1. 3D图像分类项目到底在做什么1.1 从2D到3DCT扫描图像的本质很多人第一次接触这个示例时会有一个疑问CT扫描出来的不是一张张照片吗为什么非要做成3D来分类其实CT的原始输出就不是一张图而是几十层甚至几百层连续断层扫描数据每一层代表人体某个位置的横断面。把这几百层按顺序堆叠起来就是一段完整的立体体数据医学上叫容积扫描数据。每一层的像素点对应真实物理空间里的一个小立方体这个立方体叫做体素Voxel它比普通图片的像素Pixel多了一个厚度维度。之所以要回归3D来处理是因为很多诊断信息本身就藏在轴向连续关系里。比如一个结节的良恶性判断单看某一层切片可能只是一个圆形阴影但沿着Z轴方向观察它的生长形态、是否浸润周围组织才能获得更完整的判断依据。这正是3D分类相对于2D分类的核心优势模型能够在训练中自动学习到空间邻域特征而不仅是单平面纹理特征。1.2 为什么不用2D CNN逐张切片分类有些入门的同学会想既然CT有几百张切片那我直接用2D CNN逐张分类再把结果投票聚合不是更简单吗这个思路在工程上确实可行某些场景下还能凑合用但它有几个绕不开的短板。首先是效率问题一次CT扫描动辄几百张切片逐张推理的速度和资源开销相当可观。其次是信息割裂问题相邻切片之间存在大量连续信息单张切片很难表达病变的立体形态如果病变恰好跨越多个层面2D模型很容易丢失关键特征。最后是标注成本问题2D方案要么对每一张切片单独标注要么让所有切片共享同一个标签前者成本极高后者会引入大量噪声标签。所以我更倾向于把整个CT扫描作为一个整体样本输入3D模型。这不仅是任务形式上的变化更决定了后续所有预处理、模型结构和训练策略的走向。1.3 项目适用场景与前置知识这个项目适合处理的是那种输入一个CT扫描输出一个类别标签的任务。常见的实际应用包括判断某一扫描是否存在可疑病灶、区分扫描部位是否符合检查申请单要求、对肺部CT的磨玻璃影或实性结节做良恶性初筛以及在高通量体检场景下自动标记出需要重点复核的样本。在动手之前需要具备的基础知识并不多主要是三点第一Keras的使用基础至少应该知道Sequential或函数式API怎么搭模型第二简单的Python文件处理和NumPy数组操作因为CT数据读取后都要转成数组形式第三一点医学图像的基础概念比如知道CT值是什么、DICOM和NIfTI这两种常见格式的区别。不具备第三点也没关系下面会用一个完整的实例流程把关键点全部覆盖到。2. 数据准备与预处理2.1 医学影像数据格式与读取方式CT数据最常见的两种存储格式是DICOM和NIfTI。DICOM是医疗设备直接输出的标准格式通常一个扫描包含一个文件夹下的几百个.dcm文件每个文件是一层切片。NIfTI.nii或.nii.gz则是科研和深度学习社区更偏好的格式整个扫描封装在一个文件里。如果是DICOM系列数据我建议直接用第三方库来读取。这里有一个比较典型的读取流程import pydicom import numpy as np import os def load_dicom_series(folder_path): slices [] for file_name in os.listdir(folder_path): if not file_name.endswith(.dcm): continue file_path os.path.join(folder_path, file_name) ds pydicom.dcmread(file_path) slices.append(ds) slices.sort(keylambda x: float(x.ImagePositionPatient[2])) # 检查切片间距是否一致 slice_thickness abs(slices[0].ImagePositionPatient[2] - slices[1].ImagePositionPatient[2]) if slice_thickness 0: raise ValueError(切片间距为零请检查数据) # 构造体数据数组 image_3d np.stack([s.pixel_array for s in slices]) return image_3d, slices这段代码里有几个关键点值得注意。排序必须使用ImagePositionPatient的Z轴坐标而不是直接按文件名排序因为有些设备输出的文件名顺序和实际扫描位置并不一致。读取后要检查切片之间的间距是否恒定如果中间掉了几层会导致体数据在Z轴上发生形变。如果你拿到的是NIfTI文件读取更简单import nibabel as nib import numpy as np nii_img nib.load(scan_001.nii.gz) image_3d nii_img.get_fdata() affine nii_img.affine # 包含体素间距信息这里的affine矩阵非常重要它记录了体数据每个维度对应的真实物理间距。后面做重采样时要用到它。2.2 窗宽窗位CT值不是普通的灰度值CT图像里的像素值不是普通的RGB灰度值它的单位是亨氏单位HUHounsfield Unit。这个值的物理含义是不同组织对X射线的衰减程度比如空气大约是-1000 HU水是0 HU骨头可以到1000 HU以上。直接把原始HU值送进神经网络往往是糟糕的做法。原因是不同组织之间的数值范围差异太大而真正有用的软组织信息只集中在很窄的区间内。通常的做法是做一次窗宽窗位裁剪把感兴趣组织的范围拉出来超出范围的数值压到边界值。比如处理肺部CT时我常用的策略是把范围裁剪到[-1000, 400] HUdef apply_window(image, min_hu-1000, max_hu400): image np.clip(image, min_hu, max_hu) image (image - min_hu) / (max_hu - min_hu) return image.astype(np.float32)这一步操作看似简单但非常影响最终效果。