简介：这套基于LUNA16数据集的3D-CT肺结节检测工程代码包，面向医学影像分析、深度学习和计算机辅助诊断方向的研究者与开发者，可帮助读者快速上手肺部结节自动检测的完整流程。压缩包共54个文件，以38个Python脚本为主，涵盖DICOM数据预处理、特征提取、检测与分类网络构建、训练测试及提交预测等环节；同时配有4个CSV标注文件、2个NPY数据文件、效果图PNG和Markdown说明文档，整体大小仅9.6MB，结构紧凑。已有1481人学习下载，是学习LUNA16任务的高热度参考工程。资源提供了从原始CT影像转换、结节标注提取到模型推理与结果输出的完整管线，并附有demo.ipynb和prediction.csv，可直接运行体验或在此基础上二次开发，能帮助读者理解3D医学影像检测的关键技术细节与实用基线方案。
1. 项目概述：LUNA16 到底在解决什么问题
医学影像AI这几年看起来很热，但如果你真的动手做过一次肺结节检测，会发现这个方向并没有网上说的那么“无脑”。肺结节检测的核心任务，简单说就是给定一套3D胸部CT影像，让算法自动标出每一个可疑结节的中心位置和大小。而LUNA16数据集，就是这类任务里被用得最多、也最能检验基本功的一套数据。
先简单交代一下LUNA16的背景。它来自LUNA（LUng Nodule Analysis）挑战赛的16年版本，数据源自LIDC/IDRI公共数据库。官方筛选出888套完整的CT扫描，并且只保留了直径大于等于3mm的结节标注。每个结节由多名放射科医生标注，最后融合成10个annotation文件。数据集还额外提供了一个candidates.csv，里面包含了大约55万个候选结节位置，每个候选点标注了是否是结节，这其实是为“假阳性消除”阶段准备的，也是我后面会重点讲到的一个设计思路。
这个项目适合谁？如果你正在入门医学影像深度学习，或者想基于3D卷积网络做一个完整的检测流程，那LUNA16是最好的练手项目之一。它不像很多工业数据集那样规模巨大，但足够你把“数据预处理—模型训练—后处理—评估指标”整条链路走通。它也能帮你理解医学影像任务和普通自然图像任务之间的本质差异：坐标体系不同、数据是体素的、正负样本极度不平衡、评价指标是FROC而不是简单准确率。
2. 整体方案设计：为什么我选择两阶段检测链路
2.1 两阶段方案 vs 端到端方案
做肺结节检测，主流路线大概分两种：端到端目标检测和两阶段检测。
端到端方案类似自然图像里的YOLO或FCOS，直接把整幅3D CT输入网络，输出结节的位置和大小，常见做法是把3D版SSD或FCOS用在候选区域生成上。这个思路的优势是流程简洁、推理速度快，但问题也很明显：结节的尺寸很小（几毫米到几十毫米），在一整幅CT里只占极少体素，正负样本比例极度失衡，端到端模型很容易训练不稳定，特别是在数据量只有888例的情况下，小目标漏检率会很高。
两阶段方案更像传统的“先粗筛、后精排”思路。第一阶段（Candidate Generation）用高召回率的网络找出所有可能像结节的候选区域，第二阶段（False Positive Reduction）再对这些候选点逐一分类，筛掉血管截面、炎症、疤痕等假阳性。LUNA16本身就专门为这种思路设计了candidates.csv，所以做两阶段方案在数据上非常顺。我在这个项目里就是走的这条路线，因为它在每一步都能单独调优，也更容易定位问题。
2.2 整条工程链路的结构
我把整条检测链路分成五个模块，每个模块各司其职：
- 数据预处理：CT重采样、HU值裁剪归一化、坐标转换，所有后续步骤的地基。
- 候选结节生成：用3D分割或Anchor-based检测网络生成高召回候选点，目标是“宁可多检，不能漏检”。
- 假阳性消除：对候选点裁剪小patch，用3D分类网络精判是否为结节，目标是“宁缺毋滥”。
- 后处理：NMS去重、阈值调优、按FROC评估指标输出灵敏度。
- 评估与交叉验证：按数据集的fold划分训练，计算CPM得分。
每个模块都有各自容易踩坑的地方。下面我按这条链路，把关键细节和实操经验拆开讲。
3. 预处理与核心实现细节
3.1 重采样和坐标系：最容易出错的一环
