简介：本资源为面向医学影像分析与深度学习语义分割方向的数据集，适用于腹部多脏器自动分割模型的训练与验证，可支撑脾脏、肝肾、胆囊、胃、胰腺、主动脉及肾上腺等13类器官的像素级标注任务。包内共约2000个文件，以png掩膜图、jpg原始图像为主，另含1个py脚本与1个json配置，压缩包约74.85MB；训练集约900张图像及对应mask，验证集约200张，数据已做对比度拉伸等增广处理，运行show脚本即可查看掩膜叠加效果。目前已有476人学习下载。读者可据此搭建完整的分割实验流程，结合配套网络分割博文快速复现训练与评估，并借助classes文本核对标签类别，适合医学影像入门与进阶研究者参考使用。
1. 腹部多脏器语义分割数据集：从标注格式到训练落地的完整路径
拿到一个腹部多脏器语义分割数据集，第一反应往往不是「怎么训」，而是「这堆标注到底能不能直接用」。CT 腹部扫描里同时出现肝脏、脾脏、胰腺、肾脏、胃壁这些结构，灰度接近、边界模糊，不同医院的扫描协议和层厚还不一样。语义分割要做的就是给每个像素分配一个器官类别标签，让模型学会「这个像素属于脾，那个像素属于左肾」。这件事在临床上对应器官体积测量、术前规划、放疗靶区勾画，在工程上则是一个典型的多类别 dense prediction 问题。适合已经跑通过二分类分割、想往多器官多类别推进的读者，也适合手里有 B 超或 CT 数据、想搞清楚标注和训练全流程的人。下面按数据、模型、训练、排错、进阶五段讲透。
2. 腹部多脏器数据集长什么样：标注格式、类别体系与划分策略
2.1 语义分割标注的三种常见存储形式
腹部多脏器数据集的标注，落到磁盘上通常有三种形态，选错一种后面全在还债。
第一种是掩膜图（mask），每个像素的值就是类别 id，背景为 0，肝脏为 1，脾脏为 2，以此类推。这种格式最省事，直接喂给分割框架即可。第二种是每类一张二值 PNG，一个器官一个文件夹，训练前需要自己合成多通道或单通道索引图。第三种是 JSON 或 COCO 风格的 polygon 标注，需要 rasterize 成掩膜。腹部 CT 因为器官是三维连续的，很多数据集按切片导出，每层一张 PNG，命名里带 slice 序号。
我一般会先写个脚本把标注统一成单通道 uint8 索引图，因为后续无论用 nnU-Net、MONAI 还是自己写的 Dataset，索引图都是最通用的中间格式。转换时最怕的是类别 id 对不上——有的数据集把肝脏标成 1，有的标成 6，直接混用会让模型学出一个「薛定谔的肝脏」。
import numpy as np from PIL import Image import os # 把多张二值 mask 合成为单通道索引图 # 约定：背景 0，肝脏 1，脾脏 2，左肾 3，右肾 4，胰腺 5 ORGAN_MAP = { "liver": 1, "spleen": 2, "left_kidney": 3, "right_kidney": 4, "pancreas": 5, } def merge_masks(mask_dir, out_path, shape): index = np.zeros(shape, dtype=np.uint8) for name, cid in ORGAN_MAP.items(): p = os.path.join(mask_dir, f"{name}.png") if not os.path.exists(p): continue m = np.array(Image.open(p).convert("L")) # 二值化阈值取 127，避免抗锯齿边缘产生中间值 index[m > 127] = cid Image.fromarray(index).save(out_path) merge_masks("masks/case_001", "index/case_001.png", (512, 512))这段代码的关键在阈值那一步。很多标注工具导出的 PNG 边缘有灰度过渡，如果直接m > 0，会把半透明的边缘也算进器官，导致相邻器官在边界处互相覆盖。用 127 做硬阈值，再按固定顺序覆盖，能保证每个像素只有一个类别。顺序也有讲究：先写大器官再写小器官，或者反过来，取决于你希望边界争议时谁赢。我一般让胰腺这种小器官后写，避免被肝脏吞掉。
2.2 类别不平衡与背景主导问题
腹部 CT 切片里，背景（体外的空气、扫描床）经常占 60% 以上，肝脏可能占 15%，胰腺可能只有 1% 到 2%。如果损失函数用普通交叉熵，模型很快学会「全预测背景」也能拿到不错的 accuracy，但 Dice 惨不忍睹。这是多脏器分割最典型的翻车点。
常见做法是组合损失：交叉熵加 Dice，或者交叉熵加 Tversky。Dice 对前景敏感，能拉住小器官；交叉熵提供稳定的梯度。权重上，我一般让 Dice 占 0.6，交叉熵占 0.4，胰腺这类小器官再单独加权。也有用 focal loss 的，但对多类别分割，focal 的 alpha 调起来比较玄学，不如 Dice 直接。
划分策略上，腹部数据集必须按病人划分，不能按切片随机划分。同一个病人的相邻切片高度相似，如果切片随机分到训练和验证，验证集里全是训练集见过的「近亲」，指标虚高，上线就崩。标准做法是 train/val/test 按 7:1:2 或 8:1:1 在病人层面切分，并且保证每个集合里各器官都有出现。