不同部位、不同任务应该选择不同的裁剪范围。处理腹部软组织时我一般用[-150, 250]处理骨骼结构时可能要用[-500, 1500]。千万不要一个范围打天下这是我在实际项目中踩过的最深的坑之一。2.3 重采样与尺寸统一不同设备、不同扫描协议出来的CT数据体素间距完全不一样。有的层厚是1毫米有的是5毫米有的平面分辨率是512x512有的只有256x256。如果直接把这些数据送进模型模型会认为1毫米和5毫米在空间上是等价的这会导致特征完全错乱。解决办法是重采样。先把所有数据统一到相同的物理间距比如各向同性的1mm x 1mm x 1mm然后再做尺寸调整。重采样的核心是使用插值算法from scipy.ndimage import zoom def resample(image_3d, old_spacing, new_spacing(1.0, 1.0, 1.0)): # 计算每个维度的缩放比例 scale_factors old_spacing / new_spacing new_shape np.round(image_3d.shape * scale_factors).astype(int) # 使用scipy的zoom进行重采样 resampled zoom(image_3d, scale_factors, order3) return resampled重采样之后再统一尺寸通常的做法是把三个维度都缩放或裁剪到同一个固定大小。这需要根据任务特点来定不能拍脑袋。如果任务是做全肺分类尺寸太小会丢失细节尺寸太大会撑爆显存需要平衡。我通常先做一个快速统计看看数据集中所有样本的尺寸分布再选择一个覆盖大多数样本的尺寸。2.4 数据增强与样本均衡医学影像数据集通常不大几百个样本就算多的了数据增强就显得格外重要。但是医学图像的增强要非常克制不能照搬自然图像的增强策略。可以放心用的增强方式有随机左右翻转、小角度旋转、小幅平移、随机裁剪。这些操作不会改变病变的物理属性。需要谨慎或避免的增强方式有大幅度旋转比如旋转90度以上会破坏人体解剖方向的一致性、颜色抖动对HU值来说没有意义、强形变有可能会把病变扭曲成完全不同的形态。我自己在项目中常用的增强组合是围绕轴平面做正负10度以内的随机旋转、随机水平翻转、随机偏移几个体素以及随机裁剪到目标尺寸。这些增强足以让模型泛化性上一个台阶。类别不均衡也是个常见问题。处理方式上最简单的办法是过采样少数类让每个batch里各个类别的样本比例相对接近。也可以用加权损失函数给少数类的loss乘以一个权重。实际项目里我更喜欢先用过采样因为它的效果更稳定不会因为学习率或权重设置不当产生意外的训练不收敛问题。3. Keras实现3D CNN分类的核心设计3.1 模型架构选择从Conv3D开始Keras里实现3D分类的核心层是Conv3D它在卷积操作上比Conv2D多出一个深度维度。一个典型的3D CNN模型长这样from tensorflow.keras import layers, models def build_3d_cnn(input_shape(64, 64, 64, 1)): model models.Sequential([ layers.Input(shapeinput_shape), layers.Conv3D(32, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(64, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(128, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(256, kernel_size3, activationrelu, paddingsame), layers.GlobalAveragePooling3D(), layers.Dropout(0.5), layers.Dense(2, activationsoftmax) ]) return model为什么最后用GlobalAveragePooling3D而不是Flatten我吃过Flatten的亏。3D特征图拉平后向量长度往往非常大中间再接全连接层参数量直接爆炸。GlobalAveragePooling3D把每个特征图压缩成一个平均数值参数量瞬间降了几个数量级而且每个通道的感受野覆盖整个体数据对空间位置不敏感非常适合CT这类结构相对固定的输入。3.2 输入形状设计的取舍输入形状是整个项目里最需要仔细权衡的参数。假设模型输入是(64, 64, 64, 1)意味着要把整个CT重采样到这个尺寸。但同时要考虑原始数据的物理尺寸是不是合理。一个常见错误是只看体素数而不看物理尺寸。如果原始CT是512x512x200物理间距是0.5mm那么重采样到64x64x64后每个体素代表的物理体积变成了4mm x 4mm x 3.125mm。这样一系列操作下来很多微小的细节就彻底消失了。更好的做法是先确定物理视野范围再决定体素数量。比如我想让模型看一个16cm x 16cm x 12cm的区域间距设为2.5mm那么输入尺寸就是64x64x48。这种先定物理范围、再算尺寸的方式能让模型学到稳定的物理尺寸概念也方便后续在不同的数据来源上迁移。3.3 损失函数与评估指标选择二分类任务一般直接用sparse_categorical_crossentropy配合softmax输出或者用binary_crossentropy配合sigmoid输出。这两个方案效果差别不大看个人习惯。多分类任务用sparse_categorical_crossentropy配合整数标签。评估指标上光看accuracy往往会有误导性。医学影像数据经常类别不平衡如果正例只占10%模型全部预测负例都能拿到90%的准确率。我习惯把AUC、Precision、Recall都加到监控指标里。