简介这是一份基于Python的三维CT影像肺结节检测算法完整项目面向计算机、人工智能、医学图像处理等相关专业的毕业设计、课程大作业及竞赛实践场景。项目源自个人毕设答辩评分高达98分代码已调试可运行既适合刚接触医学影像处理的学习者从基础开始理解也方便进阶者直接改造复用。压缩包共包含64个文件大小约9.61MB其中以38个Python源码为主体覆盖原始数据预处理、候选区域检测、三维分类网络训练及结果预测的完整技术链路同时配有标注与预测结果表格、交互式演示脚本、可视化结果图和项目说明文档便于对照代码复现实验、理解网络结构及排查问题。目前已有57人浏览学习对于需要快速搭建相关课题实验环境的学生、老师或从业者而言是一份结构清晰、开箱即用的高分参考项目。1. 从源码数据集的千篇一律到能跑通检测流程的3D-CT肺结节方案做基于Python的3D-CT影像肺结节检测算法很多人把“源码数据集项目说明”下载下来后卡住的第一关不是模型而是数据流。CT原始数据是一整个DICOM序列像素间距每家医院都不一样结节在三维空间里只占几十个体素正常组织却有上百万个体素这种数量级差距决定了检测不能照搬普通目标检测。真正有价值的项目不是跑通某段网络而是把重采样、候选生成、假阳性抑制这条产线跑顺下面按这条产线讲。适合毕业设计和课程项目也适合刚进医学影像算法岗的从业者在公开数据集上跑出可复现指标。8GB显存就够起步前提是不一上来就堆大模型。这个方向每一步都有标准答案坏处是一个环节不严谨最后的CPM分数就上不去。下文不假设你已经熟悉医学图像格式我只做两件事讲清楚每一步为什么这么定并给出可以照着跑的命令和参数。2. 拿到CT数据后的第一道工序DICOM转NIfTI、体素重采样和标签对齐2.1 为什么先统一成NIfTI而不是直接读DICOM序列数据流的三个现实问题医学影像的原始输出是DICOM格式一份胸部CT往往由几百张二维切片组成这些切片分散在多个子目录里命名规则由设备厂商决定有些还混着定位像、剂量报告和二次重建序列。直接用一个for循环去读目录下所有文件大概率会把不同扫描阶段的数据叠成一个体积等模型训练到一半才发现输入图像里有一半是“重复扫描”这属于一开局就埋雷。我一般先把DICOM序列转成NIfTI.nii.gz再做后续全部处理。选择NIfTI而不是继续用DICOM有三个现实原因DICOM的信息分散在文件头和文件体里同一个序列可能被切成无数个小文件而NIfTI是一个单文件spacing、origin、direction都写在头里移动、缓存、加载都省心。主流Python医学图像工具链对NIfTI支持最完整后续用SimpleITK、NiBabel、MONAI打开都是一行代码的事DICOM则要为厂商私有标签、传输语法写额外兼容代码。标注文件一般给出结节中心的世界坐标毫米NIfTI的origin和direction定义明确坐标换算不容易出歧义。转换脚本并不复杂但有一个顺序问题读取时不要重采样。转换和重采样是两个步骤先保留原始spacing写出NIfTI再在下一步统一重采样这样万一重采样参数调错了还能回到原始数据重新来不用再去翻DICOM目录。import SimpleITK as sitk def dicom_series_to_nifti(dicom_dir, output_path): reader sitk.ImageSeriesReader() file_names reader.GetGDCMSeriesFileNames(dicom_dir) if not file_names: raise RuntimeError(f没有在 {dicom_dir} 里找到DICOM序列) reader.SetFileNames(file_names) image reader.Execute() # 这一步不打乱顺序读出来的 image 自带原始 spacing print(spacing:, image.GetSpacing(), size:, image.GetSize()) sitk.WriteImage(image, output_path) return image ct dicom_series_to_nifti(ct_dicom, ct_original.nii.gz)两个常见错误被这个脚本挡掉了一是用os.listdir自己拼文件名DICOM文件名的数字顺序不一定等于扫描顺序必须依赖SeriesReader按InstanceNumber排序二是读取后顺手做重采样导致后面想核对原始层厚时手上只剩一份已改过的数据。GetGDCMSeriesFileNames会按Series UID把同一序列归组避免把平扫和增强两套序列混成一个Volume。2.2 体素重采样等距到1mm图像和标签必须用不同插值CT的扫描参数不统一层厚常见1mm到5mm层内像素间距0.5mm到1.5mm。