简介面向医学影像人工智能与深度学习分割方向的胰腺病变图像分割数据集包含明确的训练集与测试集划分提供像素级两类分割标注即背景与病变区域适合医学图像分割入门也可用于不同分割网络的性能对比实验。数据集目录采用images与masks两组分别存放原始图像和对应标签掩膜训练集约两百余张、测试集约五十张原图与掩膜一一对应划分干净省去自行整理样本的繁琐环节。整个7z压缩包共五百三十三个文件绝大部分为PNG图像格式另含一个文本说明文档与一个Python可视化脚本包体大小仅二十二点五八MB下载与部署十分轻便。可视化脚本能够随机抽取一张样本在本地输出原始图像、真实标签掩膜以及标签叠加在原图上的效果图便于快速核查标注质量和分割效果。目前已有六百零五人学习下载整套数据可作为胰腺病变分割任务的基础训练集支撑算法调试、对比分析与教学演示。1. 胰腺病变分割数据集为什么说它是医学图像分割里最“难啃的骨头”胰腺病变图像分割数据集简单说就是一组带像素级标签的医学影像标注目标通常分两类胰腺实质和胰腺病变肿瘤、囊肿等数据按训练集、测试集和对应标签组织好拿到的第一件事不是急着喂给模型而是先搞明白采集模态、标注协议和类别分布。这类数据集在医学图像分割里属于高难度场景因为胰腺在腹腔CT中体积占比极小、与周围组织对比度低病变区域更是只占几十到几百个体素——比肺结节、肝脏肿瘤这类目标难得多。这套数据最适合正在做腹部CT分割、胰腺癌辅助诊断或影像组学提取的团队也适合拿来做2D/3D分割网络的基线验证。很多人拿到数据集直接开训结果Dice系数上不去不是模型问题而是数据本身的门道没摸清。这篇文章就按“拿到数据集后每一步该做什么”来写从目录核查、预处理、训练到评估和踩坑尽量把可复现的命令和参数都放出来。2. 拿到胰腺数据集先做三件事目录解析、标签核查与模态确认2.1 数据集目录长什么样从训练集、测试集与标签的命名规则说起医学图像分割数据集的组织方式不像通用CV数据集那么统一常见的是两种结构。第一种是MSD风格训练集和测试集分开图像与标签各占一个子目录第二种是把所有图像放一起另用一个split清单文件如JSON或TXT指明哪些进训练集、哪些进测试集。拿到压缩包后先列一下目录不要急着写训练脚本。# 先看整体目录结构 tree -L 2 dataset/ # 常见输出 # dataset/ # ├── imagesTr/ # 训练图像 # ├── labelsTr/ # 训练标签 # ├── imagesTs/ # 测试图像 # └── dataset.json # 模态、类别和划分说明这个命令的意义在于确认两件事一是训练集图像和标签是否成对二是测试集是否带标签。部分数据集为了考核公平性公开的测试集不带标签需要自行预测后提交到评测平台这种数据集要另外规划验证集划分。如果目录里没有任何说明文件建议先用下面的Python脚本遍历一遍文件名匹配度。import os from pathlib import Path img_dir Path(dataset/imagesTr) label_dir Path(dataset/labelsTr) imgs sorted([p.name for p in img_dir.glob(*.nii.gz)]) labels sorted([p.name for p in label_dir.glob(*.nii.gz)]) img_ids [name.split(.)[0] for name in imgs] label_ids [name.split(.)[0] for name in labels] # 检查是否一一对应 missing_label set(img_ids) - set(label_ids) missing_img set(label_ids) - set(img_ids) # 打印缺失情况 print(缺标签的图像数:, len(missing_label)) print(缺图像的标签数:, len(missing_img)) # 如果有缺失把具体文件名列出来 if missing_label: print(list(missing_label)[:5])这段脚本做的是最基础的ID对齐检查。命名往往包含患者编号、模态和序列信息比如“pancreas_001_CT.nii.gz”分割符和编号规则需要全量自查一遍因为数据打包时偶尔会出现文件名错位一旦训练时图像和标签错配模型学到的全是噪声。2.2 用Python核查标签统计类别分布和空掩码胰腺病变数据集的标签通常不是单类别典型协议是0表示背景1表示胰腺实质2表示病变区域。有的数据集把胰腺和病变合并成一个前景有的则分开这直接决定模型输出通道数。拿到标签后第一件事是逐体素统计标签值分布确认到底有几个类别。