简介这是一份以心脏左心房3D医学影像为基础的数据集从轴位面、冠状面和矢状面三个方向切分出2D切片适用于医学图像分割领域的模型训练、算法验证和教学演示。标签规则明确mask中1代表心脏区域、0代表背景共包含2个类别。三个切面均单独成集x轴切面分辨率320×320含1351张图像及对应标签y轴切面分辨率320×130含1151张图像及对应标签z轴切面分辨率320×130含828张图像及对应标签均按images与masks目录分装清晰易用。配套提供一份可视化脚本和JSON数据集配置文件。脚本可直接运行随机抽取一张样本在原图、真实标签图和蒙版叠加图三个视角下展示分割效果便于快速检查标签质量、辅助论文配图或报告演示。资源以7z压缩包发布共2000个文件其中png图像1998张、py脚本1个、json配置1个整体约93.88MB。目前已有365人浏览学习适合有一定深度学习基础、正在搭建医学图像分割训练流程的研究者或学生直接取用。1. 医学图像分割数据集里的“心脏左心房”三个切面、两类别标签与可视化代码的关系第一次拿到心脏MRI原始序列的人十有八九会在第1个小时内被三个切面搞晕短轴、长轴、四腔心看起来像完全不同的器官标签掩膜与原始影像的对应关系也经常对不齐。左心房分割恰恰就建立在这些切片上——房颤消融术前规划需要精确重建左心房而分割结果的上限往往在数据集切面划分和标签文件组织阶段就被定死了。这套“心脏左心房切片分割”数据集把三个切面划分好配齐两类别背景与左心房标签文件和可视化代码把医学图像分割里最脏的数据整理工作前置掉。它适合正在做心脏分割课题的研究生、想用真实心脏MRI验证分割算法效果的开发者以及需要快速搭建左心房分割demo的产品团队。读完你会明白这类数据集的目录组织逻辑、加载处理方式和可视化流程也能避开我踩过的一批坑。2. 解剖三切面与标签文件目录组织、类别索引和NIfTI头的连带关系2.1 三个切面的划分逻辑短轴、长轴与四腔心的不同用途心脏MRI的结构像有个特点同一个心脏从不同角度采集得到的切片形态差异巨大。短轴是垂直于左心室长轴的成像平面从上到下切出一圈圈类似“甜甜圈”的左心室短轴环左心房在图像后上方边界相对清晰。长轴通常指两腔心把左心房和左心室摆在同一个平面里便于观察房室交界。四腔心则把左右心房与左右心室同时展示能直接看到左心房与肺静脉的开口位置。三个切面的价值侧重点不同短轴适合做体积测量长轴适合精细标注房室交界四腔心对肺静脉开口的辨识度最高。切面成像平面左心房可见度主要用途短轴垂直左心室长轴中左心房体积测量长轴两腔心平行左心室长轴高房室交界标注四腔心四腔同时显示高肺静脉开口辨识正因为三者差异明显常见做法是把三个切面分目录存放而不是混合排序。不同切面的层厚、层间距和成像参数不一致混在一起会让加载器被迫处理一堆特例。我常用的目录组织方式如下dataset/ ├── short_axis/ │ ├── images/ │ │ ├── case_01.nii.gz │ │ └── ... │ └── labels/ │ ├── case_01.nii.gz │ └── ... ├── long_axis/ │ ├── images/ │ └── labels/ └── four_chamber/ ├── images/ └── labels/每个切面目录下只有一对 images/labels文件名用 case 编号对应images 与 labels 同名。这样组织的好处是数据加载时不需要维护额外映射表用 glob 匹配同名文件即可坏处是同一个 case 如果三个切面都有数据case 编号要带切面前缀例如sa_case_01、la_case_01、fc_case_01避免读取时混淆。拿到一份新的心脏序列时怎么判断它是短轴还是四腔心不要只看文件名还要用 spacing 辅助判断。短轴扫描的层间距通常明显大于面内分辨率比如 spacing 是 (1.2, 1.2, 6.0)第三个分量偏大四腔心序列的层间距则常控制在 2~3 毫米。训练时如果按物理间距而不是数组 shape 去 resample三个切面才能对齐到一个统一尺度。我见过有人把所有切面直接 resize 成相同像素大小但没改 spacing模型学的其实是“像素距离”而不是“物理距离”最后体积评估全偏。2.2 标签文件的真实形态0/1掩膜、NIfTI头信息与读取校验两类别体现在 label 的 nii.gz 里掩膜体素值只有0和10代表背景1代表左心房区域这是医学图像分割最常见的二值掩膜编码。从 ITK-SNAP 或 3D Slicer 导出的标注保存为 NIfTI 时会同时带上 spacing、origin、direction 三个关键头信息。spacing 是每个体素的物理尺寸单位通常是毫米origin 是图像坐标左上角对应的物理坐标direction 是体素坐标系与物理坐标系之间的旋转关系。