Synapse数据集实战：医学图像分割从CT预处理到多器官分割

简介：医学图像分割是计算机辅助诊断与手术规划的核心技术之一，而高质量标注数据集是训练可靠模型的基础。在实际工程中，面对CT影像，数据预处理与标注格式的标准化往往比网络结构更影响最终精度。窗宽窗位调整、体素重采样、标签映射与按患者划分数据，是保证模型泛化能力的关键步骤。在此基础上，选用DiceLoss等对小器官更友好的损失函数，并配合逐器官评估，才能有效处理多类别分割中的类别不平衡问题。Synapse腹部多器官数据集正是这样一个典型实践场景：它包含约1200张二维CT切片，覆盖8个腹部器官，规模适中却涵盖完整的图像分割流程。本文围绕该数据集的解析、预处理、训练配置与常见陷阱展开，为医学图像分割入门与工程落地提供参考。

1. 医学图像分割的Synapse数据集：约1200张切片怎么撑起8类别腹部分割

做医学图像分割的人，早晚会遇到Synapse这个词。它通常指一份整理好的腹部多器官分割数据集：约1200张二维CT切片，每一张都带像素级标签，覆盖脾脏、右肾、左肾、胆囊、肝脏、胃、主动脉和胰腺共8个器官。这个规模在公开医学图像分割数据集里算小的，但恰好能让你把整套流程——数据解析、预处理、训练、评估、调优——完整跑通。适合入门腹部多器官分割的算法工程师和学生，也适合想拿一份现成带标签数据验证分割网络结构的人。不过它数据量小、器官多、标签编号又和常规CV数据集不一样，这三个特点叠在一起，让不少第一次上手的人栽在预处理和指标计算上。

2. 认识Synapse数据集：目录结构、标签编号与8个器官的类别映射

Synapse这个名字来自MICCAI 2015年的多图谱标注挑战赛（Multi-Atlas Labeling Beyond the Cranial Vault），关注的是腹部CT的多器官同时分割。原始数据是几十例三维腹部CT，每例包含一个CT体积和对应的分割标签体积，后来很多工程实践习惯把三维体积沿轴向切成二维切片，筛掉没有器官标签的空白层面，整理成图像加标签的2D数据集，标题里的“约1200张数据和标签”指的就是这种整理版。需要特别提醒：这个拆法没有统一标准，不同来源的整理版在切片数量、命名规则、是否重采样上都不一致，所以拿到手的第一件事不是开训，而是先读数据。

2.1 打开数据集先看三样东西：文件后缀、数据字典与标签统计

常见做法是images和labels两个目录，图像和标签都是nii.gz，也有的版本会直接存成npy或png。只要有原始nii.gz，信息就最全。拿到数据先写一个脚本做体检：确认文件一一对应、打印每个case的shape和spacing、统计标签值分布。

import nibabel as nib import numpy as np from pathlib import Path data_root = Path("./synapse") img_dir = data_root / "images" label_dir = data_root / "labels" for img_path in sorted(img_dir.glob("*.nii.gz")): label_path = label_dir / img_path.name.replace("_img", "_label") if not label_path.exists(): print(f"[warning] missing label: {label_path}") img = nib.load(img_path).get_fdata() lab = nib.load(label_path).get_fdata().astype(np.uint8) spacing = nib.load(img_path).header.get_zooms()[:3] unique, counts = np.unique(lab, return_counts=True) print(f"{img_path.name}: shape={img.shape}, spacing={spacing}, labels={dict(zip(unique, counts))}")

这段代码在训练前做一次数据体检。nib.get_fdata()拿到的是原始CT值，单位是亨氏单位HU；header.get_zooms()返回体素间距，单位是mm。统计标签时重点看unique里有没有0、最大值是不是8，如果有意外的值，说明某个病例的标注格式不对，直接进训练会污染整个模型。另一个值得注意的地方是标签文件命名，不同整理版可能用case1_label.nii.gz、case1_seg.nii.gz这类后缀，代码里需要按实际命名调整匹配逻辑。

如果发现标签文件比图像少了几张，不要急着补，先核对是不是原本就把全背景切片筛掉了。Synapse在2D整理时常见的做法是只保留包含至少一个前景器官的层面，所以它的“约1200张”不等于原始三维体积的总层数，这个数字本身就是一个筛选后的结果。