实际编译模型时的做法model.compile( optimizertf.keras.optimizers.Adam(learning_rate1e-4), losssparse_categorical_crossentropy, metrics[accuracy, tf.keras.metrics.AUC(nameauc)] )训练过程中密切关注验证集AUC它比accuracy更能反映模型在正负样本不均衡条件下的真实分辨能力。4. 训练过程与关键参数调优4.1 数据生成器与内存管理3D数据的最大问题就是吃内存。一个64x64x64x1的float32数组占256KB看起来不大但几千个样本叠加起来就很可观了。更别提数据增强需要在内存中完成。所以我强烈建议使用tf.keras.utils.Sequence写一个数据生成器按batch加载数据而不是一次性把所有CT都读进内存。class CTDataGenerator(tf.keras.utils.Sequence): def __init__(self, file_list, labels, batch_size4, dim(64, 64, 64), shuffleTrue): self.file_list file_list self.labels labels self.batch_size batch_size self.dim dim self.shuffle shuffle self.on_epoch_end() def __len__(self): return int(np.floor(len(self.file_list) / self.batch_size)) def __getitem__(self, index): indexes self.indexes[index * self.batch_size:(index 1) * self.batch_size] batch_x np.zeros((self.batch_size, *self.dim, 1), dtypenp.float32) batch_y np.zeros(self.batch_size, dtypenp.int32) for i, idx in enumerate(indexes): # 这里执行加载、重采样、窗宽裁剪、增强 volume, label load_and_preprocess(self.file_list[idx]) volume apply_window(volume) volume augment(volume) batch_x[i, ..., 0] volume batch_y[i] self.labels[idx] return batch_x, batch_y def on_epoch_end(self): self.indexes np.arange(len(self.file_list)) if self.shuffle: np.random.shuffle(self.indexes)这个生成器的设计有两个关键点。一是on_epoch_end里每个epoch后重置索引并打乱顺序保证模型每个epoch看到的数据顺序不同。二是__getitem__每次都独立加载和预处理数据内存占用被控制在batch级别不管数据集多大内存峰值都是可控的。4.2 batch size、学习率与训练轮数经验值3D数据的batch size不可能像2D那样开到64或128。我说一下我测过的组合给你一个参考起点参数推荐范围说明batch size2~8取决于GPU显存太小训练不稳定太大显存爆掉初始学习率1e-4~3e-4Adam优化器3e-4起步不稳定就降到1e-4训练轮数50~200配合早停以验证集指标为准卷积核数32/64/128/256从小到大递增避免一开始就上大通道batch size太小会让梯度震荡幅度变大太大会让模型早期收敛偏慢。我通常的做法是先用batch size2跑通小样本验证模型没问题然后开到4或8同时把学习率调低一点以平衡噪声。4.3 防止过拟合的三个核心手段医学影像数据量小3D模型参数量大过拟合几乎一定会遇到。我常用的手段有三招。第一招是Dropout。在GlobalAveragePooling之后加一个0.3到0.5的Dropout层成本低见效快。第二招是早停法Early Stopping。监控验证集loss连续N个epoch不下降就停止训练然后恢复到效果最好的那个权重。第三招是权重衰减在优化器里设置weight_decay。另外还有一个我越来越常用的手段把预训练好的2D模型权重迁移到3D模型的前几层卷积核上。因为3D卷积核可以看成多个2D卷积核的扩展把ImageNet上预训练的2D权重初始化到3D卷积的对应层可以显著加速收敛并提高最终精度。不过这个操作需要先做维度和通道数的匹配步骤比较绕新手入门阶段可以先放着不管。4.4 样本量不足时的替代方案如果整个数据集只有几十例那再好的正则化手段也救不回来。这时候我一般会考虑三个替代方案。第一个方案是换成伪3D模型用2D CNN逐层提取特征之后再用LSTM或Transformer沿Z轴方向做序列建模。这个思路把3D任务拆成空间特征提取序列建模两段减少了参数量小数据集上反而更稳。第二个方案是做局部块分类不把整个CT送进模型而是先把可疑区域裁剪成小块只对小块做3D分类。这样每个样本的信息密度更高相当于间接扩大了样本量。第三个方案是做预训练拿大量无标签的CT数据做一个3D自监督预训练任务再在自己的小标注集上微调。这三个方案我都实际跑过。小样本数据集上伪3D方案往往比纯Conv3D更容易收敛最终AUC更高。局部块分类方案则需要额外的区域定位模型配合工程复杂度高一些。5. 常见问题与排查技巧5.1 显存不足的应急方案这是每个做3D深度学习的人都会遇到的坎。显存不足时按照优先级我依次尝试的方案是第一减小batch size到2甚至1。第二降低输入分辨率比如从64x64x64降到48x48x48。