这三个字段决定了“数组第50行第80列”对应病人身上的哪个解剖位置。很多人读数据时只取数组把方向信息丢一边结果叠加显示时标注和影像错位。正确做法是读取后立刻校验两个文件的这三个字段是否一致import SimpleITK as sitk import numpy as np image sitk.ReadImage(short_axis/images/case_01.nii.gz) label sitk.ReadImage(short_axis/labels/case_01.nii.gz) # 元数据校验不一致时直接停止避免带着错位数据往下走 assert image.GetSize() label.GetSize(), 尺寸不一致 assert image.GetSpacing() label.GetSpacing(), 像素间距不一致 assert image.GetDirection() label.GetDirection(), 方向不一致 # SimpleITK返回的数组shape是(z, y, x)不是(x, y, z) img_arr sitk.GetArrayFromImage(image) lab_arr sitk.GetArrayFromImage(label) print(image shape:, img_arr.shape, img_arr.dtype) print(label shape:, lab_arr.shape, lab_arr.dtype) print(label 类别值:, np.unique(lab_arr))这段代码的意图很直接先断言元数据一致再往下走。如果 label 的 spacing 与 image 不一致说明标注导出时被重采样过需要重新处理如果 np.unique 返回的不是 [0,1] 而是出现 2 或 255说明标注混入了多个结构或工具误写训练前必须清洗。另一个细节是GetDirection()返回 3x3 矩阵的 9 个分量直接比较元组即可只比较 size 不比较 direction后面可视化时会碰到左右镜像问题。我在混合处理三个切面时踩过这一步。如果你的标注不是 NIfTI而是 .nrrd 或 .mha读取方式基本一致SimpleITK 默认支持这类格式头信息字段名也相同。但有的工具导出的是 RGBA PNG 掩膜这类文件不带物理坐标必须和 DICOM 原始图像手动配准越早转成 NIfTI 越好。我习惯从第一步就用 nii.gz统一在 SimpleITK 里完成所有处理避免中途混入不同格式导致坐标错乱。3. 加载与预处理把 nii.gz 变成分割模型可直接训练的张量3.1 数组轴顺序与物理坐标的一致性检查SimpleITK 读 NIfTI 有个最容易踩的轴顺序问题GetArrayFromImage()的输出形状是 (z, y, x)。数组第一个维度是切片顺序第二个维度是图像高度第三个维度是宽度。这个顺序直接决定imshow(img_arr[i])显示的是横断面而不是冠状面。处理心脏数据时每一步都打印 shape 和 spacing确认方向没被无意翻转是我给自己定的死规矩。预处理流程一般是读取原图 → 重采样到统一体素间距 → 强度归一化 → 按 case 划分集合 → 保存为 npy 或直接随机裁剪 patch 喂给网络。我不太赞成把归一化写进网络前处理层训练和推理的归一化参数如果不一致模型输出会出现系统性偏移这个问题在设备间迁移时尤其明显。3.2 归一化策略percentile截断与z-score的实际差别MRI 原始像素值不是绝对物理量。同样是左心房区域在不同扫描仪、不同序列下的信号强度可能差好几倍。直接减均值除标准差容易被少数极端高信号体素拉偏均值左心房壁对比度被压缩。我常用的做法是先做百分位截断再做 max-min 归一化def normalize_intensity(image_arr, low_percentile0.5, high_percentile99.5): 医学影像强度归一化截断异常尾部后再缩放到[0,1] low np.percentile(image_arr, low_percentile) high np.percentile(image_arr, high_percentile) arr np.clip(image_arr, low, high) arr (arr - arr.min()) / (arr.max() - arr.min() 1e-6) return arrlow_percentile0.5和high_percentile99.5的意思是去掉最小0.5%和最大0.5%的极值这两个值对心脏 MRI 来说比较稳健。