简介本资源为超声波背景下的甲状腺结节分割数据集面向医学图像分割方向的研究者、算法工程师及深度学习学习者可用于训练与评估结节区域自动分割模型帮助解决医学影像中目标边界模糊、样本标注困难等问题。包内共2000个文件以1999张png图像和1个py脚本为主压缩包约333.25MB图像分辨率覆盖400至1000mask为前景255的二值图便于直观观察结节轮廓。数据划分为训练集与测试集训练集含5831张原图及5831张对应mask测试集含1457张原图及1457张对应mask目录按images与masks组织结构清晰。此外附带一个图像分割可视化脚本可随机抽取一张图片展示原始图像、GT图像及GT在原图上的蒙板效果并保存至当前目录方便快速核验标注质量。目前已有405人学习适合需要现成甲状腺超声分割数据与可视化工具的研究与实验场景。1. 超声波甲状腺结节分割数据集为什么它比你想的更难用拿到「超声波背景下的甲状腺结节分割」这个数据集标题时多数人第一反应是找个 U-Net 跑一遍就完事。但真正做过超声分割的人都知道超声图像和 CT、MRI 完全不是一个物种——它没有固定的灰度映射关系结节边界靠的是医生手感式的模糊判断同一张图两个医生勾出来的 mask 可能差出 20% 的 IoU。这个数据集包含训练集和测试集解决的正是「没有标注数据就没法训练分割模型」这个最朴素也最致命的问题。它适合三类人想入门医学图像分割但找不到干净数据的学生、需要验证自己改进的 U-Net 变体是否真的有效的算法工程师、以及想快速搭一个甲状腺结节辅助标注原型的开发者。但如果你直接拿 COCO 那套预处理流程套上去大概率第一轮就翻车。2. 超声甲状腺结节分割的数据特性与模型选型为什么 U-Net 仍是基线2.1 超声图像的三个「反直觉」特性超声图像和自然图像最大的区别在于成像物理机制。探头发出声波遇到不同声阻抗的组织界面反射回来形成灰度图像。这带来三个直接后果第一斑点噪声speckle noise不是普通的高斯噪声它是相干干涉产生的乘性噪声均值不为零用高斯滤波去噪反而会把结节边界一起抹掉。第二声影和增强效应会导致结节后方出现暗带或亮带这些区域和结节本身灰度接近模型极易混淆。第三探头压力、角度、增益每次检查都不同同一患者的两次检查图像分布可能差异巨大这就是为什么很多论文在私有数据集上 Dice 到 0.9换一个中心的数据就掉到 0.6。理解这三点之后你就明白为什么这个数据集的训练集和测试集划分不能随便打乱。如果训练集和测试集来自同一台设备、同一批患者测试结果会虚高。常见做法是按患者 ID 划分而不是按图像随机划分。2.2 为什么 U-Net 系列仍是首选基线在超声甲状腺结节分割任务上Transformer 类模型如 Swin-UNet在公开数据集上的表现并没有碾压 U-Net。原因很直接这个数据集的样本量通常不大几百到几千张量级Transformer 的归纳偏置弱需要更多数据才能发挥优势。而 U-Net 的编码器-解码器结构配合跳跃连接天然适合处理「边界模糊但位置相对固定」的目标。我一般会按这个顺序试模型适用场景参数量级注意事项U-Net基线数据量 2000~7.8M必须加 BatchNorm 或 GroupNormAttention U-Net结节边界模糊~8.5M注意力门控增加训练时间约 30%U-Net结节大小差异大~9.1M深监督显存占用高DeepLabV3需要多尺度上下文~26M超声上优势不明显不优先选型逻辑是先用 U-Net 跑通全流程拿到基线 Dice再换 Attention U-Net 看边界是否有改善。如果基线 Dice 已经低于 0.7换模型没用问题在数据预处理或标注质量上。2.3 从零搭一个可复现的训练流程假设你已经拿到了数据集目录结构通常是train/images、train/masks、test/images、test/masks。第一步不是写模型而是写一个 Dataset 类把数据读进来并做归一化。import os import cv2 import numpy as np import torch from torch.utils.data import Dataset class ThyroidDataset(Dataset): def __init__(self, img_dir, mask_dir, img_size256, augmentNone): self.img_dir img_dir self.mask_dir mask_dir self.img_size img_size self.augment augment # 只保留有对应 mask 的图片避免训练中途报错 self.names [f for f in os.listdir(img_dir) if os.path.exists(os.path.join(mask_dir, f))] def __len__(self): return len(self.names) def __getitem__(self, idx): name self.names[idx] img cv2.imread(os.path.join(self.img_dir, name), cv2.IMREAD_GRAYSCALE) mask cv2.imread(os.path.join(self.mask_dir, name), cv2.IMREAD_GRAYSCALE) # 超声图像归一化先裁掉四周黑边再缩放到统一尺寸 img cv2.resize(img, (self.img_size, self.img_size)) mask cv2.resize(mask, (self.img_size, self.img_size), interpolationcv2.INTER_NEAREST) # 关键超声灰度范围不固定用百分位裁剪比 min-max 更稳 p2, p98 np.percentile(img, (2, 98)) img np.clip(img, p2, p98) img (img - img.min()) / (img.max() - img.min() 1e-8) mask (mask 127).astype(np.float32) # 二值化阈值按标注习惯调整 if self.augment: augmented self.augment(imageimg, maskmask) img, mask augmented[image], augmented[mask] img torch.from_numpy(img).unsqueeze(0).float() mask torch.from_numpy(mask).unsqueeze(0).float() return img, mask这段代码有三个参数需要你根据自己数据调整。