别小看这一步体素数量减少约40%显存占用会明显下降而且模型感受野并没有缩小太多。第三检查是否真的需要全分辨率输入如果任务关注的是宏观结构而非微小细节可以大胆地缩小尺寸。还有一个小技巧是开启混合精度训练。在Keras中可以这样设置tf.keras.mixed_precision.set_global_policy(mixed_float16)不过要提醒一点开启混合精度后有些层对数值精度敏感比如BatchNormalization在float16下偶尔会出现意外行为。如果你发现训练loss异常跳变可以先关闭混合精度排查。5.2 模型loss不下降的常见原因遇到loss纹丝不动我的排查顺序是固定的。先检查数据预处理管道。最常见的问题是把CT值当做普通图像做了标准化或者忘了做窗宽裁剪导致输入数值范围异常。再检查标签是否与数据对得上医学数据标注经常有错位的问题。我写过很多次调试脚本专门随机抽几个样本看看它的标签和实际内容是否匹配。如果数据没有问题再检查模型结构。有些初学者会在Conv3D层后直接接Flatten导致参数量巨大训练半天loss也不动。换用GlobalAveragePooling3D之后通常立刻见效。还有一个常见错误是最后一层的激活函数和损失函数不匹配比如用softmax输出配binary_crossentropy看起来不报错但训练不稳定。如果这些都没问题那就要查学习率。学习率大了会发散小了会原地踏步。我的做法是先用1e-4试几个epoch如果loss完全不下降就对数级增大到1e-3如果loss剧烈震荡就降到3e-5。5.3 类别不平衡的深度学习策略前面提过过采样和加权损失。这里补充一个实际使用的权重计算方式import numpy as np from sklearn.utils.class_weight import compute_class_weight class_weights compute_class_weight( balanced, classesnp.unique(labels), ylabels ) class_weight_dict dict(enumerate(class_weights))然后把它传给fitmodel.fit( train_generator, validation_dataval_generator, epochs100, class_weightclass_weight_dict, callbackscallbacks )需要注意class_weight在fit里可以直接生效但在fit_generator和自定义训练循环里要额外处理。而且过大的类别权重会让模型对少数类过度敏感出现大量假阳性。我通常在加权训练之后再评估一下在原始分布上的Precision-Recall曲线找到一个合适的分类阈值而不是简单用默认的0.5。5.4 推理时的滑动窗口与结果融合如果你使用的是整图分类方法推理时直接把预处理后的体数据送入模型即可。但如果你采用的是局部块分类方案就需要考虑多个块如何合成一个最终判断。一个常见的做法是滑动窗口加投票。以一定步长在CT上滑动裁剪多个重叠块每个块得到一个预测概率最后取平均值作为整个扫描的预测结果。重叠度一般控制在50%左右既能覆盖全部区域又不会产生太多冗余计算。def sliding_window_predict(model, volume, patch_size(32, 32, 32), stride(16, 16, 16)): probabilities [] d, h, w volume.shape pd, ph, pw patch_size sd, sh, sw stride for z in range(0, d - pd 1, sd): for y in range(0, h - ph 1, sh): for x in range(0, w - pw 1, sw): patch volume[z:zpd, y:yph, x:xpw] patch patch[np.newaxis, ..., np.newaxis] prob model.predict(patch, verbose0)[0] probabilities.append(prob) return np.mean(probabilities, axis0)如果你的模型训练时加了随机裁剪增强那推理时用同样的滑动窗口方式反而能获得一致预期因为训练和推理的数据分布更接近了。6. 一些我踩过之后想告诉你的经验说到底这个Keras 3D分类示例只是个起点。真正把它用在真实场景时数据质量、标注一致性以及病种分布变化带来的问题远比模型结构本身更值得花时间。我在实际项目中体会最深的一点是数据预处理和生成器跑通之后真正的项目进度才刚开始。DL训练本身跑起来并不复杂难的是在校验模型行为是否符合临床直觉。比如模型可能在某个小测试集上AUC很高但拿一批来自其他设备的CT来测效果就一落千丈。这不是过拟合而是数据域偏移。应对的办法是在准备数据集时尽量覆盖多个设备型号和多个采集参数让模型见过更多的环境变化。另外一个我常用的习惯是在训练过程中把误分类的样本定期输出成可视化切片图用眼睛检查一遍。这个习惯帮我发现过很多隐蔽问题比如某批数据的窗宽预设值写错了、某类样本在预处理时被错误地裁掉了关键区域、或者是标签文件里的编号跟图像文件没有对齐。最后分享一个小技巧在模型没有任何收敛迹象时先别急着调参拿几个样本过拟合一次把batch size设成1、限制只训练几个epoch如果模型连这几个样本都过拟合不了那问题基本出在代码链路而不是模型容量上。这个思路能帮你快速区分代码bug和训练策略问题省下不少折腾的时间。这个示例后续还可以往很多方向扩展比如把单标签分类改成多标签分类或者加上一个定位分支同时输出病变位置。如果你已经能独立跑通这份3D分类流程那下一步不管是做分割还是做检测核心的准备工作其实已经完成了大半。 
长河君 · 2026/10/17 21:18:27 · 阅读 1.2k Keras实现CT三维图像分类：从体素预处理到Conv3D模型实战