如果是增强 T1 序列下限可调到 1、上限调到 99如果是黑血序列强度分布集中上限调到 99.8 也没问题。关键是在训练前把归一化参数用训练集算好并固定下来推理时不要重新对测试影像算 percentile否则分布错位。这个问题经常是模型换设备后精度骤降的黑匣子来源。z-score 什么时候用我的经验是不同病例扫描参数差异大、且模型里大量使用批量归一化层时z-score 不差但必须配强数据增强而 percentile 截断 max-min 在 30~50 例级别的小数据集上表现更稳离群高信号被直接压掉。左心房结构占全图体积通常不超过 10%离群高信号又大多落在血池区截断对保留边界信息很有帮助。归一化完成后从整图裁 patch 还有一个现实问题左心房在图像中偏中间偏后大量 patch 落在背景区域。我一般先从标签掩膜统计左心房质心在质心附近做随机偏移裁剪让每个训练 patch 至少覆盖一半左心房推理阶段则用全图输入。这个预处理放在数据加载器里做不在提前离线阶段做因为质心附近的随机偏移本身就是一种数据增强固化下来反而削弱增强效果。3.3 以case为单位的训练验证划分别把同一颗心脏切成两半左心房分割数据集通常一个 case 包含几十张连续切片。如果按切片随机分到训练集和验证集同一个 case 的相邻切片会被拆开验证集里混入与训练集几乎同画面的数据指标虚高。这是分割任务最常见的数据泄漏形式。正确做法是直接以 case 为单位划分import os import numpy as np images_dir dataset/short_axis/images case_files sorted(os.listdir(images_dir)) # case_files 形如 [case_01.nii.gz, case_02.nii.gz, ...] rng np.random.default_rng(42) # 固定随机种子保证划分可复现 case_files rng.permutation(case_files) split_idx int(len(case_files) * 0.8) train_files case_files[:split_idx] val_files case_files[split_idx:] with open(train.txt, w) as f: for name in train_files: f.write(name.replace(.nii.gz, ) \n) with open(val.txt, w) as f: for name in val_files: f.write(name.replace(.nii.gz, ) \n) print(f训练case数: {len(train_files)}, 验证case数: {len(val_files)})随机种子不是什么玄学它决定一个实验能不能被复现。种子 42 固定后每次运行划分结果一致实验结果对得起书面记录。写成 train.txt 和 val.txt 而不是直接存数组是因为后面做五折交叉验证时只需要换一个种子重新生成文件不用改动训练主程序。这里有个容易忽略的边界同一个 case 在三个切面目录下都有数据时它们必须进同一个集合。同一个人的心脏形态、心房大小这些解剖先验会渗透到不同切面如果跨集合验证集就不是独立数据了。我在一次实验中曾经短轴进训练、四腔心进验证结果 Dice 虚高到 0.92换成按病人划分后掉到 0.81那个差值就是泄漏带来的水分。4. 可视化代码实战单切片叠加与批量错标排查4.1 单切片叠加显示matplotlib 的医学图像三层写法拿到标签文件后第一件事不是训练而是可视化叠加检查。显示脚本很简单但能暴露大部分方向与错位问题import matplotlib.pyplot as plt def show_slice(img_arr, lab_arr, slice_idx, save_pathNone): 显示单一切片的原始影像、标签掩膜和叠加结果 fig plt.figure(figsize(12, 4)) plt.subplot(1, 3, 1) plt.imshow(img_arr[slice_idx], cmapgray) plt.title(fMRI slice {slice_idx}, fontsize10) plt.axis(off) plt.subplot(1, 3, 2) plt.imshow(lab_arr[slice_idx], cmapReds, vmin0, vmax1) plt.title(label mask, fontsize10) plt.axis(off) plt.subplot(1, 3, 