简介面向医学影像分割研究与深度学习模型训练这份超声腹部多器官图像分割数据集覆盖肝脏、肾脏、胆囊、脾脏及血管等主要解剖结构并包含胰腺、肾上腺、骨骼等其他标注类别每类结构均提供像素级标签适合开展多器官联合分割、类别不平衡处理及模型鲁棒性验证。包内共1855个文件图像与标签均以png格式存放并附带txt说明与py脚本前者可用于核对类别与数据组织方式后者可作为批量预处理或转换的参考所有数据已完成对比度拉伸、resize和像素点映射等变换下载后即可进入训练流程。压缩包整体约43.58MB体积紧凑便于快速下载和本地部署。目前已有714人学习下载数据规模适中对于需要现成超声分割数据集的初学者和研究者而言是一份实用且便于复现的基准资源结合后处理脚本还可灵活适配不同框架与实验需求。1. 超声腹部多器官图像分割数据集从标注到落地的完整路径我第一次接触超声腹部多器官图像分割数据集这个任务时以为它只是“图像分割”加了个医学前缀。直到把肝脏、肾脏、胆囊、脾脏和血管同时塞进同一张训练图第一版 Dice 停在 0.4 附近才意识到这类数据的难点根本不在于网络结构而在于器官之间灰度差异小、边界被声影吞掉、血管这类管状结构又天生不买通用分割损失的账。这个数据集方向要解决的实际问题很明确在不改变超声检查流程的前提下把单帧图像里多个腹部器官同时分离出来给测量、诊断和手术规划提供定量依据。适合正在做医学图像分割落地的算法工程师以及想自建超声数据集的影像科和科研团队。2. 腹部多器官分割难点拆解信噪比低、边界缺失与类别不平衡2.1 为什么单器官模型搬到腹部多器官会翻车把在肾脏分割上表现不错的单器官网络直接用在腹部多器官上最常见的翻车方式是“抢地盘”。肾脏分割网络只认识肾脏周围那一小片灰度模式一旦输入图像里同时出现肝脏、脾脏和胆囊模型会把灰度相近的实质器官区域也标成肾脏。这背后的原因不是网络过拟合而是单器官数据集的标签分布极度单一模型根本没有机会学习“这个区域不是肾脏”的负样本边界。多器官分割任务里每个器官除了要有正样本的灰度特征还必须学会器官之间的空间排列关系。肝脏在右侧膈顶下方脾脏在左侧胆囊嵌在肝脏的下缘肾脏分居脊柱两侧。这些解剖位置约束是单器官任务不会出现的额外信息。常见的做法是先跑通单器官预训练再做多器官微调但这个路线在腹部超声上并不总能奏效因为预训练模型会把“看像肾脏”的低级特征置于“位置不对所以不是肾脏”的高级约束之上微调阶段很难纠正。另一个被低估的因素是标注成本。单器官分割只需要一个标注人员盯一个边界多器官分割同一帧图要过五六个器官和血管 slice 之间的连续性、器官与器官之间的间隙都要保持严格一致。很多团队第一版数据集的器官边界互相打架模型学到的是标注人员之间的矛盾而不是解剖结构本身。所以对这类数据集标注协议的设计比网络选型更关键协议错了后面所有步骤都会连带出错。2.2 肝脏、肾脏、胆囊、脾脏和血管的灰度与形态特性对比为了说清楚为什么多器官分割难我把五个主要目标在 B 超图像里的典型表现整理成了下面这张表标注协议和模型参数设定都依赖这些特性。目标结构典型灰度表现形态特征分割主要难点肝脏均匀中等回声大块楔形边界受膈肌遮挡与右肾、胆囊床灰度接近边界依赖解剖位置肾脏皮髓质回声有差异蚕豆形轮廓相对清晰声影区常落在肾下极导致边界缺口胆囊无回声暗区梨形壁薄与血管腔在灰度上几乎无法区分只能靠形态和位置脾脏均匀回声新月形包膜光滑肋骨声影大面积遮挡上极难以完整勾画血管管状无回声门静脉、肝静脉呈树状分支管径细、走向多变与胆囊暗区混淆程度高胆囊与血管腔在灰度上几乎一模一样都是无回声暗区区分它们只能靠“胆囊位置固定、血管有分叉”这种解剖先验。肝脏与右肾之间的边界也是一条模糊带很多标注人员会把肝肾间隙整体画给肝脏导致肾脏顶部缺失。