2.3 数据预处理：窗宽窗位、归一化与重采样
CT 的 HU 值范围是 -1000 到 3000 左右，直接送进网络，梯度会被大数值主导。腹部软组织观察常用窗宽 400、窗位 40，也就是把 [-160, 240] 映射到 [0, 1]。这一步叫窗宽窗位调整，是腹部分割的标配。
def window_normalize(hu_array, ww=400, wl=40): lo, hi = wl - ww // 2, wl + ww // 2 hu = np.clip(hu_array, lo, hi) return (hu - lo) / (hi - lo) # 归一到 [0,1]参数说明：ww 是窗宽，wl 是窗位。腹部常用 400/40，如果想同时看肝脏和骨骼，可以放宽到 500/50。归一化后数据在 [0,1]，配合 BatchNorm 或 InstanceNorm 都稳。
重采样同样重要。不同扫描的层厚可能是 1mm、3mm、5mm，像素间距也不一样。如果直接 resize 到 512×512，器官的物理尺寸就乱了。正确做法是按物理间距重采样到统一 spacing，比如 1.5×1.5×2.0 mm，再做裁剪或 padding。MONAI 的Spacing和Orientation变换能直接干这件事，自己写也不难，就是插值方式要选对：图像用三线性，掩膜用最近邻，否则会插出 1.5 这种不存在的类别 id。
3. 模型选型：U-Net 系、Transformer 系与 nnU-Net 的取舍
3.1 U-Net 及其变体为什么仍是腹部分割基线
腹部多脏器分割的公开基准上，U-Net 系长期占主导。原因不复杂：医学图像数据量小，U-Net 的编码器-解码器加跳跃连接，能在少量样本下保住空间细节。跳跃连接把浅层的高分辨率特征直接送到解码器，对器官边界这种细结构特别关键。
常见变体里，ResU-Net 把卷积块换成残差块，训练更深也不退化；Attention U-Net 在跳跃连接上加注意力门，抑制无关区域；U-Net++ 用密集连接缩小语义鸿沟。我一般先用标准 U-Net 跑通，确认数据和损失没问题，再换变体对比。直接上复杂结构，出问题时分不清是数据还是模型。
编码器可以用随机初始化，也可以用 ImageNet 预训练。腹部 CT 是灰度图，和 ImageNet 的 RGB 自然图像差异大，预训练收益有限，但比随机初始化还是稳一点。如果数据量超过几百例，随机初始化也能训得很好。
3.2 Transformer 与混合架构在腹部数据上的实际表现
Swin-UNet、TransUNet 这类 Transformer 分割网络，在公开腹部数据集上确实能刷高 Dice，但代价是显存和训练时间。Transformer 的全局注意力对器官之间的相对位置关系建模有优势，比如「脾在胃的左后方」这种先验，卷积要靠堆深度才能隐式学到。
实际落地时，如果单卡显存只有 12G 到 16G，Swin-UNet 的 3D 版本基本跑不动，只能退到 2D 切片训练，再在推理时做切片间融合。混合架构比如 CNN 编码器加 Transformer 瓶颈层，是个折中，显存占用比纯 Transformer 低，又能拿到一部分全局建模能力。
我的建议是：数据少于 200 例，优先 U-Net 系；数据超过 500 例且有充足算力，再考虑 Transformer。别为了追新架构，把时间耗在调 batch size 和梯度累积上。
3.3 nnU-Net 开箱即用的边界与自定义空间
nnU-Net 是腹部分割里绕不开的工具。它自动分析数据集的 spacing、器官大小、类别分布，然后自配置网络深度、patch size、batch size 和训练策略。在多个腹部多脏器挑战赛上，nnU-Net 的默认配置就能打到前三。
但它的边界也明显：默认流程对数据格式要求严格，必须是特定的文件夹结构和命名；自定义损失或特殊预处理需要改源码；推理速度偏慢，因为用了多尺度集成。如果你的任务是标准的多脏器分割，直接用 nnU-Net 省事；如果要做实时推理或嵌入式部署，还是自己搭轻量 U-Net 更可控。
| 方案 | 数据量要求 | 显存需求 | 调参成本 | 适用场景 |
|---|---|---|---|---|
| 标准 U-Net | 100 例起 | 8G 可跑 2D | 中 | 快速基线、嵌入式 |
| Attention U-Net | 200 例起 | 10G 可跑 2D | 中高 | 边界要求高 |
| Swin-UNet | 500 例起 | 16G 起 | 高 | 刷指标、有算力 |
| nnU-Net | 50 例起 | 11G 起 | 低 | 标准任务、省心 |
4. 训练流程：从数据加载到指标监控的可复现配置
4.1 自定义 Dataset 与增强策略
腹部分割的数据增强，不能照搬自然图像的翻转旋转。水平翻转要小心，因为肝脏在右、脾在左，翻转后解剖位置就反了，如果类别标签不跟着换，模型会学乱。垂直翻转和旋转一般安全。常用的增强有：随机旋转 ±15 度、随机缩放 0.9 到 1.1、弹性形变、随机亮度对比度扰动、以及模拟不同窗宽窗位。