2.2 8个器官的类别映射：0是背景，1到8才是目标器官

Synapse这8个器官的标签编号是固定的，这是后续所有代码的地基。和ImageNet那种从0开始的分类标签不同，分割标签通常把背景留作0，目标类别从1开始递增。很多人在这个点上吃亏：把标签1当背景，或者训练时把8类别做成0到7的映射，导致模型学到的和标注语义完全错位。

这份映射表建议写进项目配置里，而不是散落在预处理脚本中。一个比较保险的做法是在数据加载器里维护一份类别字典，训练、验证、可视化都从同一个字典取编号，避免在某个环节手动减1加1。Synapse之所以容易在这里翻车，是因为很多论文里会把背景类单独说明，而代码里却隐含了“忽略第0类”的逻辑，两套口径一旦不一致，Dice结果就是错的。

2.3 用像素占比统计预判小器官：胰腺和胆囊为什么注定垫底

数据侧做完标签映射核对后，下一步按器官统计像素占比。目的不是做平衡采样，而是提前知道哪些器官是小器官：胆囊和胰腺在CT上占用的体素少，形状变异又大，是后期Dice分数垫底的常客。统计结果直接决定后面选损失函数和数据增强策略。

import pandas as pd rows = [] for img_path in sorted(img_dir.glob("*.nii.gz")): label_path = label_dir / img_path.name.replace("_img", "_label") lab = nib.load(label_path).get_fdata().astype(np.uint8) total = lab.size per_class = {c: float((lab == c).sum()) / total for c in range(0, 9)} rows.append({"case": img_path.name, **per_class}) df = pd.DataFrame(rows) print(df.mean().round(4))

输出的mean列是每个类在整个数据集中的平均像素占比。你大概率会看到背景0接近0.9，肝脏、脾脏各自占几个百分点，胰腺和胆囊只有千分之几。看到这个数字才会理解为什么后面要上DiceLoss和patch采样：如果直接拿交叉熵硬训，小器官的贡献几乎可以忽略不计。这个统计表还有一个用处：当某一次实验结果异常时，回头对比这个占比，能快速判断是不是某个器官因为样本太少根本没参与计算。

3. 把Synapse 2D切片喂给分割网络：窗宽窗位、体素重采样与按患者划分

处理医学图像分割数据集不像YOLO训练自己的数据集那样拿到标注框就能直接开跑，CT的像素值本身有物理含义，需要先做标准化，再考虑怎么切成训练样本。原始CT体积不能直接送进网络，因为像素值不是RGB而是HU，不同组织的HU区间差异很大：空气接近-1000，软组织在-100到+100附近，骨骼则到几百上千。如果不做窗宽窗位处理，模型会花大量容量去区分那些与分割无关的数值分布，小器官的特征根本体现不出来。

3.1 腹部CT的窗宽窗位：两个参数剪出器官的灰度范围

腹部多器官分割常用的窗位在40左右，窗宽在400左右，也就是把原始HU值裁剪到[窗位-窗宽/2, 窗位+窗宽/2]，即[-160, 240]。这个裁剪把空气、骨骼这些极端HU值压掉，让肝脏、脾脏、肾脏这些软组织之间的灰度差异变明显。裁剪之后再做线性归一化到[0,1]。

def preprocess_ct(ct_volume, window_level=40, window_width=400): lower = window_level - window_width / 2.0 upper = window_level + window_width / 2.0 clipped = np.clip(ct_volume, lower, upper) normalized = (clipped - lower) / (upper - lower) return normalized.astype(np.float32)

这段函数解决的是CT值的标准化问题，clip后归一化到0到1的浮点数。window_level和window_width是腹部软组织的经验值，如果是其他部位要重新查：肺部用更宽的窗，骨骼用更高的窗位。对Synapse这种多器官任务来说，用同一组窗宽窗位跑所有病例是常见做法，因为8个器官都在腹腔内，灰度范围重叠度高，不存在某个器官被裁剪掉的风险。如果用的整理版已经是png格式，需要确认提供方是否做了窗宽窗位处理，有些直接保存原始HU的png会丢失窗宽信息，等于把最难的一步前置到数据准备阶段替你做了，但做得好不好完全不可控。