import nibabel as nib import numpy as np from pathlib import Path label_dir Path(dataset/labelsTr) class_counts {} empty_cases [] for label_path in sorted(label_dir.glob(*.nii.gz)): label nib.load(str(label_path)).get_fdata() label label.astype(np.uint8) unique, counts np.unique(label, return_countsTrue) # 记录每个文件的类别分布 for cls, count in zip(unique, counts): class_counts.setdefault(int(cls), 0) class_counts[int(cls)] int(count) # 检查全零标签没有前景 if len(unique) 1 and unique[0] 0: empty_cases.append(label_path.name) print(类别统计:, class_counts) print(空掩码文件数:, len(empty_cases)) if empty_cases: print(empty_cases[:10])这段代码是必做的而且最好把结果保存下来。胰腺数据里经常出现两种情况一是某个病例的标签文件是空的标注遗漏二是病变类别的体素数极少甚至为0该病例没有病变。如果训练集里包含大量“只有胰腺没有病变”的样本Dice Loss对病变通道的梯度会被稀释模型倾向把病变区域全预测成背景。统计完类别后还需要检查标签和图像的shape是否一致。NIfTI文件的shape不匹配通常发生在预处理阶段——原始图像和标签分别做了不同的重采样。如果出现shape不一致要么用SimpleITK的ResampleImageFilter统一处理要么直接用nibabel的shape属性对比for img_path, label_path in zip(imgs, labels): img_shape nib.load(str(img_path)).get_fdata().shape lbl_shape nib.load(str(label_path)).get_fdata().shape if img_shape ! lbl_shape: print(shape不匹配:, img_path, img_shape, lbl_shape)这一步检查越早做越好。我曾见过一个数据集99%的文件shape一致只有2个病例的标签是从旧版本标注软件导出的shape差了1个体素模型训练时NLLLoss直接报错。与其等报错再排查不如在预处理阶段一次性筛掉。2.3 模态和文件格式判断CT还是MRI直接影响预处理策略胰腺分割数据集的成像模态绝大多数是CT少部分是MRIT1加权、T2加权或MRCP。这两种模态的预处理逻辑完全不同。CT是定量成像亨氏单位HU有物理意义需要做窗宽窗位裁剪来突出软组织MRI没有统一量纲不同采集参数下同一组织的信号强度差异很大通常做z-score归一化即可。判断模态可以看两个地方一是dataset.json或README里的modality字段二是图像本身的数值范围。CT图像的体素值通常覆盖-1024到3000的范围MRI图像一般是0到1000多的相对信号。快速判断脚本如下import nibabel as nib import numpy as np img nib.load(dataset/imagesTr/pancreas_001.nii.gz) data img.get_fdata() print(数值范围:, data.min(), data.max()) print(体素间距:, img.header.get_zooms()) print(数据形状:, data.shape)数值范围出来之后如果看到负值超过-500基本可以断定是CT。体素间距也要记录CT图像常见的间距是0.5-1.0mm的层面内分辨率、1.0-5.0mm的层厚。层厚如果太大比如5mm以后训练3D模型时切片间的插值误差会放大需要重采样到各向同性或接近各向同性的间距。标签文件同样要检查体素间距和方向信息。有些标注工具会把标签存成和原图不同方向比如RAS和LPS互换导致可视化时横竖颠倒。这个不一定会影响训练效果但一定会影响你写论文时的示意图质量。排查方向用img.affine矩阵检查方向差异大时用SimpleITK的DICOMOrientation纠正或者直接放弃不一致的样本。3. 预处理与数据增强让胰腺和病变在模型眼里“露出来”3.1 窗宽窗位裁剪把胰腺从腹腔CT里“捞”出来的第一步CT图像的HU值范围太大直接把原始数值输入网络大部分灰度会被背景空气、骨骼占据胰腺这种软组织在模型眼里几乎是透明的。所以第一步是窗宽窗位WW/WL裁剪。胰腺CT扫描的常规窗位是30-50 HU窗宽是200-350 HU。实际操作中我一般用WL40、WW300把范围之外的体素截断。import numpy as np import nibabel as nib def apply_window(image, window_width300, window_level40): CT窗宽窗位裁剪 lower window_level - window_width / 2.0 upper window_level window_width / 2.0 image np.clip(image, lower, upper) # 线性映射到[0, 1]便于后续归一化 image (image - lower) / (upper - lower) return image.astype(np.float32) img nib.load(dataset/imagesTr/pancreas_001.nii.gz).get_fdata() img_w apply_window(img, 300, 40) # 保存为npy或nii.gz供训练用这里的参数不是死的。