3. 医学影像预处理工程
在3D医学影像进入检测或分类网络之前，预处理决定了后续模型能否稳定收敛、能否跨设备泛化。原始DICOM或NIfTI数据往往存在体素间距不一致、灰度范围漂移、磁场偏置、噪声干扰以及层厚各向异性等问题。如果直接把这些数据送入网络，模型学到的可能是扫描仪参数而非解剖结构。因此，预处理工程的核心目标可以概括为：让不同来源、不同设备、不同协议的影像在几何空间和强度空间上趋于一致。
重采样：统一几何空间
重采样解决的是体素间距和图像尺寸不一致的问题。例如，某CT数据体素间距为0.7×0.7×1.5 mm，另一台设备为0.6×0.6×1.0 mm，若直接输入网络，同一解剖结构在不同样本中占据的体素数不同。常见做法是将所有数据重采样到统一间距，如1×1×1 mm各向同性体素。插值方式需要根据数据类型选择：CT等灰度连续图像常用三线性插值或B样条插值；分割标签必须使用最近邻插值，避免产生不存在的类别值。重采样后还需同步更新仿射矩阵，否则空间坐标会错位。
偏置场校正：消除低频强度不均
MRI中由于射频场不均匀，常出现同一组织在图像中心与边缘灰度不一致的现象，称为偏置场。N4ITK偏置场校正是一种常用方法，其基本思路是迭代估计一个平滑的低频乘性场，并将其从原图中去除。实际操作中通常先做颅骨剥离或掩膜，再在掩膜内估计偏置场，避免背景干扰。校正后的图像应表现为白质、灰质、脑脊液之间的灰度对比更均匀，而不是整体变亮或变暗。
去噪与各向异性处理
低剂量CT或高加速MRI常伴随噪声。去噪不是简单模糊，而是要在抑制噪声的同时保留边缘。非局部均值去噪和高斯滤波是常见选择，但高斯滤波容易过度平滑细小病灶。各向异性处理则针对层厚远大于层内分辨率的情况，例如层厚5 mm、层内0.5 mm的MRI。此时可通过插值将Z轴重采样到与XY轴接近的间距，但要注意：插值不能真正恢复丢失的层间信息，只能改善网络对三维结构的感知一致性。若层厚过大，应考虑在预处理阶段标记该样本质量，或在训练中采用各向异性增强策略。
强度标准化：统一灰度分布
强度标准化使不同样本的灰度分布可比。CT常用窗宽窗位截断，如脑窗取40 HU、窗宽80 HU，将灰度裁剪到[0,80] HU后再缩放到[0,1]。MRI没有绝对HU单位，常用Z-score标准化：对脑掩膜内体素计算均值和标准差，逐样本标准化。若直接对全图做Z-score，背景零值会拉低均值，导致脑组织对比度异常。因此，标准化前先做掩膜或前景提取非常关键。
工程实现中的顺序与依赖
预处理顺序并非随意排列。通常先做重采样统一几何空间，再做偏置场校正和去噪，最后做强度标准化。原因在于：偏置场估计依赖空间平滑性，若先重采样到各向同性，偏置场估计更稳定；去噪若在标准化之后进行，可能破坏已统一的灰度分布。各向异性处理可与重采样合并，但若层厚差异极大，建议单独评估是否值得插值。
以下是一个可参考的Python预处理片段，展示NIfTI数据的重采样与Z-score标准化核心逻辑：
import nibabel as nib
import numpy as np
from scipy.ndimage import zoom
# 读取数据
img = nib.load("case_001.nii.gz")
data = img.get_fdata()
zooms = img.header.get_zooms() # 原始体素间距
# 重采样到 1×1×1 mm
target = (1.0, 1.0, 1.0)
factors = [z / t for z, t in zip(zooms, target)]
resampled = zoom(data, factors, order=1) # 三线性插值
# 脑掩膜内 Z-score 标准化
mask = resampled > np.percentile(resampled, 20) # 示例掩膜
mu = resampled[mask].mean()
sigma = resampled[mask].std()
normalized = (resampled - mu) / (sigma + 1e-8)
# 裁剪到合理范围
normalized = np.clip(normalized, -5, 5)
print("输出尺寸:", normalized.shape, "均值:", normalized[mask].mean())
结果判断与质量检查
预处理完成后，建议从三个层面检查：几何层面，确认所有样本体素间距、尺寸、方向一致，仿射矩阵无异常；强度层面，确认前景区域灰度分布合理，无过曝或过暗；结构层面，确认偏置场校正后白质灰度均匀，去噪后边缘仍清晰。若发现某样本标准化后均值偏离0超过1个标准差，应回溯检查掩膜是否包含大量背景或偏置场估计失败。
预处理不是一次性脚本，而是需要随数据分布变化持续监控的工程环节。建议将每个样本的预处理参数、输出统计量和质量标记记录到清单中，便于后续排障和模型复现。