超声乳腺图像分割实战：从数据集预处理到U-Net训练全流程

简介：这套超声乳腺良性图像分割数据集面向医学影像AI与计算机视觉初学者，提供完整的训练集与测试集，包含原始超声图像及对应分割标签，共两个类别（背景与良性乳腺区域），适合开展医学图像分割模型训练、验证与算法对比实验。资源包共877个文件，以875张PNG图像为主体，含训练集约300对图像与掩码、测试集约130对图像与掩码，另附类别说明txt文件与Python可视化脚本；压缩包约88MB，结构按images与masks目录组织，便于直接加载与划分数据。已有958人学习使用。配套脚本可随机抽取一张图片，将原始图、GT标签图及GT在原图上的叠加蒙版保存为对比图，便于快速检查数据质量与分割效果。整体设计紧凑，适合作为入门级分割任务的标准数据集，帮助读者掌握数据读取、预处理、模型评估等完整流程。

1. 超声乳腺良性图像分割数据集：训练测试已分好，落地为什么还要再过三关

做过超声图像分割的同行应该都有体会：自己攒数据是最耗时的一步，要脱敏、要请医生标注、要反复核对病灶边界，最后能用的干净数据可能就一两百张。这份医学图像分割数据集把训练集、测试集和像素级标签都备好了，理论上拿到手就能进模型训练，省掉的正是最脏最累的数据准备环节。但别高兴太早。超声图像不像自然图像，斑点噪声重，病灶与周围腺体在灰度上经常只差十几个像素值，尤其是良性病灶，边界虽然规则但对比度很低，第一次跑训练大概率会在Dice指标上翻车。这篇文章按你拿到数据集后的实际顺序来写：先验数据集构成，再做预处理，再上U-Net跑通训练，中间穿插参数选择和踩坑记录。适合刚入医学图像分割方向的研究生，也适合想快速验证某个网络结构在乳腺B超数据上效果的工程师。

2. 数据集构成拆解：目录结构、灰度掩膜与良性病灶的标注规则

拿到数据集的第一件事不是写训练代码，而是花二十分钟把文件组织摸清楚。标题里写了“包含训练集和测试集、标签”，但具体到目录长什么样、掩膜是二值还是灰度、文件名能不能一一对应，这些细节直接决定后面Dataset类怎么写，也决定了会不会在第5章踩进那些坑里。

2.1 先做三件小事：数文件、对文件名、查尺寸分布

常见做法是先把目录结构完整打印出来，确认原图和掩膜的配对关系。有的数据集是train/images与train/masks两个目录、文件名一一对应；有的是同目录下用_mask后缀区分；还有的按病例ID分子目录。先用脚本侦察一遍，不要用肉眼在文件管理器里翻。

import os from collections import Counter train_img_dir = "train/images" train_mask_dir = "train/masks" imgs = sorted(os.listdir(train_img_dir)) masks = sorted(os.listdir(train_mask_dir)) print("图片数量:", len(imgs)) print("掩膜数量:", len(masks)) # 检查文件名是否能配对 img_names = [os.path.splitext(f)[0] for f in imgs] mask_names = [os.path.splitext(f)[0].replace("_mask", "") for f in masks] print("配对成功:", Counter(img_names == mask_names))

这段代码解决三件事：图片和掩膜数量是否一致、文件名匹配规则是什么、有没有缺文件。配对这一步出错的话，训练时__getitem__会直接崩，或者更隐蔽——图对上了但mask读的是别人的病灶，指标虚高还不自知。

接着统计所有图像的尺寸和宽高比。乳腺B超图像常见尺寸有512x512、768x576，甚至同一数据集里混着不同设备出的图。统计完尺寸分布，再决定后续统一resize到多大。

import cv2 sizes = set() for f in imgs[:50]: img = cv2.imread(os.path.join(train_img_dir, f), cv2.IMREAD_GRAYSCALE) sizes.add(img.shape) print("前50张图尺寸分布:", sizes)

