简介：面向医学影像分析研究人员与算法开发者，这份三维CT肺结节检测项目资源包基于LUNA16数据集，提供从图像预处理、特征提取到结节自动检测与分类的整套实现方案，有助于解决手动阅片耗时费力、易受主观经验影响等现实问题。资源包共54个文件，以Python代码为核心，涵盖数据读取与转换、预处理流水线、检测网络、分类网络、训练配置、测试评估和结果提交等环节，同时附带CSV格式的标注与预测数据、IPYNB演示笔记本、NPY数组和PNG示例图，方便对照运行。整体压缩包大小约9.6MB，目录结构清晰，已有479人学习，适合希望快速上手LUNA16基准评测、复现三维肺结节检测实验或在此基础上开展进一步研究的学生与工程师。压缩包内还包含README说明、Shell一键运行脚本及候选样本、标注信息等CSV文件，能够帮助使用者快速理清整个项目流程，减少环境配置与数据整理时间，将更多精力聚焦在模型改进与结果分析上。 每次下载医学影像相关的开源项目，我最常见的动作是先解压，然后对着里面的文件结构愣半天。这个标题带 .zip 后缀的项目——3D-CT成像肺结节检测（LUNA16数据集），表面上看是一份打包好的数据集加代码，实际上它是切入医学影像AI分析最经典的一道门槛。LUNA16 全称 LUng Nodule Analysis 2016，是当年和 Kaggle 联合举办的肺结节检测挑战赛，直到今天依然被大量论文当作基准。如果你刚接触医学影像，或者已经跑过 2D 分类任务想往 3D 方向走一步，这个项目很值得花时间吃透。这篇文章我就从数据、预处理、网络设计、训练评估到工程复现的完整链路，把我在实操中的理解一次讲清楚。
1. LUNA16数据集的真实面貌：不是“数据”而是“考卷”
1.1 从LIDC-IDRI到LUNA16，一大半数据被“筛选标准”筛掉了
很多新手第一次打开 LUNA16 的官方页面，会误以为它是原始影像数据集合。实际上，LUNA16 是建立在 LIDC-IDRI 基础上的一套“二次剪辑”数据集。LIDC-IDRI 本身包含 1018 例胸部 CT 扫描，由美国国家癌症研究所牵头收集，四名放射科医生分别对每个病例中的肺结节进行勾画和标注。但 LIDC-IDRI 存在一个工程上的问题：数据质量差异很大，部分扫描的层厚太厚、重建参数不统一，直接丢给深度学习模型会引入大量干扰。
LUNA16 的筛选逻辑非常明确：剔除了 slice thickness（层厚）大于 3mm 的扫描，同时剔除了那些像素间距差异过大的数据，最终保留了 888 例 CT。别小看这个“剔除”动作，它本质上是在告诉你一件事：医学影像数据集的质量控制，往往比模型结构对最终效果的影响更大。我见过不少人在跑 2D 分类任务时，用原版 LIDC-IDRI 数据，结果模型在验证集上表现不错，一上测试集就崩，十有八九是层厚和重建核不一致导致的域偏移问题。
1.2 标注体系：结节直径阈值与位置信息的隐藏门道
LUNA16 的标注文件是一个 CSV，里面记录着每个结节对应的 CT 序列编号、世界坐标系下的空间位置（x, y, z）以及直径。这里最容易被忽略的是“直径”的判定标准。数据集里把结节分成了三类：直径小于 3mm 的、大于等于 3mm 但小于 10mm 的、以及大于等于 10mm 的。在 LUNA16 挑战赛中，只有直径 >= 3mm 的结节才算作“阳性目标”，小于 3mm 的完全不参与评估。
这意味着什么？意味着如果你的模型把一颗 2.9mm 的微小结节识别出来了，比赛中不会给你加分，但它依然可能是一个真结节。从临床角度看，识别出微小病灶当然有价值；从竞赛评估角度看，这些样本会被当作背景处理。这种“标注口径”的差异，直接影响你设计损失函数时怎么处理样本权重。我建议你把直径信息保留下来做两路处理：一路作为二分类标签参与训练，另一路作为回归目标让模型预测结节直径，虽然论文里不一定提，但实测对特征学习有正向帮助。
1.3 真正的难点是8个FPs/scan的假阳性率控制
LUNA16 的评估方式不是普通分类任务的 Accuracy 或 AUC，而是使用了 FROC 曲线和 CPM（Competition Performance Metric）指标。官方把算法输出的候选结节按置信度排序，计算出在平均每张 CT 扫描 0.125、0.25、0.5、1、2、4、8 个假阳性（FPs/scan）这 7 个点的召回率，然后取平均值作为最终得分。