多器官分割与单器官分割最大的差异就在这里你必须为这些“灰度解决不了、只能靠位置和形状判断”的区域单独定义规则。表格还反映出一个参数选择问题——类别之间的面积占比差异极大。肝脏在腹部切面里可能占据三分之一以上像素血管往往只有几个百分点。如果不做类别权重调整网络会把血管和胆囊当作背景直接吞掉。所以损失函数设计必须先计算训练集里每个类别的体素占比再做加权或使用带类别频率项的损失函数。2.3 类别不平衡和边界不确定性两个必须提前处理的点类别不平衡在超声腹部多器官里几乎无解。肝脏大、血管小脾脏中等但被声影切碎胆囊的灰度又和血管冲突。我在项目里一般会在训练前统计所有标注掩膜的类别直方图算每个类的体素占比然后按“中位数面积类别为基准、其他类按比例补偿”的方式设定损失权重。不要直接用全局中位数做权重那样小目标类别的权重会被压得过低要按“每个类别体素占比倒数”的幂次缩放幂次取 0.5 到 1 之间才能兼顾大器官的稳定性和小器官的召回。边界不确定性是超声图像分割特有的问题。同一帧肝脏图像两个经验不同的标注医师画出来的边界差两三个毫米很正常因为声影边缘在图像上根本没有信息可参考。此时要么在标注协议里规定“边缘不清晰区域必须画到灰度突变处禁止画到声影区内部”要么在标签里额外增加一个“不确定地带”类别在训练时将该区域的损失置零让模型不学习这种噪声。我倾向于后者尤其当模型在肝膈交界处反复出现外扩时往往就是训练标签里混入了大量主观边界。边界不确定性还影响评估。如果医生之间本身的标注差异就有 Dice 0.85那么模型跑到 Dice 0.88 已经接近天花板不需要再死磕网络结构。建议在数据准备阶段就做一次标注者间一致性测试用两个标注者分别画同一批图算出基线 Dice后续模型达标线直接对齐这个基线。3. 自建超声腹部多器官数据集的关键步骤抽帧、清洗与标注协议3.1 数据来源与抽帧策略从 DICOM 视频到去重后的 PNG 序列自建超声数据的常见来源是超声设备导出的 DICOM 文件、录像视频和截图。DICOM 文件大多包含多帧图像可以直接逐帧导出录像视频则需要按时间抽帧。抽帧间隔既不能太密也不能太疏太密会让相邻帧几乎相同、白白浪费标注量太疏又会漏掉呼吸运动造成的器官位置变化。我一般用 ffmpeg 按每秒 2 到 4 帧抽取视频抽完再做感知哈希去重把连续帧里相似度高于阈值的帧丢弃。超声视频的帧间信息冗余非常大按这个策略通常能砍掉一半以上的重复帧。下面是抽帧与去重的常见命令写法# 从超声视频中按 2 帧/秒抽帧输出到 frames 目录 ffmpeg -i raw_video.mp4 -vf fps2 -qscale:v 2 frames/frame_%05d.png # 用 Python 计算相邻帧的感知哈希删除相似度高于 0.95 的帧 python dedup_frames.py frames/ 0.95fps2是经验值呼吸周期大约 3 到 5 秒按这个频率能拍到不同呼吸相位的器官位置又不至于让标注量爆炸。qscale:v 2控制输出图像质量数值越小质量越高超声图像本身分辨率不高取 2 到 4 即可。去重阈值 0.95 是相似度上限超声切面里探头如果完全静止帧间差异本来就很小这个阈值可以有效过滤无效帧如果图像里有呼吸运动造成的轻微位移阈值可以放宽到 0.9但要留意会丢掉一部分有用帧。抽帧之后还要做一个清洗动作删除掉那些探头未贴紧皮肤、图像全黑或气泡干扰严重的帧。判断方式很简单计算图像灰度方差方差过低的帧基本是空采或无效帧。这一层清洗建议在标注前做否则标注人员会把大量时间砸在废图上。