1. 3D图像分类项目到底在做什么1.1 从2D到3DCT扫描图像的本质很多人第一次接触这个示例时会有一个疑问CT扫描出来的不是一张张照片吗为什么非要做成3D来分类其实CT的原始输出就不是一张图而是几十层甚至几百层连续断层扫描数据每一层代表人体某个位置的横断面。把这几百层按顺序堆叠起来就是一段完整的立体体数据医学上叫容积扫描数据。每一层的像素点对应真实物理空间里的一个小立方体这个立方体叫做体素Voxel它比普通图片的像素Pixel多了一个厚度维度。之所以要回归3D来处理是因为很多诊断信息本身就藏在轴向连续关系里。比如一个结节的良恶性判断单看某一层切片可能只是一个圆形阴影但沿着Z轴方向观察它的生长形态、是否浸润周围组织才能获得更完整的判断依据。这正是3D分类相对于2D分类的核心优势模型能够在训练中自动学习到空间邻域特征而不仅是单平面纹理特征。1.2 为什么不用2D CNN逐张切片分类有些入门的同学会想既然CT有几百张切片那我直接用2D CNN逐张分类再把结果投票聚合不是更简单吗这个思路在工程上确实可行某些场景下还能凑合用但它有几个绕不开的短板。首先是效率问题一次CT扫描动辄几百张切片逐张推理的速度和资源开销相当可观。其次是信息割裂问题相邻切片之间存在大量连续信息单张切片很难表达病变的立体形态如果病变恰好跨越多个层面2D模型很容易丢失关键特征。最后是标注成本问题2D方案要么对每一张切片单独标注要么让所有切片共享同一个标签前者成本极高后者会引入大量噪声标签。所以我更倾向于把整个CT扫描作为一个整体样本输入3D模型。这不仅是任务形式上的变化更决定了后续所有预处理、模型结构和训练策略的走向。1.3 项目适用场景与前置知识这个项目适合处理的是那种输入一个CT扫描输出一个类别标签的任务。常见的实际应用包括判断某一扫描是否存在可疑病灶、区分扫描部位是否符合检查申请单要求、对肺部CT的磨玻璃影或实性结节做良恶性初筛以及在高通量体检场景下自动标记出需要重点复核的样本。在动手之前需要具备的基础知识并不多主要是三点第一Keras的使用基础至少应该知道Sequential或函数式API怎么搭模型第二简单的Python文件处理和NumPy数组操作因为CT数据读取后都要转成数组形式第三一点医学图像的基础概念比如知道CT值是什么、DICOM和NIfTI这两种常见格式的区别。不具备第三点也没关系下面会用一个完整的实例流程把关键点全部覆盖到。2. 数据准备与预处理2.1 医学影像数据格式与读取方式CT数据最常见的两种存储格式是DICOM和NIfTI。DICOM是医疗设备直接输出的标准格式通常一个扫描包含一个文件夹下的几百个.dcm文件每个文件是一层切片。NIfTI.nii或.nii.gz则是科研和深度学习社区更偏好的格式整个扫描封装在一个文件里。如果是DICOM系列数据我建议直接用第三方库来读取。这里有一个比较典型的读取流程import pydicom import numpy as np import os def load_dicom_series(folder_path): slices [] for file_name in os.listdir(folder_path): if not file_name.endswith(.dcm): continue file_path os.path.join(folder_path, file_name) ds pydicom.dcmread(file_path) slices.append(ds) slices.sort(keylambda x: float(x.ImagePositionPatient[2])) # 检查切片间距是否一致 slice_thickness abs(slices[0].ImagePositionPatient[2] - slices[1].ImagePositionPatient[2]) if slice_thickness 0: raise ValueError(切片间距为零请检查数据) # 构造体数据数组 image_3d np.stack([s.pixel_array for s in slices]) return image_3d, slices这段代码里有几个关键点值得注意。排序必须使用ImagePositionPatient的Z轴坐标而不是直接按文件名排序因为有些设备输出的文件名顺序和实际扫描位置并不一致。读取后要检查切片之间的间距是否恒定如果中间掉了几层会导致体数据在Z轴上发生形变。如果你拿到的是NIfTI文件读取更简单import nibabel as nib import numpy as np nii_img nib.load(scan_001.nii.gz) image_3d nii_img.get_fdata() affine nii_img.affine # 包含体素间距信息这里的affine矩阵非常重要它记录了体数据每个维度对应的真实物理间距。后面做重采样时要用到它。2.2 窗宽窗位CT值不是普通的灰度值CT图像里的像素值不是普通的RGB灰度值它的单位是亨氏单位HUHounsfield Unit。这个值的物理含义是不同组织对X射线的衰减程度比如空气大约是-1000 HU水是0 HU骨头可以到1000 HU以上。直接把原始HU值送进神经网络往往是糟糕的做法。原因是不同组织之间的数值范围差异太大而真正有用的软组织信息只集中在很窄的区间内。通常的做法是做一次窗宽窗位裁剪把感兴趣组织的范围拉出来超出范围的数值压到边界值。比如处理肺部CT时我常用的策略是把范围裁剪到[-1000, 400] HUdef apply_window(image, min_hu-1000, max_hu400): image np.clip(image, min_hu, max_hu) image (image - min_hu) / (max_hu - min_hu) return image.astype(np.float32)这一步操作看似简单但非常影响最终效果。