理解这个评估方式之后，你会发现 LUNA16 的设计哲学非常清楚：检测灵敏度只是底线，控制假阳性才是真正的分水岭。一张 CT 扫描通常有几百个层面的图像，肺野内的血管断面、支气管壁、炎症疤痕、胸膜增厚，在横断面图像上长得都像结节。如果你只追求“检出率”，把阈值调低，很快就能达到 95% 以上的灵敏度，但每张 CT 可能同时产生几百上千个假阳性——这在临床上完全没有实用价值。所以读这个项目时，不要只盯着模型结构，要把“候选生成 + 假阳性消减”两阶段架构当作一个整体来理解。
2. 3D医学影像预处理：动手前先把“体素世界”对齐
2.1 体素间距重采样，先把CT切成“正立方体”
CT 图像本质上是一个三维体数据，每个体素对应一个物理空间坐标。但不同设备的扫描参数不一样，导致同一个病人的 CT 数据，x 和 y 方向的像素间距通常是 0.5-0.8mm 左右，而 z 方向的层间距可能达到 1-3mm。换句话说，体素是“长方体”而不是“正方体”。
如果你直接把这种数据喂给 3D CNN，模型会学到一种错误的“形状”概念：一个真实直径为 10mm 的球形结节，在 x-y 平面上占据 20 个像素，在 z 轴上可能只占 5 个像素，这会让卷积核的空间感受野在三个方向上的物理尺寸完全不对等。标准做法是使用线性插值或三线性插值把整个体数据重采样到各向同性分辨率，最常用的是 1mm x 1mm x 1mm。这样每个体素的物理尺寸一致，模型看到的结节形状才不会被数据采集参数扭曲。
2.2 HU值截断、归一化与窗宽窗位
CT 图像的值域是亨氏单位（Hounsfield Unit, HU），空气大约是 -1000HU，水是 0HU，致密骨可以到 +1000HU 以上。对于肺结节检测任务，绝大多数有效组织集中在 -1000HU 到 400HU 之间。直接把原始 HU 值输入网络有两个问题：一是饱和度过高，网络需要额外学习“哪些范围不重要”这个先验；二是不同扫描之间的 HU 分布差异巨大，即使同一台机器在不同重建参数下也会有偏移。
常规操作是先做一个截断（clip），把低于 -1000HU 的值和高于 400HU 的值裁掉。然后再做一次全局归一化，通常用均值减除和标准差缩放，把像素范围大致拉到 -1 到 1 之间。有些实现会针对肺实质区域先做分割，只在肺部 mask 内部计算统计量，效果更好但复杂度也更高。我的经验是：如果你只是入门跑通，全局 clip + 归一化已经够用。
2.3 候选结节提取和ROI裁剪，控制计算量
3D 医学影像数据量非常大，一张 512x512x300 的 CT 大约有 8000 万个体素。直接把整张 CT 扔给 3D 卷积网络，目前的主流显卡基本上无法承受。因此项目中几乎都会包含“候选结节生成”这一步骤，常见的形态有两种：
- 基于传统图像处理的候选生成：使用形状滤波、形态学操作或区域生长，先圈出可能包含结节的区域。
- 基于 Faster R-CNN 或 U-Net 风格的粗检测网络，输出可能的位置和大小，再用一个更精细的分类网络对候选区域做二分类。
实际操作时，我更喜欢先用一个轻量级 3D U-Net 做粗分割，输出结节候选的连通域，然后以每个连通域的重心为中心，裁剪出固定大小的 3D patch。这个 patch 的大小设置有一个常见经验值：对于直径 3-30mm 的结节，patch 边长 32mm 至 64mm（重采样后对应 32 到 64 个体素）基本可以覆盖绝大多数情况，同时还给模型留出了一部分上下文信息。
3. 3D卷积网络设计：为什么非要用3D CNNs
3.1 从2D到3D：Z轴信息不是“可选项”
在医学影像分析早期，一个很自然的想法是把 CT 的每一层切片当成 2D 图片，用成熟的 2D CNN 做分类。这个方案的优势是显存压力小、ImageNet 预训练权重可以直接用，但它有一个致命缺陷：完全破坏了结节在三维空间里的连续性。肺结节是三维实体，它的血管穿行、毛刺征、分叶征等特征，只有在连续多个层面之间才能观察到完整的空间关系。用一个 30mm 的球形结节来举例，如果层厚是 1mm，那它在 z 方向跨越 30 个层面，2D 模型每次只能看到其中一个切面，相当于把一个三维问题硬生生拆成二维问题来做。