CT影像有一个和自然图像很大的不同点——不同扫描仪的层厚、像素间距都不一样。有的CT层厚是1mm，有的是2.5mm甚至5mm；像素间距可能是0.6mm，也可能是0.8mm。如果把这些数据直接塞给网络，网络会看到同一结节在不同样本里的“物理尺寸”完全不同，模型根本学不出稳定的特征。
因此，预处理第一步就是把所有CT重采样到统一的体素间距。我一般统一到1mm×1mm×1mm，这也是LUNA16官方推荐的做法。重采样要用三线性插值，不能用最近邻，否则边缘会严重锯齿化。这里有一个实现细节：重采样不是直接对CT数组插值，而是要先用一个重采样因子算出新数组的shape，再用scipy.ndimage.zoom或SimpleITK的Resample完成。我遇到过不少人在这一步搞反了坐标轴的顺序，导致后来所有结节位置都错位，痛苦排查了一整天。
更隐蔽的问题是坐标系转换。LUNA16的标注文件里，每个结节的坐标是世界坐标系（World Coordinate，单位是mm），而你在Python里读出来的CT数组是体素坐标系（Voxel Coordinate，即第几行第几列第几层）。你必须用一个4×4的仿射矩阵（通常来自NIfTI文件头或SimpleITK的GetDirection、GetOrigin、GetSpacing）把世界坐标转成体素坐标，才能在数组里准确裁剪出结节patch。这个转换公式不复杂：voxel_index = inv(affine) × world_coord。但我建议你写好之后，务必挑几个结节可视化验证一下，确认patch中心确实落在结节内部，再继续往下走。否则你训练的数据可能就是错的。
3.2 HU值裁剪和归一化：为什么不能直接喂原始数据
CT影像里的原始数值是HU（Hounsfield Unit），它代表组织对X射线的衰减程度。空气大约是-1000，肺实质在-500到-900之间，软组织和血液在0到100左右，骨骼可以到几百甚至上千。如果把整个HU范围（一般是-1024到3071）直接输入网络，绝大部分体素的数值范围差异太大，网络训练会非常不稳定，而且肺结节这个目标在HU分布里占比太小，容易被淹没。
我的做法是：先做肺窗裁剪。肺结节检测最关心的是肺实质区域，所以一般把HU值限制在[-1000, 500]这个区间，低于-1000的按-1000算，高于500的按500算。这个范围大致对应于肺窗的窗位-600、窗宽1500，能把肺结节、血管、胸膜都保留下来，同时压缩掉骨骼等高密度干扰。裁剪完再做min-max归一化，把数值映射到0到1之间。归一化是必须的，因为3D卷积网络对输入尺度很敏感，统一到[0,1]后不同样本之间才有可比性。
3.3 训练样本的裁剪策略和数据增强
候选生成和假阳性消除这两个阶段都需要裁剪patch。以假阳性消除阶段为例，我会以每个候选点为中心，在重采样后的CT数组里裁剪出一个64×64×32的patch（前面两个维度对应冠状面/矢状面，最后一个维度对应轴向层数）。为什么要用非对称尺寸？因为CT的层间分辨率虽然已经重采样到1mm，但轴向信息量还是略少于层面内，用稍小的轴向尺寸可以节省显存，同时不影响判别效果。
数据增强方面，我常用的组合是随机翻转（三个轴）、90度旋转、小幅缩放和随机平移。需要特别提醒的是：训练时的缩放和平移范围不能太大，否则会改变结节的形态学信息，反而让模型学到错误的先验。我在实践里会把缩放控制在0.85到1.15之间，平移不超过3个体素。增强的目的不是制造无限多的假样本，而是让模型对微小变化不敏感，这是医学小数据集训练的核心哲学。
4. 模型选型与训练调参实战
4.1 候选生成网络：用3D U-Net还是3D FPN
候选生成阶段的目标是“高召回”，也就是把所有可能像结节的位置都找出来，哪怕误检率高一点也没关系。我在这类任务里最常用的结构是3D U-Net的变体。
为什么选3D U-Net而不是2D网络？最直接的原因是结节的形态是三维的，很多结节在单张2D切片上和血管截面几乎无法区分，但放到三维空间里看，血管是细长的管状结构，结节则是类球形的团块。2D网络天然缺失这个判别信息。3D U-Net通过编码器逐层下采样、解码器恢复分辨率的对称结构，能在多尺度上捕获上下文信息，这对大小差异很大的结节尤其重要（小到3mm，大到几十毫米）。