不同部位、不同任务应该选择不同的裁剪范围。处理腹部软组织时我一般用[-150, 250]处理骨骼结构时可能要用[-500, 1500]。千万不要一个范围打天下这是我在实际项目中踩过的最深的坑之一。2.3 重采样与尺寸统一不同设备、不同扫描协议出来的CT数据体素间距完全不一样。有的层厚是1毫米有的是5毫米有的平面分辨率是512x512有的只有256x256。如果直接把这些数据送进模型模型会认为1毫米和5毫米在空间上是等价的这会导致特征完全错乱。解决办法是重采样。先把所有数据统一到相同的物理间距比如各向同性的1mm x 1mm x 1mm然后再做尺寸调整。重采样的核心是使用插值算法from scipy.ndimage import zoom def resample(image_3d, old_spacing, new_spacing(1.0, 1.0, 1.0)): # 计算每个维度的缩放比例 scale_factors old_spacing / new_spacing new_shape np.round(image_3d.shape * scale_factors).astype(int) # 使用scipy的zoom进行重采样 resampled zoom(image_3d, scale_factors, order3) return resampled重采样之后再统一尺寸通常的做法是把三个维度都缩放或裁剪到同一个固定大小。这需要根据任务特点来定不能拍脑袋。如果任务是做全肺分类尺寸太小会丢失细节尺寸太大会撑爆显存需要平衡。我通常先做一个快速统计看看数据集中所有样本的尺寸分布再选择一个覆盖大多数样本的尺寸。2.4 数据增强与样本均衡医学影像数据集通常不大几百个样本就算多的了数据增强就显得格外重要。但是医学图像的增强要非常克制不能照搬自然图像的增强策略。可以放心用的增强方式有随机左右翻转、小角度旋转、小幅平移、随机裁剪。这些操作不会改变病变的物理属性。需要谨慎或避免的增强方式有大幅度旋转比如旋转90度以上会破坏人体解剖方向的一致性、颜色抖动对HU值来说没有意义、强形变有可能会把病变扭曲成完全不同的形态。我自己在项目中常用的增强组合是围绕轴平面做正负10度以内的随机旋转、随机水平翻转、随机偏移几个体素以及随机裁剪到目标尺寸。这些增强足以让模型泛化性上一个台阶。类别不均衡也是个常见问题。处理方式上最简单的办法是过采样少数类让每个batch里各个类别的样本比例相对接近。也可以用加权损失函数给少数类的loss乘以一个权重。实际项目里我更喜欢先用过采样因为它的效果更稳定不会因为学习率或权重设置不当产生意外的训练不收敛问题。3. Keras实现3D CNN分类的核心设计3.1 模型架构选择从Conv3D开始Keras里实现3D分类的核心层是Conv3D它在卷积操作上比Conv2D多出一个深度维度。一个典型的3D CNN模型长这样from tensorflow.keras import layers, models def build_3d_cnn(input_shape(64, 64, 64, 1)): model models.Sequential([ layers.Input(shapeinput_shape), layers.Conv3D(32, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(64, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(128, kernel_size3, activationrelu, paddingsame), layers.MaxPooling3D(pool_size2), layers.Conv3D(256, kernel_size3, activationrelu, paddingsame), layers.GlobalAveragePooling3D(), layers.Dropout(0.5), layers.Dense(2, activationsoftmax) ]) return model为什么最后用GlobalAveragePooling3D而不是Flatten我吃过Flatten的亏。3D特征图拉平后向量长度往往非常大中间再接全连接层参数量直接爆炸。GlobalAveragePooling3D把每个特征图压缩成一个平均数值参数量瞬间降了几个数量级而且每个通道的感受野覆盖整个体数据对空间位置不敏感非常适合CT这类结构相对固定的输入。3.2 输入形状设计的取舍输入形状是整个项目里最需要仔细权衡的参数。假设模型输入是(64, 64, 64, 1)意味着要把整个CT重采样到这个尺寸。但同时要考虑原始数据的物理尺寸是不是合理。一个常见错误是只看体素数而不看物理尺寸。如果原始CT是512x512x200物理间距是0.5mm那么重采样到64x64x64后每个体素代表的物理体积变成了4mm x 4mm x 3.125mm。这样一系列操作下来很多微小的细节就彻底消失了。更好的做法是先确定物理视野范围再决定体素数量。比如我想让模型看一个16cm x 16cm x 12cm的区域间距设为2.5mm那么输入尺寸就是64x64x48。这种先定物理范围、再算尺寸的方式能让模型学到稳定的物理尺寸概念也方便后续在不同的数据来源上迁移。3.3 损失函数与评估指标选择二分类任务一般直接用sparse_categorical_crossentropy配合softmax输出或者用binary_crossentropy配合sigmoid输出。这两个方案效果差别不大看个人习惯。多分类任务用sparse_categorical_crossentropy配合整数标签。评估指标上光看accuracy往往会有误导性。医学影像数据经常类别不平衡如果正例只占10%模型全部预测负例都能拿到90%的准确率。