有些数据集里混着带标尺、带探头阴影的图，这些不影响训练，但会影响预处理策略，后面第3章会讲到。

2.2 标签值域检查：二值掩膜、软标签与阈值取舍

这是最容易翻车的一个检查点。B超分割数据集的掩膜来源通常有两种：一种是用Labelme或ITK-SNAP直接导出的二值PNG，背景是0、病灶区域是255；另一种是标注后在边缘做了抗锯齿，或者保存时经过压缩，读出来之后边缘会出现127、96这类中间灰度值。先用程序把值域打出来。

import numpy as np mask = cv2.imread("train/masks/sample_001.png", cv2.IMREAD_GRAYSCALE) print("shape:", mask.shape, "dtype:", mask.dtype) print("unique values:", np.unique(mask)) print("前景占比: {:.4f}".format((mask > 0).mean()))

结果只有[0, 255]，说明掩膜是干净的二值图，后面可以直接转成0/1标签。如果出现中间灰度值，就属于“软标签”。软标签在训练时可以保留，让网络学习边缘概率，但评估时要么统一做阈值二值化，要么在预测概率图上直接算软Dice。这里的关键是训练和评估必须用同一套规则，不能用软标签训练、再用硬阈值评估，否则指标会莫名偏低。

顺便说一句，有些数据集的掩膜背景是0、前景是1，有些是0和255，还有些把背景写成255、病灶写成0。读进来之后先打印np.unique，再决定要不要反转，这一步省不了。

2.3 良性病灶的灰度特点：低对比度边界对训练意味着什么

乳腺良性病变在B超上多为类圆形或椭圆形，边界较清楚，有包膜或假包膜，但内部回声与正常腺体组织接近，灰度差值经常只有10到30（8bit灰度图）。这和恶性病灶不一样，恶性肿块边界毛刺多，虽然Dice天然偏低，但边界在灰度上通常更明显；良性病灶恰恰是“边界看着清楚，模型学不出来”。

这个特点直接影响两步操作。第一步，输入图像不做对比度增强的话，网络在深层特征上很难把边界兜住；第二步，网络输出的概率图往往是“一片灰”，不是理想的两极化概率分布，阈值选0.5还是0.3，Dice可能差出5个百分点。另外，部分切面病灶后方会出现声影，表现为病灶后方一片低回声暗区，不要把声影当成病灶的一部分去训练，标注里一般也不会标进去，但增强时如果做了大幅平移，可能让病灶和声影的相对位置发生变化，产生不真实的样本。

3. 从B超原图到可训练样本：尺寸归一化、CLAHE与同步数据增强的落地代码

预处理这一章决定模型上限。U-Net对输入尺寸不敏感，但对输入分布敏感。乳腺B超图的灰度分布受设备增益、探头频率、检查深度影响很大，预处理做得稳，后面训练才不用反复回头改。

3.1 统一尺寸：resize的插值陷阱与尺寸选择

大多数超声数据集不是统一尺寸的，统一到256x256还是512x512需要权衡。病灶直径在图上可能只有40到60像素，缩到256后细节损失明显，我一般优先选512。显存不够时，先做中心裁剪再resize，不要直接缩到256。

import cv2 def resize_pair(image, mask, size=(512, 512)): # 原图用双线性插值，掩膜用最近邻，避免边缘出现假灰度 image = cv2.resize(image, size, interpolation=cv2.INTER_LINEAR) mask = cv2.resize(mask, size, interpolation=cv2.INTER_NEAREST) return image, mask

掩膜resize必须用INTER_NEAREST。用INTER_LINEAR的话，原本是255的边界上会混出128这类中间值，相当于人为制造软标签，后面评估IoU时边界一片假阳性。这个坑很隐蔽，因为图像上看不出来，只有打印值域时才会发现。