3.2 重采样到统一体素间距：为什么胰腺最怕spacing不一致

原始数据的spacing并不统一，有的病例z方向间距是2.5mm，有的是5mm，xy方向也有差异。如果直接切成2D切片训练，同一张图在不同病例里对应的解剖尺度完全不一样，一个1厘米的结构在病例A里占20个像素，在病例B里可能只占8个像素。重采样的目标是把所有体积统一到某个固定spacing，常见取1.5mm或2.0mm各向同性。

import SimpleITK as sitk def resample_volume(image_sitk, label_sitk, target_spacing=(1.5, 1.5, 1.5)): original_spacing = image_sitk.GetSpacing() original_size = image_sitk.GetSize() new_size = [ int(round(orig_size * orig_spacing / target)) for orig_size, orig_spacing, target in zip(original_size, original_spacing, target_spacing) ] resampler = sitk.ResampleImageFilter() resampler.SetOutputSpacing(target_spacing) resampler.SetSize(new_size) resampler.SetOutputDirection(image_sitk.GetDirection()) resampler.SetOutputOrigin(image_sitk.GetOrigin()) # 图像走线性插值，标签走最近邻 resampler.SetInterpolator(sitk.sitkLinear) image_resampled = resampler.Execute(image_sitk) resampler.SetInterpolator(sitk.sitkNearestNeighbor) label_resampled = resampler.Execute(label_sitk) return image_resampled, label_resampled

这里用SimpleITK而不是numpy里的ndimage.zoom，是因为SimpleITK直接读取NIfTI的spacing元信息，换算成目标spacing下的新尺寸，不需要手动管理体素间距。target_spacing=1.5意味着把z方向加密，xy方向略微调整。如果显存紧张，用2.0mm能把体积缩小约四分之一，但胆囊、胰腺这些小结构的边界会更模糊，Dice可能掉2到3个点。重采样后务必再用np.unique检查一次标签值，最近邻插值理论上不会产生新值，但方向信息出错时会引入旋转和翻转，标签就废了。

注意：图像和标签的插值绝对不能共用。线性插值在两个标签交界处会产生0.3、0.7这种小数，后面无论怎么取整都会破坏薄壁器官的边界细节。

3.3 切成2D切片并按患者划分：为什么不能随机打散

Synapse的整理版虽然是2D，但训练时仍然要遵循一个原则：同一患者的切片只能出现在训练集或验证集其中一个里面。腹部CT每例有几十张切片，上下文连续，相邻切片看起来几乎一样。如果随机打散划分，验证集里会出现大量和训练集高度重合的切片，Dice虚高，一旦换到新患者立刻打回原形。

from sklearn.model_selection import GroupKFold # 假设文件名形如 "case1_slice_023_img.nii.gz" def get_patient_id(filename): return filename.split("_slice")[0] files = sorted(img_dir.glob("*.nii.gz")) patient_ids = [get_patient_id(f.name) for f in files] group_kfold = GroupKFold(n_splits=5) for fold, (train_idx, val_idx) in enumerate(group_kfold.split(files, groups=patient_ids)): train_files = [files[i] for i in train_idx] val_files = [files[i] for i in val_idx] train_cases = set(get_patient_id(f.name) for f in train_files) val_cases = set(get_patient_id(f.name) for f in val_files) assert train_cases.isdisjoint(val_cases), "data leakage!" print(f"fold {fold}: train={len(train_files)}, val={len(val_files)}")

GroupKFold按患者分组做交叉验证，n_splits=5在约1200张切片、几十例患者的情况下，每个fold验证集大约有20%的病例。5折交叉验证对Synapse这种规模是合适的，把每一折的结果合并起来看平均Dice，比单次划分可靠。get_patient_id的写法高度依赖文件名格式，不同整理版命名风格不同，要么统一清洗文件名，要么改成读取目录层级。划分完成后用一个isdisjoint断言兜底，防止后续重构代码时把分组逻辑改坏。

4. Synapse 8类别分割的训练配置：类别数、损失函数与Dice评估

数据预处理结束后进入训练阶段。对这份数据集来说，模型结构反而不需要纠结，U-Net以及它的衍生结构在Synapse上已经被反复验证过。真正决定训练效果差异的是三个配置：输出通道数、损失函数和评估指标。这三个如果不一致，代码能在训练时毫无异常地跑完，但最后结果和预期完全对不上。

4.1 输出通道到底是8还是9：背景类的小陷阱

标题说8类别分割，但模型输出通道数建议是9。原因是背景0虽然不做前景评估，但它依然占据大量像素；如果模型不学背景，前景区域会向外溢出。9通道对应0到8的9个语义类别，其中第0通道是背景。推理时如果只需要前景结果，通常也是取1到8通道上的argmax。

num_classes = 9 # 0: background, 1-8: eight organs model = UNet(in_channels=1, num_classes=num_classes) # 预测时保留全部通道，argmax 后值域天然是 0-8 logits = model(sample_ct) pred = logits.argmax(dim=1)

