3. MONAI Transform系统与数据预处理

在医学影像 AI 开发中，原始数据往往来自不同厂商、不同扫描协议、不同存储格式，直接送入网络训练几乎必然失败。MONAI 的 transform 系统正是为解决这一问题而设计的：它把“读取—几何校正—强度归一化—增强—转张量”这一整条预处理链拆成可组合、可复用、可序列化的原子变换，再通过 Compose 串成流水线。理解这套系统，关键不是记住每个类的名字，而是理解数据在变换链中如何被逐步改写，以及每一步的工程参数如何影响最终张量。

一、Compose：变换链的调度器

Compose 本身不做任何像素运算，它只负责按顺序调用子变换，并把每个变换的返回值传递给下一个。MONAI 的变换有两种调用约定：字典式（MapTransform）和数组式（Transform）。工程中推荐字典式，因为影像、标签、元数据可以放在同一个字典里同步变换，避免图像和分割掩膜错位。

from monai.transforms import Compose, LoadImaged, EnsureChannelFirstd, Spacingd, Orientationd, ScaleIntensityRanged, EnsureTyped

train_transforms = Compose([
    LoadImaged(keys=["image", "label"]),
    EnsureChannelFirstd(keys=["image", "label"]),
    Spacingd(keys=["image", "label"], pixdim=(1.0, 1.0, 1.0), mode=("bilinear", "nearest")),
    Orientationd(keys=["image", "label"], axcodes="RAS"),
    ScaleIntensityRanged(keys=["image"], a_min=-175, a_max=250, b_min=0.0, b_max=1.0, clip=True),
    EnsureTyped(keys=["image", "label"]),
])

这段配置的顺序不是随意的：LoadImage 必须先执行，否则没有数据可处理；EnsureChannelFirst 要在几何变换前完成，保证通道维语义正确；Spacing 和 Orientation 都属于几何重采样，通常放在强度变换之前，避免插值把归一化后的数值再次平滑；EnsureTyped 放在最后，把 NumPy 数组统一转成 PyTorch 张量。

二、LoadImage：把文件变成带元数据的数组

LoadImaged 封装了 ITK、Nibabel、PIL 等后端，能读取 NIfTI、DICOM、PNG 等格式。它最重要的工程价值是同时产出数组和元数据：image.meta["affine"] 保存体素到世界坐标的仿射矩阵，meta["spacing"] 保存原始体素间距，meta["original_channel_dim"] 记录通道维位置。这些元数据是后续 Spacing、Orientation 能正确工作的前提。

实操中常见的一个坑是 DICOM 序列读取。若一个目录下有多层 DICOM，应使用 LoadImaged(reader="PydicomReader") 并配合 LoadImage 的 image_only=False，否则可能只读到单帧。另一个坑是 EnsureChannelFirstd 必须紧跟 LoadImage，因为不同后端的通道维位置不一致，延迟处理会让后续变换误判维度。

三、Spacing：统一体素物理尺寸

不同设备扫描出的体素间距可能相差数倍，例如 CT 常见 0.7×0.7×1.25 mm，而某些 MRI 可能是 1×1×3 mm。若直接训练，网络会把“物理上相同大小的病灶”看成不同像素规模，严重损害泛化。Spacingd 通过重采样把体素间距统一到目标值 pixdim。

工程配置要点有三：其一，pixdim 应参考数据集统计中位数，而不是拍脑袋取 1×1×1，过细会显著增加显存和计算量；其二，图像用 mode="bilinear"，标签必须用 mode="nearest"，否则分割类别会被插值成小数；其三，align_corners=True 在多数医学影像场景下更符合物理对应关系。重采样后，meta["spacing"] 会更新为目标间距，仿射矩阵同步缩放。

四、Orientation：统一解剖方向

医学影像的轴方向由仿射矩阵决定，常见的有 RAS、LPS、LAS 等。如果训练集里混有不同方向的数据，网络学到的“上下左右”就是混乱的。Orientationd(axcodes="RAS") 会把所有影像重定向到统一解剖坐标系：R 表示从左到右，A 表示从后到前，S 表示从下到上。

需要注意，Orientation 只改变轴的排列和翻转，不改变体素间距，因此它和 Spacing 是互补的。两者顺序上，先 Spacing 再 Orientation 或反之在数学上等价，但工程上建议先 Spacing，因为重采样后再翻转轴，计算量更可控。执行后应检查 meta["original_affine"] 与当前 affine 的关系，确认方向确实被改写。

五、IntensityNormalization：让数值分布可比

强度归一化决定网络能否稳定收敛。MONAI 提供多种选择：ScaleIntensityRanged 做线性截断缩放，适合 CT（如把 -175~250 HU 映射到 0~1）；NormalizeIntensityd 做零均值单位方差，适合 MRI；ScaleIntensityd 做简单 min-max。选择依据是模态的物理含义：CT 的 HU 有绝对意义，应保留窗宽窗位逻辑；MRI 强度无绝对单位，更适合按非零区域统计做 z-score。

一个容易被忽略的工程细节是：归一化应只对图像执行，标签不参与；同时 clip=True 能防止极端值把动态范围拉偏。若使用 NormalizeIntensityd，建议设置 nonzero=True，只统计前景体素，避免大量背景零值拉低均值。

六、工程化配置的检查清单

把上述变换组装成可复现的流水线后，建议在正式训练前做一次“单样本可视化验证”：取一个样本，依次打印每个变换后的 shape、spacing、affine 和强度范围，确认图像与标签的几何关系始终一致。常见故障包括：标签被插值成非整数类别、通道维位置错误导致 Spacing 把通道当成空间维、归一化把背景零值纳入统计导致前景对比度被压缩。

最后强调一点：Compose 的顺序不是“随便排”，而是由数据依赖和物理语义共同决定的。LoadImage 提供元数据，ChannelFirst 固定维度语义，Spacing 和 Orientation 统一几何参照，IntensityNormalization 统一数值分布，EnsureTyped 完成框架对接。每一步都在改写数据的某个属性，理解这些属性的变化，比记住 API 名称更重要。