如果数据集里的病灶在增强CT上呈现低密度囊变可以适当调窄窗宽如果关注的是钙化或出血灶窗宽需要放大。胰腺和周围组织十二指肠、胃、脾脏之间的分界很多时候只有十几HU的差异窗宽太大会把软组织对比度压没窗宽太小又会引入噪声。建议先可视化几张图肉眼确认胰腺边界清晰后再批量处理。注意窗宽窗位裁剪只适用于CT模态。如果是MRI数据集跳过这一步直接做z-score归一化否则反而会破坏信号分布。3.2 重采样与ROI裁剪体素间距统一是3D分割的命门CT设备采集的层厚和像素间距不同同一个数据集里可能有0.7mm和3.0mm两种层厚的数据。如果不做重采样模型看到的胰腺大小差异极大泛化能力会明显下降。医学图像分割数据集里最常见的预处理流程是把所有图像重采样到固定的目标间距然后裁剪到包含目标的ROI区域。import SimpleITK as sitk def resample_to_spacing(itk_image, target_spacing(1.0, 1.0, 1.5)): 重采样到目标体素间距 resampler sitk.ResampleImageFilter() resampler.SetOutputSpacing(target_spacing) resampler.SetSize([int(round(sz * sp / target_spacing[i])) for i, (sz, sp) in enumerate(zip(itk_image.GetSize(), itk_image.GetSpacing()))]) resampler.SetOutputDirection(itk_image.GetDirection()) resampler.SetOutputOrigin(itk_image.GetOrigin()) resampler.SetInterpolator(sitk.sitkLinear) return resampler.Execute(itk_image)重采样时图像用线性插值标签必须用最近邻插值否则标签边缘会出现模糊的中间值比如0.5导致类别数变多或边界无法确定。很多新手在这翻车——图像和标签用同一套插值训练时Dice莫名其妙的下降查了一天发现标签被插值污染了。记住这条规则图像线性插值标签最近邻插值。重采样之后还需要做ROI裁剪。胰腺在腹腔中的位置相对固定但不同人群体型差异大把整个腹部图像直接喂给模型计算量浪费在背景上且类别不平衡更严重。常见做法是找胰腺和病变包围盒向外扩一定边距比如10-15mm后裁剪推理时再映射回原始坐标。3.3 数据增强小目标分割必须靠增强“制造”多样性胰腺和病变区域在整幅图像中占比太小——胰腺约占腹部体积的1%左右病变通常只有胰腺体积的十分之一。没有足够的数据增强模型很容易陷入“全预测为背景”的局部最优。增强策略要针对小目标设计不能直接套用自然图像分割的通用增强。import random import numpy as np from scipy.ndimage import rotate, zoom, gaussian_filter def augment_pair(image, label): 图像-标签同步增强 # 随机旋转角度范围不宜过大胰腺解剖方向相对固定 angle random.uniform(-10, 10) image rotate(image, angle, axes(1, 0), reshapeFalse, order1, modeconstant) label rotate(label, angle, axes(1, 0), reshapeFalse, order0, modeconstant) # 随机缩放0.9~1.1倍 factor random.uniform(0.9, 1.1) image zoom(image, (1, factor, factor), order1) label zoom(label, (1, factor, factor), order0) # 高斯噪声模拟低剂量CT if random.random() 0.3: noise np.random.normal(0, 0.01, image.shape).astype(np.float32) image np.clip(image noise, 0, 1) return image, label旋转角度限定在±10度因为胰腺在解剖结构中的朝向相对固定大幅旋转会生成解剖学上不合理的样本。缩放放在轴向平面1, factor, factor层间方向不做缩放是因为层厚和插值精度不同容易引入伪影。弹性形变对胰腺这种软组织很有效但ElasticDeformation计算量大建议在数据量不足时再启用。增强的强度要不要做随机化我的经验是概率性启用而不是每次全用这样能让模型看到“增强过”和“没增强”两种分布收敛更稳。另外病变区域如果特别小比如小于100个体素单纯的几何增强可能不够可以考虑过采样包含病变的切片把有效样本比例提上来。4. 训练与验证用UNet跑通胰腺分割的最小可行方案4.1 2D还是3D小数据集下的架构选型逻辑胰腺CT数据通常是三维体积但直接用3D网络对显存和训练时间要求很高。2D方案把CT体积按切片拆开用UNet逐层分割然后按切片堆叠回3D。3D方案保持空间连续性但对标注质量和数据量要求更高——训练集少于50例时3D网络很容易过拟合。