img_size设为 256 是超声分割的常见起点原始图像如果是 512 或 1024直接缩小会丢边界细节可以先裁掉探头标记区域再缩放。百分位裁剪的p2和p98是血泪经验——超声图像常有极亮的钙化点和极暗的声影用 min-max 归一化会被这些离群值带偏百分位裁剪能保住结节的灰度对比度。mask 127这个阈值取决于标注工具导出的 mask 是 0/255 还是 0/1拿到数据后先用np.unique(mask)看一眼。2.4 损失函数和评估指标怎么选超声甲状腺结节分割最常见的翻车场景是结节区域只占图像的 5% 到 15%用纯 BCE Loss 会让模型倾向于全预测背景Dice 看起来不低但 IoU 惨不忍睹。我一般用 Dice Loss BCE 的组合import torch.nn as nn import torch.nn.functional as F class DiceBCELoss(nn.Module): def __init__(self, weight_bce0.5): super().__init__() self.weight_bce weight_bce def forward(self, pred, target): # pred 是 logits先过 sigmoid pred_sigmoid torch.sigmoid(pred) bce F.binary_cross_entropy_with_logits(pred, target) # Dice Loss对 batch 内每个样本算再平均 intersection (pred_sigmoid * target).sum(dim(2, 3)) union pred_sigmoid.sum(dim(2, 3)) target.sum(dim(2, 3)) dice (2 * intersection 1e-6) / (union 1e-6) dice_loss 1 - dice.mean() return self.weight_bce * bce (1 - self.weight_bce) * dice_lossweight_bce默认 0.5如果训练初期 loss 震荡大调到 0.3 让 Dice 主导。评估指标不要只看 Dice必须同时看 HD9595% 豪斯多夫距离因为 Dice 对边界不敏感两个形状差很多的 mask 也可能有高 Dice。超声结节分割里 HD95 超过 20 像素基本说明边界学废了。3. 训练集和测试集的划分陷阱你的测试集可能正在泄露3.1 按图像随机划分为什么是错的这是医学图像分割里最隐蔽的坑。假设一个患者做了 3 次超声检查每次产生 5 张不同切面的图像总共 15 张。如果你把这 15 张随机分到训练集和测试集那么同一个患者的结节可能同时出现在两边。模型在训练时见过这个结节的形态测试时只是换了个切面Dice 自然虚高。正确的做法是按患者 ID 分组划分确保同一个患者的所有图像只出现在训练集或测试集之一。如果你的数据集没有提供患者 ID那就按图像文件名前缀分组。常见命名格式是patient001_slice1.png取patient001作为分组键。如果连这个都没有退而求其次按图像相似度聚类后再划分但这已经是补救措施了。3.2 训练集内部的验证集怎么切训练集不能全部用来训练必须留一部分做验证来早停和调参。我的习惯是训练集:验证集:测试集 7:1:2其中验证集从训练集里按患者 ID 切出来。注意验证集不参与梯度更新但参与模型选择。测试集只在最后跑一次跑多次调参就是在偷看测试集。from sklearn.model_selection import GroupShuffleSplit # 假设 names 是文件名列表groups 是患者 ID 列表 gss GroupShuffleSplit(n_splits1, test_size0.2, random_state42) train_idx, test_idx next(gss.split(names, groupsgroups)) # 再从训练集里切验证集 gss_val GroupShuffleSplit(n_splits1, test_size0.125, random_state42) train_idx2, val_idx next(gss_val.split( [names[i] for i in train_idx], groups[groups[i] for i in train_idx] ))test_size0.2对应 20% 测试集0.125是 0.8 的 12.5%合起来验证集占总量 10%。random_state固定住保证每次划分一致否则实验没法复现。3.3 数据增强在超声上的边界超声图像增强不能照搬自然图像那套。水平翻转通常安全因为甲状腺左右叶形态对称。垂直翻转要谨慎因为探头方向决定了图像上下有解剖学意义。旋转 ±15 度以内可以超过 30 度会出现填充黑边模型可能学到黑边和结节的虚假关联。亮度对比度抖动可以用但幅度要小因为超声的增益变化本身就会改变灰度分布。我一般用 Albumentations 配一个保守的增强策略import albumentations as A train_aug A.Compose([ A.HorizontalFlip(p0.5), A.Rotate(limit15, border_modecv2.BORDER_CONSTANT, value0, p0.5), A.RandomBrightnessContrast(brightness_limit0.1, contrast_limit0.1, p0.3), A.GaussNoise(var_limit(5.0, 15.0), p0.2), ])var_limit控制噪声方差超声本身有斑点噪声加一点模拟不同设备差异但别加太多否则边界被淹没。