zero_grad() loss.backward() optimizer.step() print(f"epoch {epoch} loss {loss.item():.4f}")

mask.squeeze(1)去掉通道维度，因为CrossEntropyLoss期望的target形状是(B, H, W)而不是(B, 1, H, W)。如果忘记squeeze，PyTorch不会立刻报错，但会把target维度当成类别维度来广播，损失曲线会非常奇怪。

3.4 损失函数与训练参数：Dice Loss还是CrossEntropy？

3.3里用的是加权交叉熵，它对类别不平衡有改善，但对边缘分割任务有个天然问题：它孤立看待每个像素，没有直接优化区域重叠度。Dice Loss则是直接在类别区域上计算重叠，对肿瘤这类小目标更友好。常见做法是把两者结合，总损失等于0.5倍交叉熵加0.5倍Dice Loss。

一个不容易踩到的参数是学习率。医学小数据集上Adam配合1e-4通常稳定，换成SGD的话一般需要0.01到0.1，还要配合动量。Batch size方面，512×512的输入，显存允许的情况下取4到8；如果显存只有8G，可以把输入resize到256×256，batch size取8到16。UNet的batch size不需要特别大，因为BatchNorm在batch很小的时候统计量不稳定，至少保证一个batch里有肿瘤样本。

训练轮数我一般设100到150，同时配合“验证集Dice连续10轮不提升就保存当前模型”的早停。数据增强把训练分布拓宽，验证集只用原始图片，不做增强。这样得到的模型在测试集上的指标才是真实水平，而不是和数据增强玩出来的拟合。

4. 评估肾脏肿瘤分割结果：mIoU、Dice，还有Hausdorff距离

4.1 三个核心指标：Dice、IoU、Hausdorff距离

训练完不能只看loss曲线，要真正评估分割质量。医学图像分割公认的基础指标是Dice系数、IoU（Jaccard）和Hausdorff距离。Dice和IoU都在度量区域重叠程度，但侧重点略有不同。

表格里Dice和IoU只差一个倍率关系，但Dice在小目标上显得更乐观。比如肿瘤只占图1%时，预测结果稍微偏一点，Dice可能还有0.8，IoU已经掉到0.6，说明重叠质量并不好。Hausdorff距离计算预测边界到真实边界的最大距离，单位是像素或毫米，它直接反映“边界最差的地方差多远”，这正是临床最关心的——一个5毫米的边界偏差可能决定保肾还是全切。

4.2 一个可跑的评估脚本：逐类统计Dice、IoU与类别像素占比

评估时不能只看肿瘤类，背景类毫无意义但占比极大，所以一定要逐类算指标，然后汇总。下面这个脚本读入预测和真值，统计每个类别的Dice和IoU：

import numpy as np def dice_iou_per_class(pred, gt, num_classes=3, eps=1e-6): """ pred: (H, W) 每个像素为类别ID gt: (H, W) 每个像素为类别ID 返回每个类别的 dice 和 iou 列表 """ dice_list = [] iou_list = [] for cls in range(num_classes): pred_mask = (pred == cls) gt_mask = (gt == cls) intersection = (pred_mask & gt_mask).sum() pred_sum = pred_mask.sum() gt_sum = gt_mask.sum() dice = (2.0 * intersection + eps) / (pred_sum + gt_sum + eps) union = pred_sum + gt_sum - intersection iou = (intersection + eps) / (union + eps) dice_list.append(dice) iou_list.append(iou) return dice_list, iou_list

eps防止除零，尤其在某个类别完全不存在时。实际评价时要同时输出每个类别的像素占比，因为如果一个类别在验证集里只有几十个像素，Dice稍微变动0.1不代表模型真实变化。

for cls in range(num_classes): print(f"class {cls}: dice={dice_list[cls]:.4f}, iou={iou_list[cls]:.4f}")