输出层我习惯用两个分支：一个分支做体素级分割，预测每个体素是结节的概率；另一个分支做距离回归，预测体素到最近结节中心的距离。这在医学检测里叫“Center-ness”思想，后续只需要对分割结果取局部极大值，就能得到一组候选点。如果你不想这么复杂，也可以在3D U-Net后面接一个3D Anchor-based检测头（类似3D RPN），直接回归每个anchor的结节概率和坐标偏移。两条路我都试过，分割+中心点回归的稳定性更好，尤其适合LUNA16这种正样本极其稀疏的任务。
4.2 损失函数和样本采样：正负样本严重失衡怎么破
肺结节检测里最大的训练障碍就是正负样本失衡。以体素分割为例，一幅CT有上千万体素，但结节区域可能只有几十到几百个连通区域，正样本体素占比经常不到0.1%。如果直接用普通的交叉熵损失，模型会一路学到“全部预测为背景”的退化解。
我的第一层防护是混合损失：Dice loss和Focal loss叠加。Dice loss直接优化分割区域和真实区域的overlap，对类别不平衡有天然鲁棒性。Focal loss通过调整难易样本的权重，让模型更关注那些难以分类的体素。两者结合的实际效果比单独用任何一种都好。Focal loss的gamma我一般取2，alpha取0.25，这是检测任务里比较通用的起始值，但建议在你的验证集上做个小网格搜索，因为不同数据分布差异很大。
第二层防护是训练时的样本采样策略。我不用全图的所有体素，而是限制每一batch里的负样本比例。具体做法是：每个batch内的patch，正样本（含结节中心）占比控制在一半左右，另外一半从背景区域随机采样。这能保证每个step模型都能看到足够的正样本，梯度更新不偏。对于假阳性消除阶段，候选点里真结节和假阳性的比例天然就是极端的，所以我还会额外做在线难例挖掘——每轮迭代结束后，把分类错误概率最高的假阳性样本挑出来，丢回训练集下一轮继续强化。
4.3 假阳性消除：一个轻量但关键的3D分类器
候选生成之后，你会得到大量候选点，其中绝大多数是假阳性。LUNA16里的难点就在这：模型要把“不是结节但看起来非常像结节”的候选点筛掉。
我在这个阶段用一个比检测网络轻量得多的3D分类网络，输入就是前面提到的64×64×32 patch，网络结构可以简单一点，比如四五个3D卷积+池化层，最后接两个全连接层输出二分类概率。轻量设计是有意为之，因为这里的候选点数量很大，如果分类器太重，推理时间会翻好几倍。输入的尺寸选择也影响很大，我试过32×32×16和96×96×48，前者信息不足，后者噪声太大，最后64×64×32是精度和速度的平衡点。
另一个容易被忽略的细节是patch的实际大小要包含足够的上下文。结节的直径可能只有3mm，但如果你只裁剪出刚好包裹结节的一小块，分类器因为看不到周围的血管、胸膜关系，很难判断形态是否可疑。所以我的patch尺寸设计为64×64×32，在1mm间距下对应64mm×64mm×32mm的物理范围，周围留出足够的上下文，效果明显好于只裁剪20mm见方的小patch。
4.4 推理与NMS后处理
推理阶段，对每幅CT应用训练好的网络得到候选点后，还需要合并重叠的检测结果。因为候选生成网络会把同一个结节在多个位置都产生高响应，如果不做NMS，最终会输出大量重复框，而且FROC指标的假阳性数量也会虚高。
我做NMS的标准是3D IoU大于0.1就合并，这个阈值比自然图像检测里常用的0.5要低得多。原因在于，肺结节检测里的候选框是“点+半径”的形式，尺度小，对IoU极度敏感。如果用0.5，很多同一个结节的重复检测会躲过合并，导致最终灵敏度虚高、但不可复现。NMS合并时对每个簇保留置信度最高的那个预测，置信度用于后面的阈值调优。
调阈值的方法同样关键。先确定你期望的假阳性数（比如每幅CT平均1个、2个、4个、8个），然后在验证集上扫一遍置信度阈值，找到对应的灵敏度。LUNA16的官方评估指标FROC，就是把这几个假阳性率下的灵敏度取平均，通常叫CPM评分。这个指标很值得玩味，它不追求某一点做到极致，而是要求模型在低假阳性率到高假阳性率的全区间里都保持稳定。
5. 常见问题与排查技巧实录
5.1 坐标转换错误，导致所有预测位置偏移
这是我在实战中遇到的第一个大坑。症状表现：训练时loss正常下降，但可视化验证时发现，每一个预测结节都比真实位置偏了固定方向几个体素。排查半天才发现，是重采样后没有同步更新仿射矩阵，导致体素坐标和世界坐标的换算基准不一致。