3.2 灰度归一化与CLAHE：低对比度边界增强的落地代码

灰度归一化有两种流派。第一种是最简单的，读进来是0到255，除以255变成0到1，直接喂网络。第二种是先用CLAHE做对比度受限自适应直方图均衡，再归一化。对乳腺B超这种低对比度图像，我倾向第二种。

import numpy as np def preprocess(image): # CLAHE 限制对比度放大幅度，避免把斑点噪声一起放大 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) image = clahe.apply(image) image = image.astype(np.float32) / 255.0 return image

clipLimit=2.0是一个比较稳的起点，调大到4.0以上时，噪声会被明显放大，训练Dice反而下降。tileGridSize=(8, 8)表示把图像分成8x8的小块分别做直方图均衡，块太小会让灰度过渡不自然，块太大效果接近全局均衡。乳腺超声图建议保持8x8，这是经过对比的常用配置。

注意，CLAHE是逐图像做的，每张图用自己的直方图做变换，会改变灰度绝对值的可比性。如果你后续打算从原图提取回声强度这类特征做辅助分类，就不要用CLAHE，改用全局z-score归一化。预处理方案要在训练前定死，后面不要换来换去。

3.3 数据增强矩阵：乳腺B超能用的增强没那么多

很多自然图像分割的增强策略不能直接搬过来。乳腺B超有体位语义，上下翻转会让浅层组织和深层组织颠倒，模型学到错误的空间先验。整理一份我在这个任务上常用的增强配置：

增强实现时最重要的一点：所有几何变换必须用同一套随机参数同步作用于原图和掩膜，否则病灶和掩膜错位，等于在制造错误标签。

import random def syn_augment(image, mask): # 水平翻转 if random.random() < 0.5: image = image[:, ::-1] mask = mask[:, ::-1] # 随机旋转，image 和 mask 共用变换矩阵 angle = random.uniform(-10, 10) h, w = image.shape M = cv2.getRotationMatrix2D((w // 2, h // 2), angle, 1.0) image = cv2.warpAffine(image, M, (w, h), flags=cv2.INTER_LINEAR) mask = cv2.warpAffine(mask, M, (w, h), flags=cv2.INTER_NEAREST) return image, mask

旋转的插值规则和resize一致，原图用线性、掩膜用最近邻。弹性形变这类强操作在病灶很小的数据集上要克制，真实B超解剖结构的形变有物理约束，增强过头等于制造假样本，模型学到的是变形后的病灶形状，而不是真实的边界特征。

4. 用U-Net训练自己的超声乳腺分割模型：Dataset封装、组合Loss与关键超参

预处理做完，下一步就是把数据集接进训练 pipeline。这里直接用 U-Net 作为基线，乳腺超声分割场景下，U-Net 仍然是稳定且效果可控的选择，不需要一开始就上 Transformer 结构。

4.1 Dataset封装：把图像与掩膜文件配对成可训练样本

自定义 Dataset 需要处理三件事：文件配对、掩膜转成0/1标签、同步应用预处理和增强。这里给出一个最小实现。

import os import cv2 import numpy as np from torch.utils.data import Dataset class UltrasoundDataset(Dataset): def __init__(self, img_dir, mask_dir, transform=None): self.img_dir = img_dir self.mask_dir = mask_dir self.img_names = sorted(os.listdir(img_dir)) self.transform = transform def __len__(self): return len(self.img_names) def __getitem__(self, idx): name = self.img_names[idx] image = cv2.imread(os.path.join(self.img_dir, name), cv2.IMREAD_GRAYSCALE) mask_name = name.replace(".png", "_mask.png") mask = cv2.imread(os.path.join(self.mask_dir, mask_name), cv2.IMREAD_GRAYSCALE) # 二值掩膜统一转成 0/1，这一步必须在增强之前 mask = (mask > 127).astype(np.float32) if self.transform: image, mask = self.transform(image, mask) # 转成 (1, H, W) 的 tensor，网络输入是单通道灰度图 image = torch.from_numpy(image.astype(np.float32)).unsqueeze(0) mask = torch.from_numpy(mask).unsqueeze(0) return image, mask