把num_classes写成8是这份数据集最常见的错误。网络输出8通道，标签里却有值8，交叉熵直接计算了错误的类别关系，评估时还要临时把标签8减1对齐，整条链路全是暗坑。预测阶段在全部9个通道上做argmax，得到的结果天然就是0到8的原始标签编号，和标注文件对齐，不需要做任何id转换，后续评估和可视化时能省掉大量烦恼。

4.2 DiceLoss：小器官任务的首选损失函数

Synapse的类别极不平衡，肝脏可能占据一个切片百分之三四十的面积，胰腺和胆囊经常只有几百个像素。这种情况下交叉熵会把梯度几乎全贡献给大器官和背景，小器官学不动。常见做法是DiceLoss，或者Dice与交叉熵的加权组合。DiceLoss直接优化Dice系数，天然对类别像素比例不敏感。

import torch import torch.nn.functional as F def dice_loss(pred, target, smooth=1.0, ignore_index=0): pred = F.softmax(pred, dim=1) num_classes = pred.size(1) pred = pred.permute(0, 2, 3, 1).contiguous().view(-1, num_classes) target = target.view(-1) mask = target != ignore_index pred = pred[mask] target = target[mask] one_hot = F.one_hot(target, num_classes=num_classes).float() intersection = (pred * one_hot).sum(dim=0) denominator = pred.sum(dim=0) + one_hot.sum(dim=0) dice = (2.0 * intersection + smooth) / (denominator + smooth) return 1.0 - dice.mean()

这段DiceLoss有几个参数要说明。smooth是平滑项，防止某个类别在batch内完全不出现导致除零，取1.0在多数医学分割任务里都稳定。ignore_index=0在损失计算时把背景像素去掉，因为背景占比太高，参与Dice计算会让前景器官的梯度被稀释。mask操作先把非背景像素筛出来，再做one_hot和求交集。有些实现不筛背景，直接对9类算均值，效果会差一些，尤其在前景占比低的切片上，背景和某个小器官的Dice一平均，数值看起来还行，实际小器官根本没学到。

如果某个batch里恰好没有胆囊，胆囊那一类的dice会退化为1.0，loss反而不贡献梯度，这是DiceLoss的已知行为，不用慌。真要处理就去调整采样策略，让每个batch尽量包含各类器官，而不是在loss里强行加类别权重。

4.3 UNet训练参数速查：输入尺寸、batch size与学习率

基于约1200张2D切片和几十例患者的数据规模，我一般用下面这组参数作为起点，实测能在验证集稳定跑出可复现的结果。

这一组参数的核心逻辑是：数据少，所以要靠增强和更长的训练轮数把泛化能力压出来。随机crop建议crop成128x128的patch而不是直接用全图，因为patch方式可以让小器官的出现概率更高，等于做了隐式的类别平衡。旋转角度不要太大，CT切片是轴向的，大角度旋转会引入非解剖形态，一般正负15度已经足够。推理时再把patch预测拼回原图，或者训练时用256x256全图配合大范围翻转。两种做法都能跑，我倾向于patch训练加全图推理，效果更稳定。

5. Synapse数据集避坑指南：五个让分割效果翻车的真实血泪

前面把主流程走完，这一章单独讲坑。这些问题不是理论推演，都是在Synapse这类小型多器官数据集上反复出现过的，每一条按现象、原因、解决三段式写，顺序也基本对应从数据读取到评估的一条完整流程。