我的建议是数据量少于80例先跑2D超过150例且显存允许再换3D。2D方案的另一个好处是可以借用预训练权重比如在ImageNet或在其他医学分割任务上预训练的编码器冷启动更快。标题里这个数据集同时含训练集和测试集如果训练集规模不大2D UNet是最稳妥的起点不要一上来就追Swin-UNet、UNETR这些大模型。4.2 损失函数与评价指标Dice Loss不是唯一答案胰腺病变分割的类别不均衡极其严重。普通交叉熵损失会被背景主导模型几乎学不到前景信息。Dice Loss对小目标敏感但训练初期梯度不稳定。组合损失Combo Loss更实用用Cross Entropy保持梯度稳定用Dice Loss拉高前景区域的关注度。import torch import torch.nn as nn import torch.nn.functional as F class ComboLoss(nn.Module): 交叉熵 Dice 组合损失 def __init__(self, weights(1.0, 1.0), num_classes3): super().__init__() self.ce_weight, self.dice_weight weights self.num_classes num_classes def forward(self, logits, targets): # logits: (B, C, H, W), targets: (B, H, W) ce F.cross_entropy(logits, targets) # 计算每个类别的Dice probs F.softmax(logits, dim1) target_onehot F.one_hot(targets, num_classesself.num_classes).permute(0, 3, 1, 2).float() smooth 1e-5 intersection (probs * target_onehot).sum(dim(0, 2, 3)) union probs.sum(dim(0, 2, 3)) target_onehot.sum(dim(0, 2, 3)) dice (2 * intersection smooth) / (union smooth) dice_loss 1 - dice.mean() return self.ce_weight * ce self.dice_weight * dice_loss组合系数上CE和Dice可以都设为1.0也可以让Dice更大一些如1.2来强调前景。如果你发现模型训练后期Dice不再上升往往是CE项在拉低边界精度而Dice项在推动整体重合——这时把CE权重降到0.5让Dice主导收敛方向。损失函数是越复杂越好吗不一定。Focal Loss处理小目标也有效但有两个超参需要调多一层调参成本。对胰腺这个场景Combo Loss是性价比最高的起点。4.3 训练脚本与关键超参批量大小、学习率与早停策略部署一个2D UNet的最小训练脚本重点在于数据加载、采样策略和验证逻辑。胰腺CT切片大量是纯背景切片胰腺只出现在部分层训练时做采样均衡很有必要。import torch from torch.utils.data import Dataset, DataLoader import nibabel as nib import numpy as np class Pancreas2DDataset(Dataset): 按切片级别加载的胰腺CT数据集 def __init__(self, image_paths, label_paths, phasetrain): self.image_paths image_paths self.label_paths label_paths self.phase phase # 记录哪些切片包含前景 self.valid_slices self._collect_valid_slices() def _collect_valid_slices(self): valid [] for img_path, label_path in zip(self.image_paths, self.label_paths): label nib.load(str(label_path)).get_fdata() label label.astype(np.uint8) for z in range(label.shape[2]): if label[:, :, z].max() 0: # 包含前景的切片 valid.append((img_path, label_path, z)) return valid def __len__(self): if self.phase train: return len(self.valid_slices) * 4 # 4倍过采样 return sum(nib.load(str(p)).get_fdata().shape[2] for p in self.label_paths) def __getitem__(self, idx): if self.phase train: img_path, label_path, z self.valid_slices[idx % len(self.valid_slices)] else: # 测试阶段按顺序遍历全部切片 pass # 读完图像和标签后返回对应切片 return image_slice, label_slice这段代码的思路是训练阶段只在“包含前景的切片”里采样并且把前景切片重复4次凑成完整epoch这样模型每个batch都有充分的胰腺和病变样本。