我习惯把AUC、Precision、Recall都加到监控指标里。实际编译模型时的做法model.compile( optimizertf.keras.optimizers.Adam(learning_rate1e-4), losssparse_categorical_crossentropy, metrics[accuracy, tf.keras.metrics.AUC(nameauc)] )训练过程中密切关注验证集AUC它比accuracy更能反映模型在正负样本不均衡条件下的真实分辨能力。4. 训练过程与关键参数调优4.1 数据生成器与内存管理3D数据的最大问题就是吃内存。一个64x64x64x1的float32数组占256KB看起来不大但几千个样本叠加起来就很可观了。更别提数据增强需要在内存中完成。所以我强烈建议使用tf.keras.utils.Sequence写一个数据生成器按batch加载数据而不是一次性把所有CT都读进内存。class CTDataGenerator(tf.keras.utils.Sequence): def __init__(self, file_list, labels, batch_size4, dim(64, 64, 64), shuffleTrue): self.file_list file_list self.labels labels self.batch_size batch_size self.dim dim self.shuffle shuffle self.on_epoch_end() def __len__(self): return int(np.floor(len(self.file_list) / self.batch_size)) def __getitem__(self, index): indexes self.indexes[index * self.batch_size:(index 1) * self.batch_size] batch_x np.zeros((self.batch_size, *self.dim, 1), dtypenp.float32) batch_y np.zeros(self.batch_size, dtypenp.int32) for i, idx in enumerate(indexes): # 这里执行加载、重采样、窗宽裁剪、增强 volume, label load_and_preprocess(self.file_list[idx]) volume apply_window(volume) volume augment(volume) batch_x[i, ..., 0] volume batch_y[i] self.labels[idx] return batch_x, batch_y def on_epoch_end(self): self.indexes np.arange(len(self.file_list)) if self.shuffle: np.random.shuffle(self.indexes)这个生成器的设计有两个关键点。一是on_epoch_end里每个epoch后重置索引并打乱顺序保证模型每个epoch看到的数据顺序不同。二是__getitem__每次都独立加载和预处理数据内存占用被控制在batch级别不管数据集多大内存峰值都是可控的。4.2 batch size、学习率与训练轮数经验值3D数据的batch size不可能像2D那样开到64或128。我说一下我测过的组合给你一个参考起点参数推荐范围说明batch size2~8取决于GPU显存太小训练不稳定太大显存爆掉初始学习率1e-4~3e-4Adam优化器3e-4起步不稳定就降到1e-4训练轮数50~200配合早停以验证集指标为准卷积核数32/64/128/256从小到大递增避免一开始就上大通道batch size太小会让梯度震荡幅度变大太大会让模型早期收敛偏慢。我通常的做法是先用batch size2跑通小样本验证模型没问题然后开到4或8同时把学习率调低一点以平衡噪声。4.3 防止过拟合的三个核心手段医学影像数据量小3D模型参数量大过拟合几乎一定会遇到。我常用的手段有三招。第一招是Dropout。在GlobalAveragePooling之后加一个0.3到0.5的Dropout层成本低见效快。第二招是早停法Early Stopping。监控验证集loss连续N个epoch不下降就停止训练然后恢复到效果最好的那个权重。第三招是权重衰减在优化器里设置weight_decay。另外还有一个我越来越常用的手段把预训练好的2D模型权重迁移到3D模型的前几层卷积核上。因为3D卷积核可以看成多个2D卷积核的扩展把ImageNet上预训练的2D权重初始化到3D卷积的对应层可以显著加速收敛并提高最终精度。不过这个操作需要先做维度和通道数的匹配步骤比较绕新手入门阶段可以先放着不管。4.4 样本量不足时的替代方案如果整个数据集只有几十例那再好的正则化手段也救不回来。这时候我一般会考虑三个替代方案。第一个方案是换成伪3D模型用2D CNN逐层提取特征之后再用LSTM或Transformer沿Z轴方向做序列建模。这个思路把3D任务拆成空间特征提取序列建模两段减少了参数量小数据集上反而更稳。第二个方案是做局部块分类不把整个CT送进模型而是先把可疑区域裁剪成小块只对小块做3D分类。这样每个样本的信息密度更高相当于间接扩大了样本量。第三个方案是做预训练拿大量无标签的CT数据做一个3D自监督预训练任务再在自己的小标注集上微调。这三个方案我都实际跑过。小样本数据集上伪3D方案往往比纯Conv3D更容易收敛最终AUC更高。局部块分类方案则需要额外的区域定位模型配合工程复杂度高一些。5. 常见问题与排查技巧5.1 显存不足的应急方案这是每个做3D深度学习的人都会遇到的坎。显存不足时按照优先级我依次尝试的方案是第一减小batch size到2甚至1。