value0是旋转后的填充值用 0 而不是 128因为超声图像四周本来就是黑的。4. 避坑与排查超声甲状腺结节分割的 5 个常见翻车现场4.1 训练 loss 下降但验证 Dice 不动现象训练集 loss 从 0.8 降到 0.2验证集 Dice 卡在 0.65 不动。原因模型过拟合训练集的患者特征没有学到结节的通用形态。超声图像个体差异大如果训练集患者数太少模型会记住每个患者的灰度分布。解决先检查训练集和验证集的患者 ID 是否有重叠。如果没有重叠增加数据增强强度或者换用 GroupNorm 替代 BatchNorm因为 BatchNorm 在 batch 内统计量受患者影响大。4.2 预测结果全是背景或全是结节现象测试集输出的 mask 要么全黑要么全白。原因类别极度不平衡加上损失函数权重不对。结节像素占比可能只有 3%BCE 的梯度被背景主导。解决确认 Dice Loss 的权重是否生效。如果用的是纯 BCE换成 DiceBCELoss。另外检查 mask 的像素值范围如果 mask 是 0/1 但代码里按 0/255 处理二值化后全是 1。4.3 不同设备图像上性能断崖式下跌现象在 A 设备数据上 Dice 0.85换 B 设备数据掉到 0.55。原因超声设备的增益、频率、探头型号不同导致图像灰度分布和斑点模式差异大。模型学到了设备相关的特征。解决在训练时加入强灰度增强Gamma 变换、直方图均衡化或者用 CycleGAN 做设备间的风格迁移。更实际的做法是收集目标设备的小样本做微调。4.4 边界分割毛刺严重现象Dice 不低但 HD95 很大mask 边缘锯齿状。原因上采样用了双线性插值或者损失函数没有约束边界。解决解码器最后一层上采样改用转置卷积或者在损失里加边界加权。也可以后处理用条件随机场CRF平滑边界但会拖慢推理速度。4.5 显存不够导致 batch size 只能设 2现象256x256 输入batch size 设 8 就 OOM。原因U-Net 的跳跃连接保留了高分辨率特征图显存占用大。解决用混合精度训练AMP显存能省 30% 到 40%。或者把输入降到 192x192但注意结节最小直径如果小于 20 像素降分辨率会丢目标。from torch.cuda.amp import autocast, GradScaler scaler GradScaler() for img, mask in loader: optimizer.zero_grad() with autocast(): pred model(img) loss criterion(pred, mask) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()autocast自动把部分运算转成 float16GradScaler防止梯度下溢。注意 loss 计算要在 autocast 内部backward 要在外部。5. 进阶技巧用测试时增强和模型集成把 Dice 再推 3 个点当你把基线跑到 Dice 0.80 左右想再往上走单模型调参的边际收益已经很低了。这时候两个手段最实在测试时增强TTA和模型集成。TTA 的思路是测试时对同一张图做多次变换水平翻转、小角度旋转分别推理后再把结果平均。超声图像水平翻转后解剖结构仍然合理所以翻转 TTA 几乎无成本。我一般用 4 路 TTA原图、水平翻转、旋转 10 度、旋转 -10 度。旋转后的预测要反向旋转回来再平均。def predict_tta(model, img, device): model.eval() preds [] with torch.no_grad(): # 原图 preds.append(torch.sigmoid(model(img.to(device))).cpu()) # 水平翻转 img_flip torch.flip(img, dims[3]) pred_flip torch.sigmoid(model(img_flip.to(device))).cpu() preds.append(torch.flip(pred_flip, dims[3])) # 小角度旋转用 affine_grid 实现这里省略具体代码 return torch.stack(preds).mean(dim0)模型集成则是训练 3 到 5 个不同随机种子的 U-Net或者 U-Net Attention U-Net U-Net 各一个推理时取平均。注意集成的模型要在验证集上单独评估如果某个模型明显拖后腿就剔掉。我试过 3 模型集成Dice 从 0.81 提到 0.84HD95 从 18 降到 13代价是推理时间翻 3 倍。如果部署环境对延迟敏感TTA 的性价比更高。还有一个容易被忽略的点后处理去掉小连通域。超声图像里常有和结节灰度接近的伪影模型会预测出一些零散的小区域。用连通域分析去掉面积小于 50 像素的预测区域Dice 通常能再涨 0.5 到 1 个点。但阈值别设太大否则小结节会被误删。from scipy import ndimage def remove_small_regions(mask, min_size50): labeled, num ndimage.label(mask) for i in range(1, num 1): if (labeled i).sum() min_size: mask[labeled i] 0 return maskmin_size根据你的图像分辨率调256x256 输入下 50 像素对应原始图像里大约 10x10 的区域小于这个的结节临床上通常也不做穿刺。最后说一个我自己的习惯每次跑完实验把验证集上 Dice 最低的 10 张图单独存出来看。翻车案例比成功案例信息量大得多看多了就知道模型到底在学什么。这个数据集的价值不在于它有多大而在于它逼着你把超声分割的每个环节都踩一遍。希望帮到你。本文还有配套的精品资源点击获取