import random import numpy as np from scipy.ndimage import rotate, zoom def augment(image, mask): # 随机旋转，图像双线性，掩膜最近邻 angle = random.uniform(-15, 15) image = rotate(image, angle, order=1, reshape=False, mode="constant") mask = rotate(mask, angle, order=0, reshape=False, mode="constant") # 随机缩放 scale = random.uniform(0.9, 1.1) image = zoom(image, scale, order=1) mask = zoom(mask, scale, order=0) # 裁回原尺寸 h, w = mask.shape image = image[:h, :w] mask = mask[:h, :w] return image, mask逻辑说明：旋转和缩放都用 scipy 的 ndimage，图像用 order=1 双线性，掩膜用 order=0 最近邻，保证类别 id 不被插值破坏。reshape=False保持尺寸不变，边缘用常数填充。缩放后尺寸会变，需要裁回原大小。这套增强在几百例数据上能把 Dice 拉高 2 到 3 个点。
4.2 损失函数与优化器参数
前面提过，组合损失是主流。下面是一个可直接用的 Dice + CE 实现。
import torch import torch.nn as nn import torch.nn.functional as F class DiceCELoss(nn.Module): def __init__(self, num_classes, dice_weight=0.6): super().__init__() self.num_classes = num_classes self.dice_weight = dice_weight def forward(self, logits, target): # logits: [B, C, H, W], target: [B, H, W] ce = F.cross_entropy(logits, target) probs = F.softmax(logits, dim=1) target_onehot = F.one_hot(target, self.num_classes).permute(0, 3, 1, 2).float() dims = (0, 2, 3) inter = (probs * target_onehot).sum(dims) union = probs.sum(dims) + target_onehot.sum(dims) dice = (2 * inter + 1e-5) / (union + 1e-5) dice_loss = 1 - dice.mean() return self.dice_weight * dice_loss + (1 - self.dice_weight) * ce参数说明：num_classes包含背景，比如 5 个器官就是 6。dice_weight控制 Dice 占比，小器官多就调到 0.7。平滑项 1e-5 防止除零。优化器用 AdamW，学习率 1e-3 起步，配合余弦退火，weight decay 1e-4。batch size 在 2D 下可以到 16 或 32，3D 下通常只能 2 到 4，靠梯度累积补。
4.3 训练循环与验证指标
训练循环里，每个 epoch 后在验证集上算 Dice 和 Hausdorff 距离。Dice 看重叠，Hausdorff 看边界最远偏差，后者对器官边界质量更敏感。监控时按器官分别记录，别只看平均 Dice——平均 0.85 可能意味着肝脏 0.95、胰腺 0.6，后者才是瓶颈。
def compute_dice(pred, target, num_classes): pred = pred.argmax(1) scores = [] for c in range(1, num_classes): # 跳过背景 p = (pred == c) t = (target == c) inter = (p & t).sum().item() union = p.sum().item() + t.sum().item() if union == 0: continue scores.append(2 * inter / union) return sum(scores) / len(scores) if scores else 0.0验证时用滑动窗口或全图推理，取决于显存。2D 模型直接全图，3D 模型用 patch 滑窗，重叠 50%，重叠区域取概率平均。注意验证阶段不要开增强，否则指标不可比。
5. 避坑与排查：腹部多脏器分割最常见的五类翻车
5.1 现象：训练 loss 正常下降，验证 Dice 始终 0.3 以下
原因：最常见的是类别 id 错位。训练时掩膜里肝脏是 1，验证时数据集肝脏是 6，模型预测的 1 在验证里对应别的器官，Dice 自然崩。其次是归一化不一致，训练用了窗宽窗位，验证直接送原始 HU。
解决：写一个check_label_mapping脚本，打印训练和验证掩膜的 unique 值，确认类别 id 一致。归一化参数存成配置文件，训练和推理共用同一份。