第二降低输入分辨率比如从64x64x64降到48x48x48。别小看这一步体素数量减少约40%显存占用会明显下降而且模型感受野并没有缩小太多。第三检查是否真的需要全分辨率输入如果任务关注的是宏观结构而非微小细节可以大胆地缩小尺寸。还有一个小技巧是开启混合精度训练。在Keras中可以这样设置tf.keras.mixed_precision.set_global_policy(mixed_float16)不过要提醒一点开启混合精度后有些层对数值精度敏感比如BatchNormalization在float16下偶尔会出现意外行为。如果你发现训练loss异常跳变可以先关闭混合精度排查。5.2 模型loss不下降的常见原因遇到loss纹丝不动我的排查顺序是固定的。先检查数据预处理管道。最常见的问题是把CT值当做普通图像做了标准化或者忘了做窗宽裁剪导致输入数值范围异常。再检查标签是否与数据对得上医学数据标注经常有错位的问题。我写过很多次调试脚本专门随机抽几个样本看看它的标签和实际内容是否匹配。如果数据没有问题再检查模型结构。有些初学者会在Conv3D层后直接接Flatten导致参数量巨大训练半天loss也不动。换用GlobalAveragePooling3D之后通常立刻见效。还有一个常见错误是最后一层的激活函数和损失函数不匹配比如用softmax输出配binary_crossentropy看起来不报错但训练不稳定。如果这些都没问题那就要查学习率。学习率大了会发散小了会原地踏步。我的做法是先用1e-4试几个epoch如果loss完全不下降就对数级增大到1e-3如果loss剧烈震荡就降到3e-5。5.3 类别不平衡的深度学习策略前面提过过采样和加权损失。这里补充一个实际使用的权重计算方式import numpy as np from sklearn.utils.class_weight import compute_class_weight class_weights compute_class_weight( balanced, classesnp.unique(labels), ylabels ) class_weight_dict dict(enumerate(class_weights))然后把它传给fitmodel.fit( train_generator, validation_dataval_generator, epochs100, class_weightclass_weight_dict, callbackscallbacks )需要注意class_weight在fit里可以直接生效但在fit_generator和自定义训练循环里要额外处理。而且过大的类别权重会让模型对少数类过度敏感出现大量假阳性。我通常在加权训练之后再评估一下在原始分布上的Precision-Recall曲线找到一个合适的分类阈值而不是简单用默认的0.5。5.4 推理时的滑动窗口与结果融合如果你使用的是整图分类方法推理时直接把预处理后的体数据送入模型即可。但如果你采用的是局部块分类方案就需要考虑多个块如何合成一个最终判断。一个常见的做法是滑动窗口加投票。以一定步长在CT上滑动裁剪多个重叠块每个块得到一个预测概率最后取平均值作为整个扫描的预测结果。重叠度一般控制在50%左右既能覆盖全部区域又不会产生太多冗余计算。def sliding_window_predict(model, volume, patch_size(32, 32, 32), stride(16, 16, 16)): probabilities [] d, h, w volume.shape pd, ph, pw patch_size sd, sh, sw stride for z in range(0, d - pd 1, sd): for y in range(0, h - ph 1, sh): for x in range(0, w - pw 1, sw): patch volume[z:zpd, y:yph, x:xpw] patch patch[np.newaxis, ..., np.newaxis] prob model.predict(patch, verbose0)[0] probabilities.append(prob) return np.mean(probabilities, axis0)如果你的模型训练时加了随机裁剪增强那推理时用同样的滑动窗口方式反而能获得一致预期因为训练和推理的数据分布更接近了。6. 一些我踩过之后想告诉你的经验说到底这个Keras 3D分类示例只是个起点。真正把它用在真实场景时数据质量、标注一致性以及病种分布变化带来的问题远比模型结构本身更值得花时间。我在实际项目中体会最深的一点是数据预处理和生成器跑通之后真正的项目进度才刚开始。DL训练本身跑起来并不复杂难的是在校验模型行为是否符合临床直觉。比如模型可能在某个小测试集上AUC很高但拿一批来自其他设备的CT来测效果就一落千丈。这不是过拟合而是数据域偏移。应对的办法是在准备数据集时尽量覆盖多个设备型号和多个采集参数让模型见过更多的环境变化。另外一个我常用的习惯是在训练过程中把误分类的样本定期输出成可视化切片图用眼睛检查一遍。这个习惯帮我发现过很多隐蔽问题比如某批数据的窗宽预设值写错了、某类样本在预处理时被错误地裁掉了关键区域、或者是标签文件里的编号跟图像文件没有对齐。最后分享一个小技巧在模型没有任何收敛迹象时先别急着调参拿几个样本过拟合一次把batch size设成1、限制只训练几个epoch如果模型连这几个样本都过拟合不了那问题基本出在代码链路而不是模型容量上。这个思路能帮你快速区分代码bug和训练策略问题省下不少折腾的时间。这个示例后续还可以往很多方向扩展比如把单标签分类改成多标签分类或者加上一个定位分支同时输出病变位置。如果你已经能独立跑通这份3D分类流程那下一步不管是做分割还是做检测核心的准备工作其实已经完成了大半。