3) plt.imshow(img_arr[slice_idx], cmapgray) plt.imshow(lab_arr[slice_idx], cmapjet, alpha0.5) plt.title(overlay, fontsize10) plt.axis(off) plt.tight_layout() if save_path: plt.savefig(save_path, dpi150, bbox_inchestight) else: plt.show()参数说明cmapgray适合灰度 MRIvmin0, vmax1强制颜色映射范围避免标签数组混入额外数值导致颜色范围被拉伸cmapjet加alpha0.5能直观看到左心房区域覆盖同时保留原图纹理。保存时dpi150足够清晰bbox_inchestight裁掉多余白边。三视图并排输出是有意的只看叠加图很难分清是标签错还是对比度差边上的纯掩膜图可以暴露标注断裂、多标等结构性问题。4.2 批量缩略图网格30秒发现错位标注单张叠加图适合检查一层但左心房分割中常见的边界漏标、房室交界错标往往要翻完整组切片才能看到。批量网格缩略图是成本最低的排查手段我一般隔若干层取一帧生成 4行×6列 网格图def make_grid(img_arr, lab_arr, base20, step2, rows4, cols6): 每隔step层取一帧生成标注检查网格图 fig, axes plt.subplots(rows, cols, figsize(16, 10)) idx base for i in range(rows * cols): ax axes[i // cols][i % cols] if idx img_arr.shape[0]: ax.axis(off) continue ax.imshow(img_arr[idx], cmapgray) ax.imshow(lab_arr[idx], cmapjet, alpha0.5) ax.set_title(fz{idx}, fontsize8) ax.axis(off) idx step plt.tight_layout() plt.savefig(label_check_grid.png, dpi120)这组缩略图的判断逻辑切片间的解剖结构应该平滑过渡某一帧标注突然消失或跳到异常位置多半是标签与图像对不上。排查时先看 z0 到 z40 的过渡是否连续再看左心房边缘有没有锯齿状漏标。整组缩略图确认没问题再进训练流程等于给自己留了后悔药——脏标签喂进网络后定位错误的时间通常是修正标签的好几倍。4.3 用掩膜占比定位可疑切片网格图主要看形状但有些标注错误表现成“面积突变”。辅助指标是计算每个切片的标签像素占比def mask_ratio_profile(lab_arr): 返回每个切片上的标签像素占比数组 total np.sum(lab_arr 0, axis(1, 2)) denominator lab_arr.shape[1] * lab_arr.shape[2] return total / denominator ratio mask_ratio_profile(lab_arr) # 打印占比变化明显异常的切片 for i in range(1, len(ratio) - 1): if abs(ratio[i] - ratio[i-1]) 0.05 and abs(ratio[i] - ratio[i1]) 0.05: print(f疑似异常切片: z{i}, 占比{ratio[i]:.3f})正常切面里左心房占比在相邻层间平滑变化某一切片突然出现大跳变基本可判定是标注工具在这一层手滑或者配准错位。网格图定位位置占比曲线定位是哪个断层出问题。这一招在检查四腔心数据时特别有用因为那一层左心房和肺静脉出现和消失都非常突然容易被误标。5. 避坑左心房分割数据集的5个常见翻车现场5.1 现象叠加显示时左心房位置左右镜像原因读入后用纯数组坐标显示序列的 direction 不是单位矩阵数组左右顺序与物理坐标不一致显示出来就是镜像。如果只比较了 size 没比较 direction这个坑大概率会出现。解决先在 ITK-SNAP 里打开原始数据确认原始图像本身是否镜像如果原始图和标注的 direction 一致就不要做数组翻转而是全程在 sitk 图像层面用物理坐标转换只在进入网络前转成数组。改数据方向这种事能不手动就不要手动手动翻转数组等于在给后面的体积计算埋雷。5.2 现象重采样后标签掩膜出现0.5、0.3这类小数原因为了对齐 spacing标签用了线性插值。标签是离散类别线性插值会在边界上生成介于整数之间的概率值。