3.2 标注协议类别体系、解剖学命名与争议处理标注协议是整个数据集的灵魂它解决的核心问题是“同一帧图两个人画出来的结果能不能对齐”。先定义类别体系我这里给一个常见的最小集合肝脏、左肾、右肾、胆囊、脾脏、门静脉、肝静脉、下腔静脉。为什么要分门静脉和肝静脉而不统一叫“血管”因为这两类血管走向和临床意义完全不同混在一起会影响分割结果的可用性。标注规则的制定要按器官逐条写清楚。肝脏包括完整的肝实质边界画到肝包膜胆囊窝处的无回声暗区不属于肝脏胆囊只画囊腔不画胆囊壁肾脏画整个实质轮廓包括皮髓质脾脏要跨过肋骨声影把实际解剖边界补全不能只在图像可见区域画一小块。这些规则听起来琐碎但每一句都会直接影响训练标签的质量。争议处理机制是协议里最容易忽略的部分。超声图像里频繁出现“这个暗区是胆囊还是血管”“肝右下缘和肾上极的分界在哪”这类问题。常见做法是规定一个优先级顺序位置靠近胆囊窝的暗区优先归类为胆囊血管只有在能追踪到连续管状结构时才标注单帧切面里无法判断归属的区域直接标记为不确定类别不进训练损失。这套优先级写进协议后标注者之间的分歧会明显减少。标注工具我一般推荐支持多类别多边形和笔刷的开源工具比如 ITK-SNAP 或 labelme。笔刷适合大面积实质器官多边形适合胆囊和血管。标注完成后统一导出为灰度索引图类别 ID 必须连续从 0 开始背景为 0器官依次编号避免模型在类别映射上踩坑。3.3 一致性控制双人标注、共识合并与质量检查标注质量的底线不是“每张图看起来差不多”而是“同一个器官在不同帧之间的边界连续、面积变化平滑”。我使用双人独立标注加仲裁的流程随机抽取 15% 的帧由两名标注者分别画计算每个器官的 Dice 和表面距离。肝脏 Dice 低于 0.9、胆囊低于 0.85 的帧说明协议表述有歧义需要回到上一步修改规则通过阈值后才进入正式标注阶段。正式标注做完之后还要做一次交叉审核。把每个序列的掩膜按时间顺序回放观察器官边界是否出现跳动。肝脏和脾脏的边界在相邻帧之间应该是连续渐变的如果某一帧突然凹陷多半是标注时漏画了肋下区域。为了让质量检查更客观还可以加一个统计维度每个器官在整段序列里的面积随帧号的变化曲线异常尖峰对应的帧直接拉回重画。质量检查通过后数据集才真正可以使用。此时还要做一步像素级统计确认所有类别都出现在训练集和验证集里并且验证集的器官面积分布与训练集大致一致。很多团队在数据集上踩的第一个坑就是验证集里只有肝脏和肾脏胆囊只有零星几帧结果模型对胆囊的评价指标完全失真。4. 用 nnU-Net 跑通多器官分割最小训练命令与关键参数调整4.1 为什么不用现成 UNet 而是选 nnU-Net很多人拿到医学分割任务第一反应是拿一个公开 UNet 跑一下但这个做法在超声腹部多器官任务上有明显缺陷。通用 UNet 的预处理非常简单通常是缩放到固定尺寸加标准化但超声图像的灰度分布在不同探头频率、不同增益条件下差异很大没有自适应预处理的话模型对设备差异极其敏感。nnU-Net 的优势在于它内置了数据集分析流程会根据目标图像的中位数尺寸、体素间距和类别占比自动决定 patch size、下采样倍数和归一化方式这套机制非常适合灰度分布不稳定的超声数据。另外腹部多器官任务对标签平滑度的要求很高。胆囊和血管这类小目标如果网络输出几十个小碎片后处理要花大量时间。nnU-Net 默认使用基于损失函数的硬伪标签和强数据增强在这些细长结构上表现比裸 UNet 稳定很多。我把 nnU-Net 当前版本作为基准模型后续再替换成更轻量的结构做推理侧优化。4.2 数据组织与最小训练命令nnU-Net 的输入数据要求一个标准目录结构。原始图像和对应掩膜分别放在imagesTr、labelsTr和imagesTs目录图像文件名用case_0000.nii.gz这种四位数后缀格式掩膜文件不需要后缀编号。