同一个结节在不同机器上出来的体素形状完全不一样如果不重采样模型会把物理大小相同的结节看成不同尺寸的物体。等距重采样到1.0mm×1.0mm×1.0mm是这类项目最常用的设置理由很直接大多数肺结节在1mm分辨率下仍然清晰可见而数据量比0.5mm各向同性少了约8倍显存压力小很多。重采样时真正容易踩坑的是插值方式的选择。图像是连续灰度值用BSpline或线性插值没问题标签是二值mask或整数序号必须用最近邻。如果把标签也走BSpline二值边缘会出现0.3、0.7这种插值过渡带后续算Dice、生成训练块时这些灰值会直接污染损失函数。import SimpleITK as sitk def resample_to_isotropic(image, target_spacing(1.0, 1.0, 1.0), is_labelFalse): original_spacing image.GetSpacing() original_size image.GetSize() target_size [int(round(orig_sz * orig_spc / target_spc)) for orig_sz, orig_spc, target_spc in zip(original_size, original_spacing, target_spacing)] resample sitk.ResampleImageFilter() resample.SetOutputSpacing(target_spacing) resample.SetSize(target_size) resample.SetOutputOrigin(image.GetOrigin()) resample.SetOutputDirection(image.GetDirection()) if is_label: resample.SetInterpolator(sitk.sitkNearestNeighbor) else: resample.SetInterpolator(sitk.sitkBSpline) return resample.Execute(image) ct_iso resample_to_isotropic(ct) mask_iso resample_to_isotropic(mask, is_labelTrue)这里有个细节target_size不是拍脑袋填的是用原尺寸乘原spacing再除以目标spacing算出来的保证重采样后整个CT的物理范围不变。如果直接固定成256×256×256不同病人的肺部范围会被拉伸网络学到的空间关系是变形的。输出origin和direction也必须原样保留否则后续把预测结果写回原图时两套坐标系对不上。重采样之后建议顺手做HU截断和归一化。CT值是带符号的亨氏单位肺结节属于软组织密度范围大约在−700到200之间我一般把输入截断到[−1000, 400]再线性归一化到0到1。这个窗口不要照显示器上的“肺窗”乱调如果把窗口拉到[−150, 800]去迁就骨骼软组织对比度会被压扁小结节在特征图上会非常淡。2.3 标签对齐把世界坐标换算成体素坐标再裁剪训练块公开数据集的标注大多给的是毫米坐标对应CT的世界坐标系。要把标注落到体素网格上必须用到origin、spacing和direction三个量。很多现成代码只除以spacing忽略了direction这在绝大多数CT上碰巧是对的因为方向矩阵是单位矩阵但一旦遇到病人摆位旋转、扫描床倾斜整批坐标都会偏。import numpy as np import SimpleITK as sitk def world_to_voxel(image, world_coords): origin np.array(image.GetOrigin()) spacing np.array(image.GetSpacing()) direction np.array(image.GetDirection()).reshape(3, 3) coords np.array(world_coords, dtypefloat) voxel np.linalg.inv(direction) (coords - origin) / spacing return np.round(voxel).astype(int) voxel_center world_to_voxel(ct_iso, [nodule_x_mm, nodule_y_mm, nodule_z_mm])逻辑说明世界坐标先减去origin得到相对图像原点的物理位移再除以spacing得到体素坐标。direction矩阵描述的是体素坐标轴和世界坐标轴之间的旋转关系所以要先对direction求逆再作用。