1. MONAI医学影像AI开发工程导论

医学影像AI开发与通用计算机视觉项目最大的区别，在于它面对的是三维体数据、体素间距不一致、标注昂贵、临床合规要求高的真实场景。一个在公开数据集上Dice达到0.9的模型，直接部署到医院PACS环境后往往表现骤降，原因通常不在网络结构，而在数据预处理、坐标系约定、重采样策略和推理后处理这些"工程细节"上。MONAI（Medical Open Network for AI）正是为消除这类工程摩擦而设计的开源框架，它把医学影像领域反复出现的脏活累活沉淀为可复用组件，让开发者把精力集中在模型与临床问题上。

课程目标与学习路径

本课程的目标不是教会你调用几个API，而是让你具备独立完成一个医学影像AI项目从数据到部署的工程能力。具体来说，学完本课程后你应当能够：

• 理解医学影像数据的物理属性（体素间距、方向矩阵、强度范围），并能用MONAI的Transform流水线正确完成读取、重采样、归一化与增强；
• 针对分割、分类、检测三类典型任务，选择合适的网络（U-Net、SwinUNETR、DenseNet等）与损失函数（Dice、Focal、Tversky），并解释选择依据；
• 使用MONAI的CacheDataset、ThreadDataLoader、AMP混合精度与多GPU训练，把训练吞吐提升到可接受水平；
• 用滑动窗口推理处理超出显存的大体积图像，并用后处理（连通域、形态学、最大连通体保留）修正模型输出；
• 用MONAI Bundle把训练好的模型、预处理配置和推理逻辑打包成可复现、可分发的工程产物。

课程按"数据—模型—训练—推理—部署"的工程主线推进，每一章都围绕一个可运行的最小闭环展开，而不是孤立地讲概念。

MONAI在医学影像AI生态中的定位

理解MONAI的定位，关键是看清它与相邻工具的分工。PyTorch提供张量计算与自动求导，是底座；MONAI构建在PyTorch之上，专注医学影像的领域语义；而nnU-Net、TotalSegmentator这类项目则是面向特定任务的端到端方案。MONAI不替代PyTorch，也不与nnU-Net竞争，它提供的是可组合的中间层。

从图中可以看到，MONAI处在"领域层"这一关键位置：向下它依赖PyTorch的计算能力，向上它支撑nnU-Net、Model Zoo等应用方案。这意味着学习MONAI时，你既要理解PyTorch的Tensor与Module机制，也要理解医学影像的领域约束，二者缺一不可。

医学影像AI工程化流程

一个完整的医学影像AI项目，工程上通常经历六个阶段，每个阶段都有明确的输入、输出和验收标准。下面以"腹部CT肝脏及肿瘤分割"为例说明。

数据整理阶段：输入是DICOM序列或NIfTI文件，输出是统一的NIfTI格式与元数据清单。关键动作包括：把同一检查的DICOM按SeriesInstanceUID分组，用SimpleITK或MONAI的LoadImage读取，记录每例的体素间距（如0.78×0.78×1.25 mm）、方向矩阵和强度范围（CT的HU值，肝脏约40~60 HU，肿瘤可能低至20 HU）。验收标准是：所有病例可被正确读取，标签与图像空间对齐，无方向翻转。

预处理阶段：把不同来源的数据归一化到统一空间。典型配置是重采样到各向同性1.5 mm、CT窗宽窗位裁剪到[-100, 300] HU、再线性映射到[0,1]。这一步的合理性直接决定模型能否跨中心泛化。

模型开发阶段：选择网络与损失。肝脏分割常用3D U-Net或SwinUNETR，损失用Dice+CE组合；肿瘤因类别极不平衡，可改用Tversky Loss（α=0.3, β=0.7）以提升召回。

训练与调优阶段：用CacheDataset缓存预处理结果，ThreadDataLoader并行加载，配合AMP混合精度。监控指标除Loss外，必须看验证集Dice和Hausdorff Distance。

推理与后处理阶段：对超出显存的大体积CT，用SlidingWindowInferer以roi_size=(96,96,96)、overlap=0.5滑动推理，再取最大连通域去除孤立假阳性。

打包与部署阶段：用MONAI Bundle把权重、预处理配置、推理脚本打包，形成可被临床系统调用的产物。

核心挑战与应对思路

医学影像AI的工程挑战集中在四个方面，理解它们才能理解MONAI每个设计决策的动机。

本课程后续每一章都会围绕上述流程中的具体环节展开，从数据读取的第一行代码，到Bundle打包的最后一个配置文件，逐步构建完整的工程能力。你不需要一开始就掌握全部细节，但需要建立"数据决定上限、工程决定下限"的整体认知。