超声图像如果原本是 PNG需要先转成 NIfTI 格式这里用 SimpleITK 批量转即可。# 将 PNG 序列转换为 NIfTI 并组织为 nnU-Net 标准结构 python prepare_data.py \ --png_dir frames/ \ --mask_dir labels/ \ --output_dir nnUNet_raw/ \ --dataset_name Dataset011_AbdUS # 运行 nnU-Net 数据预处理生成经验配置 nnUNetv2_plan_and_preprocess -d 11 --verify_dataset_integrityDataset011_AbdUS是数据集命名规范11是数据集 ID可以自行定义--verify_dataset_integrity会检查图像与掩膜尺寸是否匹配、类别 ID 是否连续。预处理完成后可以用plan_and_preprocess输出的配置文件直接启动训练# 启动 2D 或 3D 训练这里以 2D 为例 nnUNetv2_train 11 2d 0超声腹部切面本质上是二维图像2D 模型已经能覆盖大多数场景而且显存占用更低、训练更快。3D 模式适合带有层间信息的体数据但如果你的数据集是单帧抽帧得到的2D 是更稳妥的起点。4.3 关键参数调整patch size、损失权重与后处理nnU-Net 自动生成的配置不一定是最优解我通常会手动修改两个地方。第一个是 patch size。超声图像里肝脏和脾脏面积大patch size 太小时上下文不够无法区分肝和肾太大又会让小目标类别胆囊和血管在 patch 里占比过低。常见做法是保留 nnU-Net 自动规划的 patch size但把 batch size 调小以保证显存充足训练中用小 patch 和大 patch 交替输入让模型同时看到细节和全局结构。第二个是损失函数权重。nnU-Net 默认使用 Dice 和交叉熵的组合但对面积占比很小的血管类别默认权重不够。可以在配置文件的损失函数部分给血管类别乘以 2 到 3 的额外权重。我一般直接用类别体素占比的倒数做权重同时设一个上限防止小类别权重高到把其他器官吞掉。推理后处理也会显著影响最终效果。超声分割的常见问题是器官边界上的孤立噪点我习惯在预测概率图上做条件随机场平滑再按“保留最大连通域”的规则处理每个类别尤其是血管。不过这类后处理需要按器官分开验证肝脏这种大器官被切碎的情况很少而血管几乎总是碎成几十段连通域过滤能明显改善血管分割的连续性。5. 训练多器官分割模型避坑从标注错位到假阳性的 5 个问题5.1 验证集 Dice 很高临床视频里却“满屏乱标”现象训练集和验证集都是从同一批超声设备抽帧验证集 Dice 稳定在 0.9 以上但换到另一台超声设备、另一个探头频率的视频上模型输出的掩膜覆盖了大半个屏幕满屏都是分割区域。原因这是典型的域偏移问题。验证集和训练集来自同一台设备、同一个增益设置模型的灰度归一化参数被锁死在这个分布里临床设备换一个探头规格灰度分布整体平移模型就把原本不是器官的区域强行归为前景。解决在数据层面加入多种设备的样本这是最直接的方案如果做不到就在预处理阶段把灰度归一化改成基于局部对比度的方法而不是全局均值方差归一化。另外在推理时对输出概率图做一个简单的全局阈值筛选低于 0.5 的一律置为背景能缓解一部分“满屏乱标”的假阳性。5.2 血管分割断成一截一截中间总有缺口现象门静脉和肝静脉在真实图像里是连续的管状结构模型输出却是一段一段的短棒各个段之间有明显空隙后处理也无法补全。