如果不做这一步坐标偏差可能只是一两个体素但训练数据里每个正样本中心都是偏的模型学到的特征天然带“对不准”的误差。坐标换算完成后的下一步是裁剪训练块。以候选点为中心裁一个固定大小的patch建议覆盖半径7mm以上结节直径一般不超过30mm半径太小会把结节边缘截断半径太大正样本被背景淹没。正样本我习惯用一个小的3D mask表示“距中心多远算结节内部”半径3到5mm网络先学中心点预测推理时再用连通域或局部极大值把候选中心找出来。3. 模型选型与训练参数3D U-Net生成候选、小分类器压假阳性3.1 3D卷积为什么比2D和2.5D更适合结节检测空间连续性与感受野结节是一个三维实体2D切片上看到的只是某个截面的轮廓。同一结节在不同层高度的截面形态差异很大尤其是磨玻璃结节边缘模糊、与血管截面相似单纯靠2D信息判断“这是结节还是血管”本身就信息不足。2.5D方案把相邻几层拼成多通道输入能缓解一部分问题但网络卷积核在Z轴方向没有真正的空间感受野层间关系是被“拼”出来的不是被“学”出来的。3D卷积把三个方向等同看待核在每个体素邻域内同时感知X、Y、Z轴的灰度变化。代价是计算量和显存占用约为2D的数十倍因此这类项目里很少直接上大型3D目标检测框架。3D Faster R-CNN、3D SSD这类端到端框架在小数据集上容易过拟合调参时间长显存要求也高我见过的多数可落地做法是两阶段先轻量级3D U-Net生成候选再用一个小分类器做假阳性抑制。3.2 两阶段结构候选生成网络 假阳性抑制分类器第一阶段做密集预测。输入一个96×96×96的patch经过几层下采样和上采样输出体素级别的mask每个体素表示“这里是不是结节中心区域”。这个预测不要求精确边界只要候选点覆盖住真实结节中心即可。拿到mask后用局部极大值找出一批候选中心坐标通常一个病例会产生几百个候选其中真结节可能只有几个大部分是血管断面、炎症和噪声。第二阶段做的是典型的不平衡分类问题。把每个候选位置重新裁一个稍大的patch输入一个浅层3D分类网络输出0/1判别。这个网络的输入比第一阶段更有针对性因为每个patch都含有“疑似结节”结构分类器只需要在正负候选之间找边界不需要在整幅CT里搜索。两阶段的好处是第一阶段可以用高召回换取不漏检第二阶段慢慢把精确度拉回来如果合并成一个端到端网络这两件事会在一个损失函数里互相拉扯。import torch import torch.nn as nn class NoduleCandidateNet(nn.Module): def __init__(self, in_channels1, base_channels16): super().__init__() # 下采样路径逐步扩大通道数 self.enc1 nn.Conv3d(in_channels, base_channels, 3, padding1) self.enc2 nn.Conv3d(base_channels, base_channels * 2, 3, padding1) # 上采样路径恢复分辨率 self.dec1 nn.ConvTranspose3d(base_channels * 2, base_channels, 2, stride2) self.dec2 nn.Conv3d(base_channels, 1, 1) def forward(self, x): x1 torch.relu(self.enc1(x)) x2 torch.relu(self.enc2(x1)) x3 torch.relu(self.dec1(x2)) out self.dec2(x3) return out这个网络只是骨架示例实际使用会加BatchNorm3d、残差连接和下采样层。参数说明base_channels从16起步在8GB显存卡上可以跑每下采样一次通道翻倍是为了在不增加太多计算量的前提下保留空间信息。输出层是单通道logits用sigmoid转成概率。第一阶段的训练目标不是精确分割所以loss用focal loss或带权重的BCE都行关键是别让负样本主导梯度。3.3 损失函数与训练策略focal loss、负样本下采样、混合精度训练第一阶段是密集预测patch里正体素可能只占2%不到普通BCE会让模型快速收敛到“全预测为负”的平庸解。focal loss是这类场景最常用的替代方案它在标准交叉熵上乘了一个调制因子(1 - pt)^gamma让简单负样本的loss被压低难分类样本和正样本的梯度自然凸显。class FocalLoss(nn.Module): def __init__(self, alpha0.25, gamma2.0): super().