测试/验证阶段遍历全部切片保证评估结果覆盖全部层面。这个采样策略对提升Dice效果明显属于必做的工程改造。超参数方面2D UNet在胰腺分割上有一组比较稳的起点参数推荐值说明输入尺寸256×256或512×512根据显存和胰腺大小选择批量大小8-162D3D下减半学习率1e-4AdamW用warmup余弦退火训练轮数100-200配Early Stopping损失函数CEDice1:1后期可调Dice权重优化器AdamWweight_decay1e-5训练时务必保存每个epoch的验证Dice不能只看训练loss。胰腺分割的loss曲线经常出现“看起来在降但Dice不动”的情况因为类别不平衡下loss主要由背景主导。用模型预测后把前景区域单独可视化确认边界是否贴合比只盯loss数字可靠得多。4.4 测试集评估Dice、IoU、HD95一个都不能少测试集评估不能只看Dice系数医学图像分割论文里通常要报告三个指标Dice体素重合度、IoU交并比、HD9595%豪斯多夫距离衡量边界偏差。Dice对体积大的目标有偏向——当病变体积很小时即使边界错位几个体素Dice下降也不明显而HD95能捕捉到这种边界误差。import numpy as np from scipy.ndimage import distance_transform_edt def compute_metrics(pred, gt, voxel_spacing(1.0, 1.0, 1.5)): 计算Dice、IoU、HD95 pred_bin (pred 0).astype(np.uint8) gt_bin (gt 0).astype(np.uint8) # Dice intersection (pred_bin gt_bin).sum() dice 2 * intersection / (pred_bin.sum() gt_bin.sum() 1e-5) # IoU union (pred_bin | gt_bin).sum() iou intersection / (union 1e-5) # HD95 if pred_bin.sum() 0 or gt_bin.sum() 0: hd95 float(nan) else: # 用欧几里得距离变换计算边界距离 pred_dist distance_transform_edt(1 - pred_bin, samplingvoxel_spacing) gt_dist distance_transform_edt(1 - gt_bin, samplingvoxel_spacing) # 只取边界点 pred_boundary pred_bin (pred_dist 0) gt_boundary gt_bin (gt_dist 0) pred_to_gt pred_dist[gt_boundary 0] gt_to_pred gt_dist[pred_boundary 0] if len(pred_to_gt) 0 or len(gt_to_pred) 0: hd95 float(nan) else: hd95 np.percentile(np.concatenate([pred_to_gt, gt_to_pred]), 95) return dice, iou, hd95注意HD95只有在分割结果不为空时才有效。如果预测全背景HD95应记为NaN而不是0——做统计分析时把NaN样本单独标记。这三个指标建议按类别分别计算胰腺实质和病变分开报告因为大多数数据集里病变的Dice天然低于胰腺实质混在一起会掩盖问题。5. 胰腺分割数据集的五个常见坑现象、原因与解决5.1 训练Loss正常下降但分割结果全是背景现象训练收敛验证集上Loss在降但预测结果只有背景胰腺区域完全没有预测出来。原因类别极度不平衡时模型学会了“全部预测为背景”来最小化Loss。交叉熵项在背景类别上太容易得到低损失Dice Loss权重不足时拉不回来。解决把损失函数改成Dice主导Dice权重从1.0提高到2.0或3.0同时在训练中强制监控前景类的Dice。如果前景Dice一直接近0说明模型根本没有学到前景特征需要检查是否有标签错位、预处理窗宽窗位不合理等问题。提示训练阶段不要只观察总Loss要按类别打印Dice。背景类Dice永远是1.0附近只有前景Dice才是有效信号。5.2 训练集Dice高但测试集Dice差距大现象训练集Dice能到0.85测试集只有0.55差距明显。原因最常见的是数据划分泄露——同一个患者的多个序列被拆到了训练和测试两个集合里。胰腺CT数据集经常包含同一患者的平扫和增强扫描如果按文件名而不是按患者ID划分模型等于见过测试图像的内容。解决先检查患者ID的粒度确保同一个患者的所有序列只出现在一个集合里。如果数据集没有提供患者ID字段用文件名前缀作为近似ID按前缀进行分层划分。跨设备、跨中心的数据差异也会造成这个现象重采样和归一化可以缓解但不能完全消除。5.3 标签与图像尺寸不一致导致训练报错现象训练到一半报错size mismatch或IndexError检查后发现部分样本的标签shape与图像不一致。