如果发现肿瘤类Dice不错但Hausdorff距离很大，说明整体重叠还行，但最外圈某个局部突出或凹陷严重，这种问题在重叠指标里很难暴露，必须额外看边界差。

4.3 小肿瘤、边界模糊和“看起来不错”的假象

肾脏肿瘤分割最容易出现的假象是整个验证集Dice很高，但单独看小肿瘤切片时Dice只有0.3。原因是大肿瘤占的像素多，主导了平均指标。所以一个合格的评估报告必须按肿瘤大小分层：肿瘤像素小于500、500到5000、大于5000三类分别计算Dice。直径小于1厘米的肿瘤在CT上可能只有几十个像素，模型预测稍微偏移一点Dice就崩。

边界模糊同样会干扰指标。靠近肾门的肿瘤和肾盂、血管灰度接近，医生标注时本身也有主观性，不同标注者之间Dice可能只有0.85左右。如果模型在这个区域达到0.82，已经很接近标注一致性上限，不要盲目追求0.95。我在项目里会留一个肿瘤中心到边界的平均距离指标，用来判断分割结果是不是整体偏向某个方向。

还有一种“看起来不错”的情况是模型把肾囊肿也当成了肿瘤。囊肿边界清晰、无强化，但CT平扫上和部分低密度肿瘤很相似。如果你只算肿瘤Dice，可能因为这类假阳性没有和真值重叠而自动惩罚，惩罚幅度却不够大，因为假阳性面积相对整个背景占比太小。这种情况需要用临床相关的召回率来衡量：在真值肿瘤区域里预测了多少，而不是只看全局Dice。

评估环节必须保存几个可视化样例，至少包括一张边界好、一张边界差、一张假阳性的图，这样后续调参才有对照。我一般把预测边缘叠加在原图上，用红色描真值边界，绿色描预测边界，人工一眼就能看出问题出在轮廓还是区域。

5. 避坑与排查：肾脏肿瘤语义分割数据集的5个血泪教训

5.1 现象：loss不降、预测全黑；原因：标签被读成了RGB三通道

第一次跑肾脏肿瘤数据集时，我发现训练loss在第一个epoch后降了一点就再也不动，验证集预测结果全黑。后来打印np.unique(mask)才发现标签shape是(512, 512, 3)，因为读取时用了OpenCV的默认BGR模式，把本来就应该是索引值的PNG读成了三通道彩色图。模型把三通道当成一个“类别”，输出概率自然乱掉。

解决办法是统一用PIL读取mask，并强制转成单通道；同时检查mode。如果数据集的标签是调色板PNG，可以用PIL.Image.open(mask_path).convert('L')转灰度，再把非零像素映射回正确的类别ID。这类问题只能在数据加载函数里加断言，比如assert mask.ndim == 2，让训练在第一时间报错，而不是悄悄演下去。

5.2 现象：肿瘤区域Dice一直在0.5上下；原因：类别不平衡且未加权

背景像素占整张图95%以上，肾脏还占一部分，肿瘤往往只有几千像素。如果不处理类别不平衡，损失函数会被背景类主导，模型即使把肿瘤整团漏掉，总损失也几乎不变。我的验证集Dice从0.5爬到0.55就停住，肉眼检查发现预测的肿瘤边界比真值小一圈。

后来改成加权交叉熵，权重按“类别像素占比的倒数”归一化：肿瘤权重约10，肾脏权重约3，背景权重约0.1。这一步让模型开始关注小目标。更稳健的做法是直接把Dice Loss加入总损失，因为Dice是区域级度量，对像素占比不敏感。两条路可以同时用，让交叉熵提供稳定梯度，Dice Loss专注重叠度。

5.3 现象：预处理窗口设错导致肿瘤和正常肾分不开

有一版模型在验证集上肿瘤Dice只有0.2，我以为是网络结构问题。后来把训练样本里的图像灰度直方图拉出来，发现原始CT值范围是-1024到3071，而我用0到255做了线性归一化，导致实际肿瘤和肾都落在灰度值80到90之间，对比度极低。模型看到的分辨率远低于标签能提供的信息，自然学不到边界。

解决办法是回到HU语义：先把图像裁剪到窗宽窗位范围内，再做线性拉伸。对肾脏肿瘤，我通常把窗口设在-50到150。如果这个数据集的肿瘤灰度更低，可以统计肿瘤区域真值掩码下的像素均值来反向调窗口。记得在预处理前后各存一张可视化对比图，灰度分布对不上就是窗口选错了。