__init__() self.alpha alpha self.gamma gamma def forward(self, logits, target): ce F.binary_cross_entropy_with_logits(logits, target, reductionnone) pt torch.exp(-ce) alpha_t self.alpha * target (1 - self.alpha) * (1 - target) loss alpha_t * (1 - pt) ** self.gamma * ce return loss.mean()参数说明alpha控制正负样本的整体权重0.25表示正样本的贡献被适当放大即使它数量很少gamma控制对简单样本的压制程度gamma2是分割任务里的常用起点。如果训练中召回率长期上不去先把gamma降到1让模型没那么“固执”地只关注难样本如果出现大量假阳性再提高gamma或降低alpha。训练配置可以从这个脚本起步python train_3d_candidate.py \ --patch_size 96 \ --voxel_spacing 1.0 \ --batch_size 4 \ --optimizer adamw \ --lr 3e-4 \ --epochs 150 \ --mixed_precision fp16 \ --focal_alpha 0.25 \ --focal_gamma 2.0训练循环里要用自动混合精度既省显存又加快速度def train_one_epoch(model, loader, optimizer, scaler): model.train() total_loss 0.0 for images, labels in loader: images, labels images.cuda(), labels.cuda() optimizer.zero_grad() with torch.cuda.amp.autocast(): logits model(images) loss focal_loss(logits, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() total_loss loss.item() return total_loss / len(loader)这个循环的关键点是autocast()只包前向和loss计算坐标解码、NMS这类后处理放到AMP外面执行避免半精度下的数值误差被累积放大。如果loss出现NaN不要急着关AMP先去查输入数据里有没有NaN医学图像预处理偶尔会留下非法值一个NaN就能让整轮训练崩掉。4. 5个避坑点重采样、标签错位、类别失衡、OOM和坐标回推4.1 数据预处理阶段最容易弄坏结果的三个环节坑一图像和标签用同一种插值方式重采样。现象训练时loss正常下降验证时输出mask的边缘多出一圈灰色过渡带结节边界被明显低估。原因标签是二值数组用了BSpline插值后出现0.3、0.7这类非整数随后阈值化把边界切掉一圈标注和真实图像已经不完全对齐。解决图像用BSpline或线性插值标签统一用sitkNearestNeighbor。两个函数分开写不要再共用一个resample()入口。我在处理这个方向时会把is_label作为必传参数防止调用时漏掉。坑二把标注的毫米坐标直接除以spacing忽略origin和direction。现象部分病例的预测中心总是偏移2到3个体素而其他病例完全正常。原因多数CT的direction是单位矩阵origin是零于是“直接除以spacing”在大多数样本上碰巧正确遇到扫描床倾斜或重建中心偏移的序列坐标就整体漂移。解决统一用world_to_voxel函数做换算并在预处理脚本里打印前10个标注的换算结果跟原始标注人工核对一遍。这个检查只需要几分钟能避免整个训练集都在错误坐标上白跑。坑三HU截断窗口按“好看”来调不按结节密度范围来调。现象磨玻璃结节的召回率远低于实性结节模型还把正常肺纹理当成阳性。原因为了显示骨骼窗口被拉到[−150, 800]软组织对比度被压缩弱信号在输入阶段就丢了。解决固定把CT值截断到[−1000, 400]再做Min-Max归一化。如果想研究骨转移或钙化灶另外开一条预处理分支不要混在肺结节检测这条产线里。4.2 训练、推理阶段的显存和坐标重铸问题坑四显存不够第一反应是换更大的显卡。现象训练几分钟就报CUDA out of memory每跑一次都要重启进程。原因patch_size设成128甚至160batch_size设成8spacing还保留着原始0.5mm分辨率数据量翻了8倍显存自然撑不住。解决先把spacing改成1.0mm再把patch_size降到64或80。spacing从0.5mm改成1.0mm对结节检测指标的影响通常很小数据量和显存占用却下降约8倍这个调整比换显卡划算得多。如果patch_size降到64后仍然OOM再用梯度累积而不是砍batch_size。