4. 切片级与图块级数据组织

在数字病理AI训练中，一张全切片图像（WSI）动辄数万×数万像素，无法直接送入网络。工程上必须把“切片级”的全局坐标体系与“图块级”的局部训练样本解耦，再通过多分辨率采样和高效存储把二者连接起来。本节围绕这条数据链路展开。

一、切片级与图块级：两套坐标必须显式对齐

切片级坐标以WSI的Level 0（最高分辨率）像素为基准，原点在左上角，x向右、y向下，单位是像素。图块级坐标则是某个图块在其自身小图内的坐标，通常以图块左上角为原点。二者之间靠一个仿射关系连接：

level0_x = tile_x0 + local_x * (2 ** level)
level0_y = tile_y0 + local_y * (2 ** level)
# level 为下采样层级，level 0 为原始分辨率
# tile_x0, tile_y0 为该图块在 level 0 下的左上角坐标

例如在level 2（下采样4倍）下取一个256×256的图块，其左上角在level 2坐标为(1000, 800)，则对应level 0的左上角为(4000, 3200)，右下角为(4000+256×4, 3200+256×4)=(5024, 4224)。所有标注、掩膜、检测框都必须统一到同一坐标系后再做映射，否则会出现“图块对、标签错位”的隐蔽错误。工程上建议在数据集中固定记录level0_x0, level0_y0, level, tile_size四个字段，任何坐标转换都从这四个量出发。

二、多分辨率采样：金字塔层级与采样策略

WSI通常以金字塔形式存储，level 0为原始分辨率，level n为下采样2^n倍。多分辨率采样有两层含义：一是选择在哪个层级取图块，二是同一区域跨层级组合。前者决定图块的物理视野与像素密度，后者用于多尺度特征融合。

常见策略包括：固定层级采样（如统一在level 1取512×512，对应level 0的1024×1024视野）、按目标尺寸反推层级（希望图块覆盖2048×2048的level 0区域且输出512×512，则level=2）、以及多层级配对采样（同一中心点分别取level 0和level 2图块，用于超分或跨尺度一致性训练）。采样时还需处理边缘不足：当图块超出切片有效区域时，可选择丢弃、镜像填充或零填充，但必须与推理阶段保持一致。

三、数据存储格式：从容器到索引

WSI常见格式包括Aperio SVS、Hamamatsu NDPI、OME-TIFF等，它们本质上是“金字塔图像+元数据+索引”的容器。SVS基于TIFF，每个层级是一个IFD（图像文件目录），元数据中记录MPP（每像素微米数）、扫描倍率、各层级尺寸。OME-TIFF则用XML描述层级关系，更适合跨平台。图块级训练数据通常另存为LMDB、HDF5或分片PNG/JPEG，前者适合随机读取，后者便于分布式共享。

选择格式时要关注三点：是否支持随机访问、是否保留层级元数据、是否便于与标注对齐。若把图块预先裁剪成独立文件，务必在文件名或索引中保留level0_x0, level0_y0, level，否则后续无法回溯到原切片位置。

四、高效读取策略：缓存、预取与并行

训练时若每个batch都从磁盘随机读WSI，I/O会成为瓶颈。常用做法是：

• 层级缓存：把常用层级的图块解码后放入内存或SSD缓存，按LRU淘汰。
• 顺序预取：按扫描顺序预取相邻图块，利用磁盘顺序读优势。
• 多进程并行：用DataLoader的worker并行解码，每个worker独立打开文件句柄，避免锁竞争。
• 格式转换：把SVS转为分片LMDB，减少TIFF解码开销，实测可提升2～5倍吞吐（示例值，实际取决于硬件与切片尺寸）。

五、一个可执行的图块索引示例

下面是一个图块索引表的字段设计，可直接用于LMDB或CSV：

读取时，根据level打开对应层级，用level0_x0 / 2^level得到该层级下的读取起点，再读取tile_size大小的区域。若使用OpenSlide，可直接调用read_region((x, y), level, (w, h))，其中x、y为level 0坐标，OpenSlide会自动完成层级换算。这样，切片级坐标、金字塔层级与图块级像素就形成了一条可验证、可复现的数据链路。