5.4 现象：验证集Dice高达0.95，测试集掉到0.5；原因：数据泄漏

第一次做这个项目时我直接用文件名随机划分数据集，得到的验证Dice令人振奋。最后上测试集发现相差巨大，我的第一反应是过拟合，但查来查去发现验证集里混进了同一患者的相邻切片。同一个患者相邻两张CT在解剖结构上几乎一模一样，模型等于把“答案”背下来了。

后果就是所有验证指标失去意义。后来我改成按patient_id划分，验证集只包含训练阶段完全没有见过的患者，指标立刻掉到真实水平，但也终于能反映泛化表现。现在我会在划分代码里加一层检查：打印验证集和训练集的patient_id交集，如果有交叉就报错。

5.5 现象：加载数据和标签时维度对不上，训练直接崩溃；原因：图像是(x, y)顺序，mask是(y, x)顺序

另一个让我排查了半天的坑是图像数组和mask数组的维度方向不一致。DICOM转PNG时，如果原图以(列, 行)顺序输出，而mask保存时用了(行, 列)，图像与标签就会呈转置关系。肉眼单看一张图不明显，叠加可视化时才看到边界错位90度。

解决方式是在数据加载函数里用assert img.shape == mask.shape，如果不相等，就对其中一个做转置。医学图像最怕的就是“看着像没问题但方向错”。我在项目里会额外做一次自动旋转测试：把一张已知的mask旋转90度后和原mask计算Dice，如果Dice很低，说明方向处理有问题，尽早暴露。

6. 在2800张样本上再往前一步：K折交叉验证、伪标签与测试时增强

6.1 按患者做K折交叉验证，让小数据得到更可信的指标

2800张切片看起来不少，但真正的独立样本是患者数量，不是切片数量。如果患者数量小于50，单次7:1.5:1.5的划分会引入较大的随机性。我习惯在这个规模上做5折按患者交叉验证：每一折用不同的患者做测试，最终报告5折Dice的均值和标准差。均值反映模型水平，标准差反映数据差异敏感性。同一套数据，单次划分Dice可能跳5个点，交叉验证得出的结论才敢写进汇报。

具体做法是把第三章的划分循环5次，记录每一折在测试患者上的Dice和Hausdorff距离，最后汇总。代价是训练时间变为5倍，但2800张图规模下的UNet训练，每折几十个epoch，现代显卡上完全可以接受。

6.2 测试时增强（TTA）：推理时不增加训练成本的白嫖增益

TTA在医学分割里的常见实现是：推理时将输入做水平翻转，得到两个预测概率图，平均后再取argmax。肾脏肿瘤边界左右不对称的情况，翻转平均能抑制单一方向的偏移。另一个有用的TTA是轻微旋转（比如±10度），但计算量会翻几倍，我在肿瘤数据集上一般只做翻转，一次TTA大概能提升1-2个Dice点，同时提升边界稳定性。

6.3 伪标签半监督：用测试数据反哺模型

当标注的2800张不够时，可以尝试伪标签半监督。做法是用当前模型对一批无标签的肾脏CT切片做预测，只把置信度高的区域作为伪标签加入训练集。肿瘤区域往往置信度不高，所以这个方向需要谨慎，但我见过有团队用明显的大肿瘤预测结果做伪标签，让模型先学会大肿瘤，再慢慢往小肿瘤迁移。如果你只有2800张，半监督不一定能带来质变，不过值得当作后期优化手段。

我在这个数据集上的最后一条教训是：永远把“按患者划分”和“多折评估”当作默认操作，而不是某次实验的特殊处理；数据量越小，评估方法越要保守。现在无论多着急出结果，我拿到数据的第一天就会把患者ID统计清楚，哪怕这个动作要花掉半天时间，也比训练两周后发现验证集虚高值得多。肾脏肿瘤分割的边界问题没有银弹，但把数据、预处理和评估这三个地基打牢，2800张图也足够做出可信的落地模型。希望帮到你。

本文还有配套的精品资源，点击获取