2. 医学影像数据格式与读取

在 nnU-Net 的工程链路里，数据格式与读取不是“顺手做一下”的前置步骤，而是决定后续预处理、训练和推理是否正确的根基。医学影像常见的三种格式——DICOM、NIfTI、NRRD——各自承载的信息结构不同，读取工具的行为也不同。如果在这一步把方向、spacing 或原点理解错，后面所有基于体素的操作都会系统性偏移。

三种格式的定位与结构差异

DICOM 是临床设备输出的原始格式，通常一个序列由成百上千个文件组成，每个文件对应一层切片。它把像素数据放在 PixelData 标签里，把几何信息分散在 ImagePositionPatient、ImageOrientationPatient、PixelSpacing、SliceThickness、SpacingBetweenSlices 等标签中。DICOM 的强项是保留采集参数和患者信息，弱项是几何信息分散、层间距可能不均匀，且不同厂商的私有标签会带来兼容问题。

NIfTI 是神经影像与科研分割中最常见的格式，通常一个 .nii 或 .nii.gz 文件就包含完整三维体数据。它的几何信息集中在头信息里：pixdim 记录体素尺寸，qform 和 sform 记录体素坐标到世界坐标的仿射变换。NIfTI 的强项是单文件、几何紧凑，弱项是 qform 与 sform 可能不一致，需要明确以哪个为准。

NRRD 常用于医学影像处理工具链，支持多通道、多组件和自定义元数据，头信息以键值对形式保存，空间方向通过 space directions 和 space origin 描述。它在保留方向信息方面比较直观，适合作为中间交换格式。

SimpleITK 与 nibabel 的读取差异

SimpleITK 读取后返回的是 sitk.Image，其数组索引顺序是 (z, y, x)，而 NumPy 习惯的数组顺序是 (x, y, z)。因此从 SimpleITK 转到 NumPy 时，必须用 GetArrayFromImage()，它会把轴顺序调整为 (z, y, x) 对应的 NumPy 数组；如果直接用 GetArrayViewFromImage() 再手动转置，容易在后续处理中把轴顺序弄反。SimpleITK 的 GetSpacing() 返回的是 (x, y, z) 方向的体素尺寸，GetOrigin() 返回世界坐标原点，GetDirection() 返回方向余弦矩阵。

nibabel 读取 NIfTI 后返回 Nifti1Image，通过 get_fdata() 得到 NumPy 数组，轴顺序天然是 (x, y, z)。它的 header.get_zooms() 返回体素尺寸，affine 属性给出 4×4 仿射矩阵，把体素索引映射到世界坐标。nibabel 不直接提供“方向余弦”概念，而是通过 affine 的前 3×3 子矩阵表达旋转、缩放和剪切。

两者最关键的差异在于：SimpleITK 把方向、spacing、origin 分开存储，nibabel 把它们统一进 affine。理解这一点，才能在两种工具之间安全转换。

方向与 spacing 的处理原则

方向处理的核心是“世界坐标一致性”。DICOM 的 ImageOrientationPatient 给出图像行、列方向余弦，ImagePositionPatient 给出每层左上角体素的世界坐标。SimpleITK 读取 DICOM 序列后，会把这些信息整合成 direction、spacing、origin 三件套。NIfTI 的 affine 则把这三者合并成一个矩阵。无论用哪种工具，最终都要回答同一个问题：体素索引 (i, j, k) 对应的世界坐标是什么。

spacing 处理要特别注意顺序。SimpleITK 的 GetSpacing() 返回 (sx, sy, sz)，对应数组的 x、y、z 轴；而 GetArrayFromImage() 得到的数组轴顺序是 (z, y, x)，所以数组第 0 轴对应的是 sz，第 2 轴对应的是 sx。nnU-Net 在预处理时会统一重采样到目标 spacing，如果这里把 spacing 顺序弄反，重采样后的解剖比例就会失真。

一个实用的检查方法是：读取后打印 image.GetSize()、image.GetSpacing()、image.GetDirection()，再用 GetArrayFromImage() 打印数组 shape，确认 shape 与 size 的轴顺序对应关系。对于 NIfTI，打印 img.shape、img.header.get_zooms() 和 img.affine，检查 affine 对角线元素是否与 zooms 一致（允许旋转和剪切时非对角元素不为零）。

实际读取示例

下面给出一个可参考的读取与几何信息检查片段，示例参数为合理假设，实际运行时以数据为准。

import SimpleITK as sitk
import nibabel as nib
import numpy as np

# SimpleITK 读取 NIfTI
sitk_img = sitk.ReadImage("case_001.nii.gz")
arr_sitk = sitk.GetArrayFromImage(sitk_img)   # (z, y, x)
print("size:", sitk_img.GetSize())            # (x, y, z)
print("spacing:", sitk_img.GetSpacing())      # (sx, sy, sz)
print("origin:", sitk_img.GetOrigin())
print("direction:\n", sitk_img.GetDirection())
print("array shape:", arr_sitk.shape)         # (z, y, x)

# nibabel 读取同一文件
nib_img = nib.load("case_001.nii.gz")
arr_nib = nib_img.get_fdata()                 # (x, y, z)
print("shape:", nib_img.shape)                # (x, y, z)
print("zooms:", nib_img.header.get_zooms())   # (sx, sy, sz)
print("affine:\n", nib_img.affine)

# 轴顺序转换：nibabel (x,y,z) -> SimpleITK 数组 (z,y,x)
arr_from_nib = np.transpose(arr_nib, (2, 1, 0))
assert arr_from_nib.shape == arr_sitk.shape

这段代码的关键不是“能读出来”，而是通过打印和断言确认两种工具读到的几何信息一致。如果 arr_from_nib 与 arr_sitk 的 shape 不一致，说明轴顺序理解有误；如果 spacing 与 affine 对角线不匹配，说明方向或缩放信息在转换中丢失。

常见陷阱与判断依据

第一类陷阱是 qform 与 sform 不一致。nibabel 默认优先使用 sform，但某些数据可能只设置了 qform。此时应显式检查 header['qform_code'] 和 header['sform_code']，必要时用 nib.aff2axcodes() 查看方向编码，确认是否与预期解剖方向一致。

第二类陷阱是 DICOM 层间距不均匀。SimpleITK 读取时如果发现层间距不一致，会给出警告或按平均间距处理。对于 nnU-Net，建议先检查 SpacingBetweenSlices 与 SliceThickness 是否一致，必要时在重采样前做层间插值。

第三类陷阱是方向翻转。不同工具对 RAS、LPS 坐标系的约定不同，DICOM 使用 LPS，NIfTI 使用 RAS。SimpleITK 内部统一为 LPS，nibabel 的 affine 通常对应 RAS。跨工具转换时，必须明确当前坐标系，否则左右、前后方向可能整体翻转。判断依据是：用 nib.aff2axcodes(img.affine) 得到方向编码，再与解剖学预期比对；如果出现 L 与 R 互换，说明坐标系约定没有对齐。

把格式解析、读取工具差异、方向与 spacing 处理这三件事做扎实，后续的归一化、重采样、滑窗推理才有可靠的空间基础。读取阶段多打印、多断言、多比对，远比训练阶段反复调参更省时间。