3D 卷积的本质就是把卷积核的感受野从二维扩展到三维，例如一个 3x3x3 的卷积核，每一步同时聚合 x、y、z 三个方向的邻域信息。这也是为什么同样结构下，3D 模型的参数量和计算量会比 2D 大一个量级，因为卷积核在三个方向上都进行滑动共享计算。
3.2 网络骨架与输入尺寸，LUNA16最常用的方案
LUNA16 比赛中，Top 方案几乎清一色使用 3D 卷积网络。常见骨架包括 3D U-Net、3D ResNet、以及专门设计的双路径网络（DualPathNet）。
如果让我给出一个最容易起步的配置，我会推荐这种组合：输入尺寸为 1 x 32 x 64 x 64 的 patch（通道数为 1，即 CT 灰度值），第一层使用 3D 卷积把通道数提升到 32，后续经过 3-4 个下采样模块，每个模块由两个 3x3x3 卷积加一个 2x2x2 的最大池化组成。最后接一个全局平均池化和全连接层，输出 2 个类别的概率。这个网络规模在单张 12GB 显存显卡上可以训练，无需分布式技巧。如果你想在 LUNA16 上取得更高分数，可以再用一个较大的 3D ResNet 做二次分类，模型容量大了，但训练和调参成本也会显著增加。
3.3 分类还是检测：先分割后分类更稳
LUNA16 提供了两套任务提交路径：一是直接输出候选结节位置和直径，二是输出每个候选为结节的概率。比赛后期的经验表明，把任务拆成“分割 + 分类”两级，比端到端做检测更加稳定。
你自己做这个项目时，可以把流程设计成三步：第一步用一个 3D U-Net 把可能是结节的前景体素分割出来；第二步对分割结果做连通域分析和大小过滤，生成候选列表；第三步对每个候选裁剪一个 32x64x64 的 patch，交给一个 3D CNN 做二分类。这样每一步的目标单一，训练也更容易收敛，参数调优时可以独立检查。端到端检测模型对数据标注质量和数量要求太高，LUNA16 只有 888 例数据，即使是竞赛级别的团队也很难把端到端方案调到稳定水平，更不用说个人复现了。
4. 训练与评估：医学影像特有的“游戏规则”
4.1 类别不均衡的三种解法，从采样到focal loss
LUNA16 中，候选生成阶段产出的假阳性数量通常远大于真结节数量。如果你的候选生成器是传统图像方法，那结果中可能有几百上千个阴性样本，而一个 CT 里的真结节通常只有几个。这种正负样本比例失衡，轻则导致训练震荡，重则让模型完全退化成“始终预测阴性”。
我在这个项目里尝试过三种解法，按推荐顺序排列：
第一，负样本下采样。每个训练 batch 里控制正负样本比例为 1:3 到 1:5 之间。这是最简单有效的方法，适合快速跑通实验。第二，在采样时加入难例挖掘（hard example mining），每次迭代结束后，把当前模型最容易判断错误的负样本放进训练队列，相当于让网络持续面对“高难度”假阳性，我实测对降低高分假阳性非常有效。第三，使用 Focal Loss 替换交叉熵损失。这个损失函数专门给难分类样本分配更高权重，能自动缓解类别不均衡，缺点是超参数（gamma、alpha）需要调试，不太适合起步阶段。
4.2 FROC、CPM和FPs/scan：读懂LUNA16的评分标尺
如果你想把模型结果和官方 Leaderboard 或其他论文做对比，必须使用 FROC 曲线评估。FROC 和普通 ROC 的关键区别在于：横轴不是 False Positive Rate，而是“平均每张 CT 的假阳性数量”（FPs/scan），纵轴是召回率（Sensitivity）。这是因为医学影像场景中，一张 CT 内含有的真实病灶数量极少，用传统 ROC 的假阳性率来衡量并不直观，放射科医生更关心的是：我看一张片子，平均会看到几个假的阳性标记。
FROC 曲线绘制方法不复杂：把你输出的每个候选按置信度降序排序，逐步提高阈值，每经过一个阈值就计算一次“该阈值下的召回率”和“该阈值下的平均每张 CT 假阳性数”，然后把所有点连线。官方取 FPs/scan = 0.125、0.25、0.5、1、2、4、8 这七个点的召回率均值作为 CPM 分数。这个 CPM 就是你跟别人硬碰硬的指标。我见过不少初学朋友用 AUC 或 Accuracy 汇报结果，最后发现自己报告的数字和别人不在一个坐标系里，就是因为没有使用这个评估协议。
