2. 3D医学影像数据获取与格式解析
在3D医学影像项目中，拿到数据只是起点，真正决定后续检测与分类能否复现的，是对数据格式、几何信息和灰度语义的准确解析。本节围绕DICOM标准、NIfTI格式、体素间距、方向矩阵、窗宽窗位与元数据读取六个核心概念展开，目标是让读者能够独立完成从原始序列到可计算体数据的转换，并理解每一步中哪些参数会影响最终结果。
一、DICOM：临床影像的事实标准
DICOM（Digital Imaging and Communications in Medicine）是医院PACS系统中影像存储与传输的标准。一个CT或MR检查通常由多个切片文件组成，每个文件包含两部分：像素数据（Pixel Data）和大量元数据标签（Tag）。标签以(group, element)形式编号，例如(0028,0010)表示Rows，(0028,0030)表示Pixel Spacing，(0020,0032)表示Image Position Patient，(0020,0037)表示Image Orientation Patient。
解析DICOM时，最容易被忽略的是像素值的物理含义。CT的像素值通常是HU（Hounsfield Unit）的线性变换结果，需要结合Rescale Slope (0028,1053)和Rescale Intercept (0028,1052)还原：HU = 像素值 × Slope + Intercept。例如某CT文件Slope=1、Intercept=-1024，像素值存储为0～4095，则还原后空气约为-1000 HU，水约为0 HU，骨组织可达+1000 HU以上。MR没有统一的HU体系，像素值只有相对意义，通常不做绝对物理量还原。
此外，DICOM序列的切片顺序不能依赖文件名排序。正确做法是读取每层的Image Position Patient，沿切片法向量方向投影后排序。若直接按文件名排序，遇到命名不规范的序列会导致体数据上下颠倒或层间错位。
二、NIfTI：面向计算与建模的体数据格式
NIfTI（Neuroimaging Informatics Technology Initiative）是科研与深度学习流程中更常用的格式，通常以.nii或.nii.gz保存。与DICOM“一层一文件”不同，NIfTI将整个3D体数据存放在单个文件中，并附带一个仿射矩阵（affine），描述体素索引到世界坐标的映射关系。NIfTI头中的qform和sform分别记录两种可能的空间变换，工程中一般优先使用sform。
从DICOM转NIfTI时，需要完成三件事：按空间位置重排切片、将像素值转换为HU或统一量纲、根据Image Position和Image Orientation构造仿射矩阵。常用工具包括dcm2niix、SimpleITK和pydicom+ nibabel组合。转换后应检查体数据尺寸、体素间距和方向是否与原始序列一致，避免出现轴顺序错误。
三、体素间距与方向矩阵
体素间距（spacing）是体素在三个物理方向上的实际尺寸，单位通常为毫米。CT常见层内间距为0.6～0.8 mm，层间距为1.0～1.5 mm，因此体素往往不是各向同性的。若直接按体素索引计算距离或做3D卷积，层方向会被压缩或拉伸。工程上通常先重采样到各向同性间距（如1 mm×1 mm×1 mm），再进行检测或分类。
方向矩阵描述体素轴与患者解剖轴（LPS：Left-Posterior-Superior）之间的对应关系。一个3×3方向矩阵的列向量分别表示体素i、j、k轴在世界坐标中的方向。常见情况是i轴指向患者左侧、j轴指向后方、k轴指向头侧。若方向矩阵出现负号，说明该轴方向与标准解剖方向相反。方向处理错误会导致左右肺、左右肾等对称结构被混淆，是医学影像模型最常见的隐性错误之一。
四、窗宽窗位：灰度语义的显示控制
窗宽（Window Width, WW）和窗位（Window Level, WL）决定HU值如何映射到显示灰度。计算公式为：显示值 = (HU - (WL - WW/2)) / WW × 255，并截断到0～255。以肺窗WW=1500、WL=-600为例，映射区间为[-1350, 150]，肺实质和气道细节清晰；纵隔窗WW=400、WL=40映射区间为[-160, 240]，适合观察软组织与血管；骨窗WW=2000、WL=400则突出高密度骨结构。
需要特别强调：窗宽窗位是显示参数，不改变原始HU值。在训练检测或分类模型时，若直接使用窗变换后的8位图像，会丢失HU的绝对物理信息。更稳妥的做法是保留HU或做全局归一化，把窗变换仅用于可视化与人工标注。
五、元数据读取与工程检查
元数据读取应至少覆盖以下字段：患者与检查标识（PatientID、StudyInstanceUID、SeriesInstanceUID）、几何信息（PixelSpacing、SliceThickness、ImagePositionPatient、ImageOrientationPatient）、灰度信息（RescaleSlope、RescaleIntercept、WindowCenter、WindowWidth）以及采集参数（KVP、ConvolutionKernel）。这些字段既用于数据清洗，也用于排查“同一患者多次检查混入”“层间距不一致”“方向翻转”等问题。
一个可执行的检查流程如下：
- 读取序列全部DICOM文件，提取ImagePositionPatient和ImageOrientationPatient。
- 计算切片法向量，将所有切片沿法向量投影并排序，检查是否存在重复位置或缺失层。
- 用PixelSpacing和相邻层投影差计算体素间距，确认三轴间距是否一致。
- 用RescaleSlope和RescaleIntercept将像素值转为HU，统计HU直方图，确认空气峰约在-1000、水峰约在0附近。
- 构造仿射矩阵并写入NIfTI，用nibabel或SimpleITK回读，核对affine、shape和spacing。
- 用肺窗、纵隔窗、骨窗分别渲染一层，目视确认左右、头脚方向正确。
六、从格式解析到可训练数据
完成上述解析后，得到的应是一个形状为(D, H, W)、带有正确spacing和affine的浮点体数据。后续的3D检测或分类网络可以直接在该体数据上采样patch，或先重采样到统一间距再送入网络。格式解析阶段引入的几何错误往往不会在训练损失上立刻暴露，却会在推理阶段表现为左右混淆、层间错位或尺度失真，因此建议把本节的方向、间距、HU检查固化为数据入库前的标准步骤。
实际工程中，DICOM与NIfTI的转换不是一次性的，而是需要随数据批次持续执行。建议为每个序列保存一份解析日志，记录原始文件数、排序后层数、spacing、affine、HU范围以及方向检查结果。这样在模型效果异常时，可以快速回溯到数据几何层面，而不是盲目调整网络结构。