解决标签重采样一律用最近邻插值resample sitk.ResampleImageFilter() resample.SetOutputSpacing([1.0, 1.0, 1.0]) resample.SetInterpolator(sitk.sitkNearestNeighbor) # 标签用最近邻 label_resampled resample.Execute(label)图像可以用线性或 B 样条插值标签一旦插值产生小数轻则训练时 Dice 计算出现奇怪的 0.5重则模型学到既不是背景也不是左心房的模糊边界。检查方法很简单重采样后np.unique(label_arr)必须仍然是 [0, 1]。5.3 现象训练Dice 0.97验证集只有0.6原因切片级随机划分同一个 case 的切片同时进了训练和验证。验证集与训练集图像内容重合指标虚高换了真实数据一到手立刻现原形。解决改成 case 级划分三个切面的同一个 case 也保持同组。判断是不是这个原因有一个办法把验证结果按 case 和切面分别打印观察是不是某些 case 奇差、另一些奇好。如果是切面之间差异明显还要检查是不是某个切面在训练集里占比过低。5.4 现象损失函数开局卡在0.9附近下不去原因左心房在扫描视野里占的比例很低交叉熵被大面积背景主导网络学到的全是“预测背景”。硬训下去不是不收敛而是收敛到这个局部最优上。解决换 Dice 损失或 Focal 损失或者每个 batch 强制包含左心房区域的 patch。Dice 损失的核心逻辑def dice_loss(pred, target, smooth1.0): pred: 模型输出的概率图, target: 标签掩膜 pred pred.contiguous().flatten() target target.contiguous().flatten() intersection (pred * target).sum() return 1 - (2.0 * intersection smooth) / (pred.sum() target.sum() smooth)smooth防止分子分母同时为 0取 1.0 是常用经验值。注意这里 pred 是网络输出的概率而不是阈值后的 0/1这样函数才能被反传。如果还想保留交叉熵的梯度特性可以把 Dice 和 CE 按 0.5:0.5 加权往往比单独用 Dice 收敛更稳。5.5 现象保存的网格图边缘被裁剪坐标轴刻度占半张图原因figsize 与子图比例不匹配子图里没有统一关闭坐标轴。批量生成几百张检查图时坐标轴刻度会遮盖标注细节等于白生成。解决每个子图都显式调axis(off)保存前先tight_layout()必要时给savefig传bbox_inchestight。另外plt.subplots里设置figsize时要按 rows/cols 比例走例如 4行×6列 用 (16, 10)不要用正方形画布。6. 进阶技巧从两类别掩膜到左心房体积评估的验证方式两类别掩膜除了训练分割模型还有直接的临床价值测体积。左心房体积是房颤消融术前评估的重要指标计算方式是把标签掩膜中值为 1 的体素个数乘以单个体素的物理体积import numpy as np import SimpleITK as sitk label sitk.ReadImage(four_chamber/labels/case_01.nii.gz) lab_arr sitk.GetArrayFromImage(label) voxel_volume_mm3 np.prod(label.GetSpacing()) # 体素体积单位mm^3 la_volume_ml np.sum(lab_arr 1) * voxel_volume_mm3 / 1000.0 print(f左心房体积: {la_volume_ml:.2f} mL)两个细节值得注意如果分割结果里有零星散布的小连通域测体积前最好只保留最大连通域否则噪声点会把体积整体高估不同切面测出的体积有差异四腔心对左心房体积的估计通常比短轴更稳定但都要对齐到相同的心脏相位选在舒张末期比较合适。验证分割模型时除了 Dice建议再看 Hausdorff 距离。Dice 对体积大小敏感一个稍稍膨胀的误分割Dice 不一定下降得多明显但边缘锐利度直接在 Hausdorff 距离上暴露。我一般在评估脚本里同时输出这两项并把每个 case 单独打印而不是只给全测试集均值——均值会把个别 case 的错标隐藏掉。我自己有个固定的检查习惯任何左心房分割实验开始前先抽 3 个 case 的标签生成缩略图网格确认方向、尺寸、类别三件事实验结束时用体积和 Dice 做一次交叉核验看模型输出的左心房体积是否落在合理生理范围。这两个习惯帮我挡掉了不少翻车问题。希望帮到你。本文还有配套的精品资源点击获取