**现象：**训练loss正常下降，验证Dice看起来有0.85，但打开可视化，模型把所有像素都预测成肝脏，其余器官全丢。

**原因：**num_classes写成了8，标签里的8被当成非法的第9类，网络为了降低交叉熵，把所有像素都推给最常见的类簇，背景0和肝脏其实被模型合并了。

**解决：**先np.unique打印标签值域，确认只有0到8；num_classes设为9，损失函数里把背景0做ignore或单独保留一个通道。更好的习惯是训练前把一个batch的标签分布打印出来，一眼就能发现值域错误。

**现象：**验证Dice高得离谱，0.9以上，但测试集上只有0.6。

**原因：**用了random_split或直接按数组索引划分，同一病例的多张切片被拆到了两边。相邻切片高度相似，验证集约等于训练集的拷贝。

**解决：**用患者ID做GroupKFold或者手动按case划分，确保同一个case的所有切片进同一折。划分完成后做一个断言，训练集和验证集的case集合交集为空，这是防止数据泄漏的最后一道防线。

**现象：**重采样后标签值变成0.3、0.7这种小数，np.unique打印出来一堆非法值。

**原因：**图像和标签用了同一个插值器，线性插值在两个标签交界处产生了中间值。

**解决：**图像用线性或三阶样条，标签永远用最近邻。这个顺序不能反过来，更不能图省事把标签也走线性插值再取整。取整看似能补救，但在薄壁器官上会把细小的边界细节抹掉，胆囊壁和胃壁首当其冲。

**现象：**模型在肝脏、脾脏上Dice不错，一到胃和胆囊就完全学不动。

**原因：**直接把原始HU值做了min-max归一化。原始CT范围可能从-1024到2000多，胃里面是空气和液体混合，胆囊是低密度胆汁，如果这些结构的灰度落在背景主导的区间里，归一化后它们和周围软组织几乎同色。

**解决：**统一用腹部窗，窗位40、窗宽400，归一化到[0,1]。预处理完成之后随机抽几个切片，用matplotlib叠加标签看一眼轮廓是否清晰可见。这一步只要一分钟，却能排查掉很多后续的归因困难。

**现象：**整体Dice单调上升，但逐器官看，肝脾肾都到了0.9，胰腺只有0.3，胆囊0.4。

**原因：**胰腺在切片里可能只占百分之一像素，交叉熵的梯度被大器官和背景淹没。如果只用单一loss，小器官学不动几乎是必然。

**解决：**三个手段叠加：损失用DiceLoss或Dice加交叉熵加权；训练数据做patch采样，随机crop时以带小器官的切片为中心多采几次；评估时逐器官计算Dice而不是只报均值，均值会把胰腺0.3稀释到看不太出来。这三个习惯对Synapse这种多器官小数据集缺一不可。

6. 把Synapse用出更高价值的进阶技巧：预训练迁移、伪标签与逐器官验证

如果基础流程已经跑通，并且能在验证集稳定拿到可复现的Dice，接下来值得花时间的不是换更大网络，而是围绕这份数据做三个能直接迁移到自有业务的技巧：迁移学习、伪标签迭代和逐器官验证。这套组合在我自己的项目里反复验证过，前两次也是靠它把私有小数据集的结果拉起来的。

6.1 迁移学习：Synapse预训练权重如何微调私有数据

Synapse作为腹部多器官分割的通用数据，训练出来的编码器对腹部CT的结构先验已经比较充分。迁移到自己的私有小数据集时，常见做法是复用预训练encoder权重，最后一层输出通道数改成自己任务的类别数，然后冻结前两个stage，只训练解码器和最后一层卷积。学习率要降一个数量级，用1e-4甚至5e-5，因为初始权重已经接近局部最优，更新幅度太大会破坏已有结构先验。我习惯先冻住编码器只训新分类头10个epoch，之后再解除冻结全网络用1e-4微调。

6.2 伪标签迭代：用高置信度预测扩充训练集

私有数据里往往只有一小部分标注，Synapse预训练模型可以用来对未标注CT做推理，取softmax概率超过0.9的像素直接作为伪标签参与训练。这本质上是一种软标签策略，与硬标签的区别在于置信度不够高的像素不参与loss计算。迭代时我只做两轮：第一轮把伪标签和真实标签混合训练，第二轮再对伪标签数据重新推理、更新标签。超过两轮会引入噪声累积，小器官的边界越推越歪。

6.3 逐器官Dice排名：验证阶段不看均值看短板

训练结束后，把每个器官的Dice单独计算并按升序排序，而不是只报一个mean Dice。Synapse上几乎每次实验的垫底三甲都是胰腺、胆囊、胃。看到这个排名再去定位问题就非常直接：如果是这几类，优先检查窗宽窗位有没有把小结构压掉，其次检查loss里有没有对小类别加权；如果连肝脏、脾脏都不稳，那才需要怀疑网络结构和训练策略。我最后养成的习惯是每轮验证同时输出mean Dice和最低的三个器官Dice，用排名变化判断一次改动到底有没有用，这比看单一指标可靠得多。也希望这个习惯对你后续的Synapse实验有帮助，少踩几个我当年踩过的坑，希望帮到你。

本文还有配套的精品资源，点击获取