这里的规律是：只要你对CT数组做了重采样、裁剪等几何变换，仿射矩阵必须同步修改。更稳妥的做法是，在代码里写一个函数专门维护“体素坐标↔世界坐标↔标注坐标”的转换，所有模块统一调用，而不是到处散落scipy.ndimage.zoom。我后来把每个fold里随机抽5个结节可视化输出，跑完整个数据流确认坐标正确，才敢开始训练。
5.2 显存不足：patch太大，batch设不上去
3D卷积对显存的消耗是出了名的“吃显卡”。我第一次训练3D U-Net时，输入尺寸设成128×128×64，batch size设为2，结果一张12GB的显卡直接OOM，连模型都加载不进去。
后来我用了三个招组合解决：第一，把输入裁剪改小一点，候选生成阶段用96×96×48，分类阶段用64×64×32，信息量基本不受影响。第二，开启混合精度训练，在PyTorch里用AMP，显存和训练时间都下降约40%。第三，用梯度累积，实际等效batch size保持足够大，但每次显存只占一小部分。这三个招组合下来，一张16GB的卡能跑绝大部分阶段。如果还不够，还可以用滑窗推理替代整图推理，把大CT切块预测，最后拼回去。
5.3 FROC评分始终为0：检查测试集标注和NMS
如果训练了很久，FROC评估还是得0，那说明不是模型没学会，而是评估流程本身出了问题。我见过两种典型情况：一是测试时把坐标预测转到了错误的空间，导致检测位置和标注的ground truth永远对不上，IoU为0；二是NMS的参数不对，重复框太多，FROC统计时把同一个结节算作多个检测，不但灵敏度没提升，假阳性数还爆炸式增长。
针对第一种情况，建议先做一个冒烟测试：把标注的ground truth结节位置直接当作预测结果输进去评估，如果评分不是满分，说明评估代码或坐标转换有bug，跟模型无关。这个操作能帮你快速排除问题。针对第二种情况，把NMS的IoU阈值调低是一个方向，另外可以检查重叠框之间的置信度排序是否合理，确保保留的是最高置信度的检测。
5.4 过拟合：数据量只有888例怎么办
LUNA16的训练数据只有888套CT，做深度学习明显偏少。如果前期就发现验证集loss和训练集loss差异越来越大，基本可以判断是过拟合。
除了常用的数据增强，我还会用Dropout和权重衰减。3D网络参数多，Dropout加在最后的全连接层之前，概率设0.3左右比较合适。权重衰减方面我习惯设1e-4到5e-4，太小起不到约束作用，太大会影响收敛。最有效的还是交叉验证：LUNA16官方给了10个fold的划分，我开发阶段只用前5个fold训练，后5个fold做验证；等所有超参调完，再用全部数据训练最终模型。这样能最大程度避免“在验证集上调参，把验证集过拟合了”的隐性错误。
6. 项目落地与扩展思考
LUNA16这套流程跑通之后，我发现它带来的能力迁移性很强。肺结节检测本质上是一个三维医学影像中的小目标检测问题，而同一套“预处理—候选生成—假阳性消除—后处理”的框架，可以直接迁移到其他医学影像任务上，比如脑出血检测、肝肿瘤定位、肺栓塞识别等。区别主要在于HU窗宽窗位、目标尺寸、解剖结构先验这些细节，整体工程架构基本不用动。
在实际部署层面，有一个点值得提醒：训练时的性能跑分和真实临床场景会有不小差距。LUNA16的数据集相对“干净”，多数CT都是规整的轴位扫描。但你如果拿到不同扫描协议、不同品牌机器的数据，可能要在预处理阶段做更多归一化，甚至用域自适应方法来弥合数据分布差异。我在把一个基于LUNA16训练的模型迁移到院内CT数据上时，就发现召回率明显下降，后来补了不少目标域样本做微调才恢复性能。这说明医学AI项目真正的工作量，往往不在模型结构上，而在数据工程和泛化适配这些“看不见”的地方。
最后分享一个我自己的经验：做这类项目时，一定要从一开始就把评估代码和可视化工具写好。医学影像模型的调参周期很长，如果每一步都靠肉眼看结果，效率非常低。把FROC计算、坐标转换校验、patch可视化、训练指标监控做成几条固定的shell命令，循环跑实验会轻松很多。我个人现在接手任何医学影像检测项目，第一件事永远是先写一个最小可复现脚本，确保从原始数据到最终指标整条链路是通的，再开始碰模型。这个习惯帮我省下了大量排错时间，也推荐给你试试。
本文还有配套的精品资源，点击获取