4.3 数据增强的禁忌与安全边界
对于自然图像，随机裁剪、水平翻转、色彩抖动都是常规操作，但在医学影像里，数据增强的“度”要刻意收着用。理由很实在：CT 里像素值的物理含义是确定的，你随机加上高斯噪声、改变对比度，等于在告诉模型“同一组织可以呈现不同 HU 值”，这会让模型学到错误的视觉不变性。
我建议的安全增强操作大概有四类：随机平移和旋转（角度控制在 10 度以内）、随机缩放（比例 0.9 到 1.1）、水平翻转和沿 z 轴翻转。这些操作不改变体素的物理含义，只是改变观察角度，对提升泛化能力有正向作用。另外要注意，不要把增强后的 patch 混在一起后直接训练，最好是每个 epoch 对每个样本重新做一次随机增强，这样能有效扩充数据的表现多样性。
5. 从解压到跑通实验：环境与工程化的坑
5.1 zip包解压后的项目结构长什么样
标题里带 .zip 的文件，解压后你大概率会看到几个固定部分：一个存放元数据 CSV 的目录、一个存放 CT 扫描数据（通常是 .mhd/.raw 格式）的目录、一个模型定义文件、一个训练脚本和一个推理脚本。第一次跑通的关键是搞清 .mhd/.raw 这对文件怎么配合使用。.mhd 是头部文件，里面记录着体数据的大小、体素间距、数据类型、偏移量等信息，.raw 才是真正的二进制像素数据。读取时不能只读 .raw，必须借助 SimpleITK 或 pydicom 这类医学影像库来解析 .mhd 文件头，否则你拿到的数据排列可能完全错位。
5.2 显存不足、推理速度的工程化取舍
3D 卷积最现实的问题就是显存占用。一个 32x64x64 的输入，加上 32 个通道的 3D 卷积，一张 12GB 的显卡能够驾驭的 batch size 也只有 16-32 左右。如果你用的是更深的 3D ResNet，大概率需要把 batch size 降到 4 到 8。我自己的调试经历是，先把网络结构和输入尺寸固定下来，直接用 1 张样本做前向传播，观察显存占用和 loss 是否下降，再去调整 batch size，这样排查问题更快。
推理速度是另一个容易被低估的瓶颈。如果你用滑窗方式对整张 CT 做推理，一个 512x512x300 的体积，用 32 步长滑窗，可能会产生上千个 patch，单张 CT 推理时间可能达到几十秒到几分钟。解决办法无非两种：把粗分割网络放到推理前端，先缩小 ROI 范围；或者把滑动步长调大，再做后处理去重融合。在复现这个项目时，我先用 16 步长粗滑一遍，再用检测结果周围局部区域做精分类，在速度和精度之间取了一个比较合理的平衡点。
5.3 复现实验时最容易忽略的三个细节
第一个细节是“数据泄露”。如果你的数据划分是随机分割，同一个病人的多个 CT 可能同时出现在训练集和测试集里，导致模型“见过”部分病人信息，评估结果虚高。正确做法是在病人级别做划分，确保同一个病人的所有扫描只出现在一个集合里。
第二个细节是“评估阈值的选择”。很多人习惯把二分类的默认阈值定为 0.5，但 LUNA16 的阳性比例极低，模型输出的置信度分布严重偏向低值，0.5 阈值会产生大量假阴性。建议用验证集绘制 FROC 曲线后，根据你目标 FPs/scan 值去反推最优阈值。
第三个细节是“三维旋转的方向统一”。医学影像的坐标方向在不同设备中定义不同，同一个结节在不同扫描里可能呈现镜像关系。如果你只是简单读取数据，不检查 orientation，模型会无端学到一些和位置相关的伪特征。简单来说，训练之前把所有的体数据统一重定向到一个标准方向（比如 LPI 坐标），这一步能省去后面非常多排查时间。
跑这个项目最大的价值，不只是把准确率刷到多少分，而是理解医学影像分析中“数据与评估协议”对整个算法设计的前置约束。很多在自然图像上习以为常的思路，到了三维医学影像里都得重新思考。后续想进阶的话，可以从这个项目延伸到肺结节检测与分类联合任务、多中心数据泛化、半监督学习这几个方向，每一步都有明确的问题定义和评估标准，很适合用来锻炼工程落地的能力。
本文还有配套的精品资源，点击获取