掩膜转成0/1是重点，网络最后一层输出的是经过 sigmoid 的概率，比较对象必须是0/1而不是0/255。如果在第2.2节发现掩膜带中间灰度值，这里不要做>127的二值化，直接把原始灰度值除以255作为软标签输入，这样网络可以学习边缘概率。

4.2 Loss为什么选BCE+Dice：类不平衡下的指标陷阱

先算一笔账：假设病灶占全图的5%，如果网络在训练初期全部预测为背景，BCE loss 照样可以很低，因为95%以上的像素本来就该是背景。但Dice是0。这就是“loss在降、指标不动”的典型原因，单独用BCE在小病灶分割里很容易踩进去。

Dice Loss 对类别不平衡天然鲁棒，因为它只看预测和真实的重叠比例，不看像素总数。常用做法是 BCE 和 Dice 各占一半。

import torch import torch.nn.functional as F def dice_loss(pred, target, smooth=1.0): pred = torch.sigmoid(pred) intersection = (pred * target).sum() return 1 - (2 * intersection + smooth) / (pred.sum() + target.sum() + smooth) def bce_dice_loss(pred, target): bce = F.binary_cross_entropy_with_logits(pred, target) dice = dice_loss(pred, target) return 0.5 * bce + 0.5 * dice

smooth=1.0是个平滑项，防止前几步分母为0。两个loss权重各0.5是常见起点，如果病灶占比低于3%，可以把dice权重提到0.7、bce降到0.3，让梯度更集中在病灶区域。还有一点：Dice Loss 对边界像素的梯度比较大，这正好匹配乳腺良性病灶低对比度边界的优化需求。

4.3 训练主循环与关键超参：验证集怎么留、测试集什么时候碰

训练循环本身不复杂，关键在于验证集和测试集的纪律。数据集只给了训练集和测试集，测试集是“后悔药”，只能在最终评估时碰一次，日常验证要从训练集里再留出10%到15%。

def train_one_epoch(model, loader, optimizer, device): model.train() total_loss = 0.0 for images, masks in loader: images, masks = images.to(device), masks.to(device) preds = model(images) loss = bce_dice_loss(preds, masks) optimizer.zero_grad() loss.backward() optimizer.step() total_loss += loss.item() return total_loss / len(loader)

关键超参参考配置如下：

验证时把model.eval()打开，关掉dropout和BN的统计更新。测试集只在全部训练和调参结束后跑一次，跑完记录Dice和IoU，这个数值才是你最终能对外报告的结果。如果拿测试集反复调epoch或超参，报告出来的指标就是虚的，换数据就露馅。

5. 超声乳腺分割避坑手册：软标签、类不平衡与数据泄露的5个翻车现场

这一章把我在类似数据集上踩过的坑按“现象→原因→解决”写清楚。每条都对应前面章节里的某个细节，训练前对照检查一遍，能省下至少一周的调试时间。

5.1 mask被读成三通道，Dice指标全线失真

现象：训练loss下降正常，验证Dice忽高忽低，核对时发现preds是1x512x512，从DataLoader里拿出来的mask是3x512x512。

原因：cv2.imread不指定参数时，默认按BGR三通道读入，即使是灰度PNG也会被扩展成三通道，导致模型输出和标签的shape不匹配，或者在广播运算中算出完全错误的Dice。

解决：所有掩膜读取统一加cv2.IMREAD_GRAYSCALE，并且在Dataset里做(mask > 127)转成0/1。这个坑基本是自建数据集的“血泪经验”，第一次跑通时务必打印一次mask.shape确认。

5.2 掩膜边缘有抗锯齿灰度值，评估指标被污染

现象：训练Dice在0.85左右，验证Dice却只有0.7，中间差了一大截。

原因：标注工具导出的PNG边缘带抗锯齿，边缘一圈是128或96这类中间灰度值，肉眼看不出来，但(mask > 0)的判定把这些像素全部当成前景，或者(mask > 127)把它们判成背景，无论哪种都会让边界评估失真。