5.2 现象：胰腺 Dice 常年在 0.5 徘徊，其他器官正常
原因：胰腺体积小、边界模糊、周围脂肪和肠道干扰大，是腹部分割公认的难点。加上类别不平衡，模型倾向于忽略它。
解决：给胰腺单独加权，损失里把胰腺的 Dice 权重提到 2 到 3 倍；增强时对含胰腺的 patch 做 oversampling；后处理阶段对胰腺预测做形态学闭运算，填补内部空洞。
5.3 现象：推理时整张图全预测成背景
原因：验证集图像没做和训练一致的预处理，比如没做窗宽窗位，HU 值范围差了几千，网络输入分布完全变了。或者模型最后一层 softmax 前 logits 数值异常，被背景类主导。
解决：把预处理封装成一个函数，训练和推理都调它。检查推理时输入的最小最大值，和训练时的统计对比。如果 logits 异常，检查是否有 NaN 或 inf，通常是学习率太大导致。
5.4 现象：相邻器官边界处互相「吞并」，肝脏预测覆盖到右肾
原因：交叉熵对边界像素的梯度弱，加上标注本身在器官交界处可能有 1 到 2 像素的模糊，模型学不到清晰边界。
解决：损失里加边界加权，用形态学梯度提取标注边界，给边界像素更高权重；或者用 Tversky loss，调整 FP 和 FN 的权重，让模型对边界更敏感。后处理可以用分水岭或条件随机场细化边界，但会增加推理时间。
5.5 现象：换一台机器或换一批数据，指标断崖下跌
原因：域偏移。不同扫描仪、不同重建核、不同对比剂方案，都会让图像分布变化。模型在源域过拟合，目标域泛化差。
解决：训练时加入强增强，模拟不同窗宽窗位和噪声；用 Domain Adaptation 方法，比如在目标域做测试时自适应；或者最直接，在目标域标注少量数据做微调。腹部分割没有银弹，域偏移只能靠数据多样性压。
6. 进阶技巧：用测试时增强和后处理把 Dice 再抬两个点
训练收敛后，别急着上线，测试时增强（TTA）和后处理往往还能再挤 1 到 3 个 Dice。TTA 的做法是对同一张输入做多种变换，比如原图、水平翻转、旋转 90 度，分别推理后把概率图逆变换回来取平均。对腹部数据，水平翻转要谨慎，因为解剖位置会反，但如果模型是在翻转增强下训练的，TTA 用翻转也安全。
def tta_predict(model, image): preds = [] # 原图 preds.append(torch.softmax(model(image), dim=1)) # 旋转 90 度 img_rot = torch.rot90(image, 1, dims=(2, 3)) p_rot = torch.softmax(model(img_rot), dim=1) preds.append(torch.rot90(p_rot, -1, dims=(2, 3))) # 水平翻转 img_flip = torch.flip(image, dims=(3,)) p_flip = torch.softmax(model(img_flip), dim=1) preds.append(torch.flip(p_flip, dims=(3,))) return torch.stack(preds).mean(0)逻辑说明：每个变换推理后，把概率图逆变换回原坐标系，再平均。注意是概率平均，不是 argmax 后投票，前者保留更多信息。TTA 的代价是推理时间翻 3 倍，如果延迟敏感，可以只保留原图和翻转两种。
后处理方面，最有效的是连通域过滤。腹部器官在切片上通常是单连通或少数几个连通域，如果模型预测出很多碎小区域，按体积排序，保留最大的 1 到 2 个连通域，其余归背景。这一步对胰腺和肾脏特别管用，能去掉大量假阳性。
from scipy.ndimage import label def remove_small_components(mask, min_size=100): out = mask.copy() for c in np.unique(mask): if c == 0: continue binary = (mask == c) labeled, n = label(binary) for i in range(1, n + 1): if (labeled == i).sum() < min_size: out[labeled == i] = 0 return out参数说明：min_size按像素数设，512×512 切片上，胰腺最小连通域可能只有几百像素，设 100 到 200 比较稳。设太大可能把真实的小器官区域也删掉，需要看验证集上的体积分布来定。
还有一个容易被忽略的点：推理时的插值。如果训练时图像重采样到了统一 spacing，推理时也要做同样处理，预测完再插值回原始尺寸。插值掩膜必须用最近邻，否则会出现 1.5 这种非法类别。我见过有人用双线性插值掩膜，结果 Dice 掉了 5 个点，排查了一整天才发现是插值方式的问题，血泪经验。
最后说个习惯：每次实验都固定随机种子，记录数据版本、增强参数、损失权重、学习率曲线。腹部分割的调参周期长，没有记录，两周后你根本想不起来哪个配置对应哪个结果。我现在每个实验都存一个 config.yaml 加训练日志，复现和对比省太多事。希望帮到你。
本文还有配套的精品资源，点击获取