原因数据集来源混杂不同病例的标签可能是不同标注软件导出的有的标签Resize过有的没有。只统计了整体文件数量一致就直接开训没有逐个核对shape。解决写一个预处理巡检脚本遍历全部样本对比image.shape和label.shape。不一致的样本单独重采样标签始终用最近邻插值。如果只有一个或两个坏样本直接丢弃比修复更稳定——修复过程中可能出现方向矩阵错位的问题。5.4 数据增强把标签插值出了“新类别”现象训练发现标签类别数不是3而是包含4、5等中间值损失函数计算时直接报错。原因数据增强里图像和标签用了同一种插值方法。线性插值会把标签数值在1和2之间平滑出1.5这种非法值softmax交叉熵在计算时直接崩掉。解决所有涉及标签的变换强制用order0最近邻插值。这个问题最常出现在随机旋转和Resize里写增强函数时务必分开设置图像和标签的interpolation参数。建议在数据加载后加一个断言检查标签值集合是否等于数据集应有的类别集合。5.5 后处理缺失导致假阳性太多现象分割结果在胰腺区域外观合理但在脾脏、肾脏边缘出现大量小块假阳性最终Dice和HD95都被拉低。原因模型对边界软组织区分能力不足产生零散的孤立预测区域。医学图像分割竞赛的提交结果通常会做后处理——去掉面积小于阈值的连通区域填充内部的空洞。解决预测完成后加一步连通域分析。胰腺在单张CT切片上是连续区域病变也是连通的肿块不会分布成满天星状。用scipy.ndimage.label找到所有连通区域只保留体积大于最小阈值的区域。from scipy.ndimage import label, generate_binary_structure def remove_small_regions(pred_mask, min_voxels50, structure_ndim3): 去除小于min_voxels的连通区域 struct generate_binary_structure(rank3, connectivity1) labeled, num_features label(pred_mask, structurestruct) # 统计每个连通区域的大小 sizes np.bincount(labeled.ravel()) keep_ids np.where(sizes min_voxels)[0] keep_ids keep_ids[keep_ids ! 0] # 去掉背景 mask np.isin(labeled, keep_ids) return mask.astype(np.uint8)min_voxels参数怎么定先可视化几个病例的预测结果统计非胰腺假阳性区域的大小分布取比最大假阳性区域略大的值。如果目标是检测小病变阈值不能设太大否则微小病灶会被当成噪声滤掉——这一步需要手动调几次才能找到平衡点。6. 把数据集价值榨干从单一模型到稳定可复现的实验基线6.1 固定随机种子与分层交叉验证医学图像分割数据集的样本量通常不大几十到几百例不等。单次划分的结果偶然性太强直接用固定训练集/测试集得出的指标不能完全反映模型水平。推荐做5折交叉验证——把训练集按患者ID分层成5份每次用4份训练、1份验证最后报告5折的平均Dice和标准差。交叉验证的关键是随机种子要固定并且数据增强内部的随机数也固定。用PyTorch的话在训练脚本开头设置torch.manual_seed(42)、np.random.seed(42)还不够DataLoader的worker随机数也要固定。我一般把随机种子写进实验配置里作为可复现实验的一部分记录到日志中否则隔一周重跑同样代码结果就变了。6.2 从单模型到集成平均预测降低边界不确定性胰腺分割模型单跑的边界往往不够干净尤其是胰腺与十二指肠等周边组织的分界区域。每次训练用不同的随机种子跑5-10个模型推理时对预测概率做平均再取argmax得到最终分割结果。集成虽然增加了训练成本但Dice一般能提升1-3个百分点HD95能改善更多——因为多个模型的误差在不同位置平均后边界更稳定。如果你连训练多个模型的成本也没有还有一个轻量技巧在推理阶段做三次翻转增强水平翻转、上下翻转、水平上下翻转把三个预测概率平均。这个做法在2D分割里几乎是零成本的性能提升尤其在胰腺这种左右结构基本对称的器官上效果明显。6.3 胰腺和病变分开评估再谈模型好不好用一个容易被忽视的细节胰腺病变数据集的评估要分开看。胰腺实质的分割Dice通常0.8以上算合格而病变区域因为体积小、边界不规则Dice 0.6以上已经算不错。如果合并报告模型对正常胰腺分割得很好但病变完全没分割出来总Dice也会被拉高到看似可用的水平掩盖了实际缺陷。我的习惯是每次实验输出一张按类别拆分的指标表包含胰腺Dice、病变Dice、病变HD95。当病变Dice明显偏低时优先检查训练集里包含病变的样本比例——如果病变样本太少需要过采样增强或改用patch-based训练把病变区域所在的子块放大后输入模型。把这两类指标拆开看做的才是有诊断意义的分割而不是自欺欺人的总指标。用了这么长时间做医学图像分割最大的教训就是数据集质量决定了模型上限预处理和评估方式决定了能不能看见真实水平。胰腺数据集尤其如此它不给你侥幸的空间——背景大、目标小、边界模糊每一步偷懒都会在Dice上体现出来。把这套流程跑通你已经有了一份可复现、可对比、能支撑论文结论的基线。希望帮到你。本文还有配套的精品资源点击获取