坑五推理阶段把patch内部的体素坐标直接当毫米坐标输出。现象预测框和真实结节总是差一个固定的偏移NMS合并后仍有大量重复框。原因模型在1mm体素空间上训练推理时滑窗裁剪改变了patch在原始图像中的位置代码没有做任何坐标还原输出的只是patch局部索引。解决推理时维护一个统一的坐标转换入口从patch索引反推世界坐标而不是在每个脚本里各写一份。反推公式是world origin (patch_index 0.5) * spacing加0.5是为了把体素索引转换到体素中心。def patch_coords_to_world(patch_index, patch_origin, patch_spacing): world np.array(patch_origin) (np.array(patch_index) 0.5) * np.array(patch_spacing) return world这条规则要写进推理脚本的注释里。坐标回推出错是最难排查的一类问题因为loss曲线正常、精度指标正常只有可视化叠图时发现病灶中心整体偏移。养成一个好习惯推理结束后随机抽三个病例把预测中心点画到原始CT切片上看一遍。5. 收尾技巧把预测结果写回原图并用FROC验证检测质量5.1 把mask写回NIfTI用影像软件逐层核对检测项目不能只输出坐标文本还要把预测结果写回影像格式用3D Slicer或ITK-SNAP打开叠在原始CT上逐层看。这个步骤同时也是“项目说明”的一部分代码评审和答辩时一张带预测mask的原始图像比任何指标都有说服力。import SimpleITK as sitk import numpy as np def save_prediction(ct_iso, pred_mask_array, output_path): pred sitk.GetImageFromArray((pred_mask_array 0.5).astype(np.uint8)) pred.CopyInformation(ct_iso) sitk.WriteImage(pred, output_path)代码逻辑关键在CopyInformation它会从原始CT拷贝spacing、origin、direction这样写出的mask和原图严格对齐。如果不拷贝mask会落在默认坐标系里影像软件里看到的就是一个飘在空中的错误掩码。mask转uint8前先做阈值化避免保存0.5的浮点过渡值。5.2 FROC曲线和CPM分数别用单图accuracy验证结节检测领域不怎么看单张图像的accuracy因为一个扫描里可能只有一两个结节预测“全阴性”也能有很高的负样本正确率。业内标准做法是FROC曲线横轴是平均每扫描的假阳性数纵轴是召回率CPM分数是几个预设假阳性水平如1/2/4/8召回率的平均值。验证时至少看这四档如果模型在8个假阳性时召回率很高不要高兴太早因为实际临床场景不会接受每张图都有8个误报。CPM分数和两阶段结构是强绑定的。第一阶段追求高召回第二阶段把假阳性数量压到“每扫描2个以下同时召回率不崩”的水平。我一般会在项目说明里写一张表记录每个假阳性档位下的召回率这样别人拿到源码和数据集后能直接对照自己的训练结果有没有跑偏。平均每扫描假阳性数召回率备注10.81以第一阶段的候选质量为基准20.87第二阶段分类器的主要工作区间40.90期待达到的参考区间80.93再往上拉高没有实际意义5.3 3D NMS的阈值不要照抄2D习惯最后说一个容易被忽略的小技巧NMS的IoU阈值在2D目标检测里常用0.5在3D结节检测里不建议直接照搬。结节候选体积很小同一结节产生的多个候选框重叠率高但绝对体积小IoU阈值取0.5会把一个结节拆成好几个预测。我一般取0.1到0.3让空间上重叠的候选尽早合并只保留置信度最高的那个输出。对于候选框本身推荐用中心点坐标加直径的形式表达不需要精确到边界框因为这类任务的评价标准是“中心落入结节范围即视为命中”。def iou_3d(box_a, box_b): inter_min np.maximum(box_a[:3], box_b[:3]) inter_max np.minimum(box_a[3:], box_b[3:]) inter_vol np.prod(np.maximum(0, inter_max - inter_min)) vol_a np.prod(box_a[3:] - box_a[:3]) vol_b np.prod(box_b[3:] - box_b[:3]) return inter_vol / (vol_a vol_b - inter_vol)我做了两年CT检测方向后最想保留的一条经验是每次改完预处理强制自己重新看一遍重采样后的CT和标签叠加图。坐标系、插值、窗口这类错误看图一眼就能发现不看图可能拖一周。希望帮到你。本文还有配套的精品资源点击获取