原因血管在单帧 2D 图像里本来就只有一小段截面如果标注协议允许“只有连续追踪到才标注”那么训练标签里血管类别天然是断开的模型学到的就是“断开是正常形态”自然输出也会断。解决标注阶段要求每帧图里只要能确认是一条血管就必须完整标注不允许只标局部训练时用连通域相关的损失项惩罚碎片化输出或者在推理后处理里做形态学闭运算加最大连通域保留。二选一的话先修标注协议后处理只能应急。5.3 肝脏边界往外扩把声影区也吞进去了现象肝脏下缘的掩膜明显超出了真实轮廓把本该是暗区的地方都标成了肝实质体积测量结果偏大。原因声影区没有灰度信息标注人员在画肝下缘时如果经验不足会把声影边界当作肝包膜模型在训练时把这些错误边界当成标准答案学习越学越往外扩。解决在标注协议里增加一条“不确定区域置为忽略类不参与损失计算”同时把肝下缘有无声影、声影范围多大写进协议保证标注者对边界判断一致。训练配置里把忽略类的损失权重设为 0模型就会把这块区域视作不关心区不再向外延伸。5.4 胆囊和血管在预测结果里互串时常互换身份现象胆囊附近出现一个和胆囊大小差不多的管状低回声结构模型有时把它预测成胆囊有时预测成血管两个类别的 Dice 都不稳定。原因胆囊和血管腔在 B 超灰度上几乎相同模型如果只依赖灰度特征无法区分它们解剖位置是唯一的区分线索但 2D 单帧网络对位置先验建模能力有限。解决把输入扩展到多帧用相邻帧之间的结构连续性区分胆囊和血管胆囊在连续帧里的位置相对固定血管会呈现分叉或走行变化。另一个做法是训练时把胆囊和血管类别合并成一个“无回声腔隙”类推理后再基于形态和位置规则拆分也能缓解身份互串。5.5 数据增强太猛使脾脏和肾脏的金标准发生形变错位现象训练时做了大量空间增强比如随机缩放、旋转和弹性形变训练集 Dice 持续上升但验证集在脾脏边界处的 Hausdorff 距离反而变大。原因超声图像里脾脏上极被肋骨声影遮挡标注边界主观性本身就很强再加上弹性形变增强掩膜边界被扭曲模型学到的是不真实的边界形状。解决把弹性形变的幅度降低或者对分割掩膜的边界区域单独做位置扰动而不是直接对整个器官做几何变换。另外验证集里特意保留一批只有轻微平移的原始帧专门用来监控边界类指标。6. 验证与迭代技巧用表面距离和半自动标注把模型送回产线6.1 在 Dice 之外加上边界距离指标Dice 是面积重叠率它对大器官的微小偏移很宽容肝脏体积大就算边界偏了 3 毫米Dice 依然能到 0.9。所以评估超声腹部多器官分割时我会同时报告表面 Dice、Hausdorff 距离和平均表面距离。前两个指标直接反映边界的临川可用性尤其是胆囊和血管边界偏移 1 毫米在临床上就可能是完全不同的诊断结论。6.2 用半自动标注把模型预测送回去做预标注模型第一版跑通之后最直接的收益是标注效率提升。把预测结果作为预标注掩膜导入标注工具标注者只需修正错误边界不需要从零开始画。这样做的正确顺序是先严选一批高置信度帧做预标注再让标注者修改每修改完一批就把这部分数据加回训练集重新训练形成半自动标注闭环。这个流程可以把标注成本压缩到原先的三成左右质量反而更高因为标注者把精力集中在边界争议区域。6.3 我的一个习惯每个类别单独写评估基线我在超声多器官分割项目里保留的习惯是每个器官类别单独记录一条基线包括标注者间一致性、初始模型指标和略高于人工的优化目标线。当模型在胆囊上的 Dice 低于标注者一致性时我不会去调网络而是先回头检查标注协议、确认胆囊的定义是否足够明确。这个习惯帮助我避免了好几次“盲调网络”的弯路。先定协议、再定基线、然后才是调模型顺序反了就会在一个不可靠的数据集上反复内耗。希望这个顺序也能帮到正在做同类任务的你。本文还有配套的精品资源点击获取