解决：第2.2节的np.unique(mask)检查不能跳过。如果发现中间灰度值，要么训练和评估统一走软标签路线，要么选一个固定阈值（经验值50）做二值化，训练和评估用同一套规则。

5.3 病灶占比不到5%，BCE在降但Dice始终是0

现象：前50轮BCE从0.7降到0.2，验证Dice一直是0，训练好像成功了但模型什么都没学到。

原因：模型学会了输出全背景。因为98%的像素本来就是背景，BCE照样很低，但Dice对全背景输出严格为0。这类数据集里，BCE loss曲线会骗人，必须同时盯着Dice和IoU。

解决：换成第4.2节的BCE+Dice组合Loss。如果病灶占比特别低，比如低于3%，把Dice权重调到0.7。看指标以Dice和IoU为准，loss只作为辅助参考。

5.4 同一患者的多个切面被拆进训练集和测试集

现象：测试Dice报0.91，换一台B超机采集的数据就掉到0.6，泛化能力明显不行。

原因：一个良性病例往往有多张不同切面的图，按图像随机划分训练集和测试集时，同一患者的不同切面可能两边都出现，模型记住了患者特征而不是病灶边界。这就是数据泄露，医学图像分割数据集最常见的翻车点。

解决：按患者ID分组划分数据。如果文件名没有患者ID，去找README里的病例映射表；实在找不到，就用文件名前缀做聚类。这条对良性数据尤其重要，因为良性病例切面多，随机划分时泄露概率比恶性数据高得多。

5.5 验证时忘了关数据增强，指标不可复现

现象：训练结束后重跑同一个验证循环，两次Dice差了0.1到0.2，没人改过代码但结果对不上。

原因：验证阶段没有关闭随机翻转和旋转，每次预测的输入都不一样，指标自然不同。

解决：验证和测试的transform只保留resize和归一化，删除所有随机操作。如果想用测试时增强TTA提升稳定性，单独写一套推理代码，和验证流程物理隔离，不要混在一起。

6. 进阶验证技巧：交叉验证、TTA与迁移学习在乳腺超声分割里的落地用法

数据集只给了训练集和测试集，严格来说你还需要一个验证集来选模型和调超参。常见做法是从训练集里再切出10%到15%做验证，但我更推荐做5折交叉验证。每个fold用80%训练、20%验证，训练5个模型，最后在测试集上分别评估，报告均值加减标准差。这样得到的指标更稳，也能看出模型对不同病例分布的敏感度。交叉验证的额外好处是能顺便检查第5.4条的数据泄露——如果某一个fold的验证Dice突然比其他fold高出一截，大概率是同源病例被拆开了，需要回去查划分。

测试集评估时，如果想把指标再压榨一点，可以用TTA。最常见的做法是对输入做水平翻转，把原图和翻转图的预测概率取平均后再二值化。乳腺B超左右对称，这种TTA在解剖上成立，一般在Dice上能带来0.5到1.5个百分点的提升。注意TTA只用于最终评估和推理，不要用在训练时的验证集上，否则选出来的模型可能偏向TTA效果而不是真实泛化能力。

最后给一个比Dice更实用的验证手段：训练结束后，把原图、预测概率图、真实掩膜三张图拼在一起输出成一张对比图。Dice高不代表边界准，尤其是良性病灶这种低对比度场景，机器可能在某个切面上恰好猜对了区域但边界偏移明显。拿几十张图快速翻一遍，比盯着指标调参更能发现问题。我自己的习惯是每轮实验结束后先看这部分可视化，确认边界和病灶形态合理，再决定要不要调增强、调Loss权重或预训练策略；这些细节叠加起来，比换网络结构带来的收益更稳。希望这份落地笔记能帮你把数据集用顺，少走几趟弯路。

本文还有配套的精品资源，点击获取