4. 医学影像数据增强策略

医学影像数据往往存在标注成本高、样本量小、类别分布不均衡等问题，数据增强因此成为训练流程中不可省略的一环。MONAI 的增强算子与通用视觉库最大的不同，在于它把“空间变换”和“强度变换”严格区分开，并且要求图像与标签（分割掩膜、关键点、边界框）在几何变换中保持同步。理解这一点，是选择与调优算子的前提。

先分清两类算子：几何变换与强度变换

几何变换改变体素的空间位置，必须对图像和标签施加同一套仿射参数，否则分割掩膜会与图像错位。MONAI 通过字典式变换（如 RandAffined、RandFlipd、RandCropByPosNegLabeld）自动把同一随机参数应用到 keys 中列出的所有字段，这是它相对手工实现的核心优势。强度变换只改变像素值，不改变位置，因此通常只作用于图像键，不作用于标签键。

常见的四类算子定位如下：RandFlipd 做镜像翻转，成本极低，用于扩充左右/上下对称性；RandAffined 做旋转、缩放、剪切、平移的复合仿射，用于模拟摆位差异与解剖形变；RandGaussianNoised 注入高斯噪声，用于模拟低剂量、低信噪比采集；RandCropByPosNegLabeld 按正负样本比例裁剪图像块，用于处理前景占比极小的分割任务，同时控制显存占用。

RandFlipd：最便宜也最容易用错的算子

翻转的调优空间很小，关键在“是否允许”。以轴位脑部 MRI 为例，左右翻转（spatial_axis=0）通常可接受，因为大脑近似左右对称；但上下翻转（spatial_axis=1）会破坏解剖学上的头脚方向，一般禁用。对于肝脏、心脏等存在明确左右叶或腔室结构的器官，翻转前要确认标签语义是否随之改变。典型配置为 RandFlipd(keys=["image","label"], prob=0.5, spatial_axis=0)，概率取 0.5 即可，过高会让模型过度依赖镜像不变性。

RandAffined：参数范围决定形变合理性

仿射是四类算子中最需要谨慎调参的。MONAI 中旋转、缩放、剪切、平移都以“范围”形式给出，实际值在范围内均匀采样。以 1mm 各向同性、尺寸 128×128×64 的 CT 为例，一个相对稳妥的起点是：rotate_range=(0.17, 0.17, 0.17)（约 ±10°）、scale_range=(0.1, 0.1, 0.1)（±10%）、shear_range=(0.05, 0.05, 0.05)、translate_range=(8, 8, 4)（体素单位）。旋转范围超过 ±15° 时，插值带来的边缘模糊会明显增加，且可能把病灶转出视野。

另一个关键参数是 mode 与 padding_mode。图像建议用 mode="bilinear"，标签必须用 mode="nearest"，否则会出现非整数类别值；边界填充常用 padding_mode="zeros"，但对 CT 这类有明确背景值的模态，用 "border" 可减少边界伪影。若希望每次迭代重新采样，需设置 cache_grid=False 或使用 RandAffined 的随机采样行为，而不是固定一个网格反复使用。

RandGaussianNoised：强度增强要贴合成像物理

高斯噪声模拟的是电子噪声与低剂量采集。参数 mean 一般取 0，std 需要结合图像归一化方式确定。若图像已归一化到 [0,1]，std=0.05 属于温和增强，std=0.15 以上就可能掩盖小病灶。更贴近实际的做法是把它与 RandScaleIntensityd、RandShiftIntensityd 组合，模拟不同设备的对比度与亮度差异。注意噪声只加在 image 上，绝不能加到 label 上。

RandCropByPosNegLabeld：解决前景稀疏与显存瓶颈

在 3D 分割中，若整幅图像直接送入网络，显存往往不够，而随机裁剪又可能长期采不到病灶。该算子通过 pos 与 neg 控制正负样本比例：pos=1, neg=1 表示约一半的块包含前景，pos=1, neg=3 则偏向背景。参数 spatial_size 决定块尺寸，num_samples 决定每幅图产出多少个块。例如 spatial_size=(96,96,48)、num_samples=4、pos=1、neg=1，可在保证前景覆盖的同时把单次显存占用压到可控范围。若前景极小，可适当提高 pos 或增大 num_samples，但要注意类别平衡，避免背景样本过少导致假阳性上升。

组合顺序与一个可复用的配置样例

增强通常按“几何 → 强度 → 裁剪”的顺序组合，因为裁剪会改变空间尺寸，放在几何变换之后更符合实际。下面给出一个可直接参考的 MONAI 字典式增强链示例，参数为教学示例值，需按具体数据集调整：

from monai.transforms import (
    Compose, RandFlipd, RandAffined, RandGaussianNoised,
    RandCropByPosNegLabeld, RandScaleIntensityd, RandShiftIntensityd,
)

train_transforms = Compose([
    RandFlipd(keys=["image", "label"], prob=0.5, spatial_axis=0),
    RandAffined(
        keys=["image", "label"],
        prob=0.3,
        rotate_range=(0.17, 0.17, 0.17),
        scale_range=(0.1, 0.1, 0.1),
        shear_range=(0.05, 0.05, 0.05),
        translate_range=(8, 8, 4),
        mode=("bilinear", "nearest"),
        padding_mode="border",
    ),
    RandGaussianNoised(keys=["image"], prob=0.2, mean=0.0, std=0.05),
    RandScaleIntensityd(keys=["image"], factors=0.1, prob=0.3),
    RandShiftIntensityd(keys=["image"], offsets=0.1, prob=0.3),
    RandCropByPosNegLabeld(
        keys=["image", "label"],
        label_key="label",
        spatial_size=(96, 96, 48),
        pos=1, neg=1,
        num_samples=4,
    ),
])

总体而言，翻转负责低成本扩充，仿射负责形变鲁棒性，噪声负责成像差异，裁剪负责显存与类别平衡。四者并非越多越好，而应围绕数据规模、模态特性和任务类型做取舍：数据量充足时可降低增强强度，小样本或类别极不均衡时则优先保证裁剪策略与几何变换的合理性。