LIDC-IDRI数据集切割代码教程【pylidc库】

数据集：

通过网盘分享的文件：LIDC

链接: 百度网盘 请输入提取码 提取码: ywb8

代码：

通过网盘分享的文件：LIDC-IDRI-Preprocessing.rar

链接: 百度网盘 请输入提取码 提取码: b1za

【代码里的部分数据就不删了，方便你们照着放】

一、如何运行

1.输入

把数据集放到这个位置：

运行这个文件：

2.输出

下面文件夹里就是要的，clean文件里是过滤掉的

为方便模型分割我改成输出png格式的了，如果需要npy格式的自己改一下输出格式，复制给ai让ai改

在这里也有npy转png的工具类

二、原理和流程

核心文件

1.读取数据【把一个病人的肺部CT组合成3D图像】

• 医院CT扫描后，一位病人的一整个肺部扫描，通常是几十上百张单独的 DICOM 文件。
• 每一张DICOM相当于是一张灰度图片，比如 512x512 pixels。
• 同一个病人的多张图片，沿着Z轴叠加，组成一个3D体积（Volume）。

每张DICOM除了图像，还有重要的元数据，比如：

• Slice位置（在身体的哪个位置）
• Pixel Spacing（像素大小，毫米）
• Slice Thickness（切片厚度，毫米）
• 这些元数据会影响图像在3D空间的实际物理大小。

把每个病人的 CT 扫描（DICOM文件）加载成一个3D体积数组， ，即 (height, width, slices) 这样的 numpy array。

让后续处理可以直接基于体素（ 在三维医学影像里，一个小立方体就是一个体素 ）操作，而不是一张张2D图片

pylidc.Scan.to_volume() ——>自动帮你把同一病人的多张 DICOM 按照 slice 位置组合成 3D Volume。

pylidc已经帮你处理了像素间距(pixel_spacing)、切片厚度(slice_thickness)的问题，所以可以直接拿来用。

2.获取结节标记【把不同医生标注的同一个结节聚集、放到一起】

读取医生的手绘结节区域，有些病人的一个结节可能有 多位医生各自独立标注。

scan.cluster_annotations()➔ pylidc的这个函数会自动根据医生的标注，把不同医生标的 同一个结节聚合(clustering) ，形成一个结节簇 (nodule cluster)。

• 聚合之后，每个 "nodule cluster" 里面包含了1~4个医生给的单独mask。
• 不同医生的标注大小、形状、位置会有细微差异。

3. 结节融合【生成共识掩膜、把上面放到一起的意见生成一个】

把多个医生的标注融合成一张最终的掩膜（mask）， 不是简单取平均，而是根据设定的置信度(confidence_level)，来决定哪些地方算是结节。

pylidc.utils.consensus()
➔ 这个函数内部会对所有医生的mask叠加，然后根据设定的置信度，比如 0.5，选取至少有一半医生认为是结节的区域。

小细节

• padding 参数：扩展边界一点点，保证感兴趣区域 (ROI) 裁剪时不会把重要信息截断。
• 有时候也能防止小结节被裁掉。

4. 小块裁剪（提取ROI） 【把肺上的结节裁出来】

• 只取出 包含结节的小立方体区域。
• 不用处理整个大肺部Volume，加快后续处理速度，同时专注于结节本身。

直接索引裁剪 numpy 3D array：volume[cbbox]， cbbox是 consensus 给出的bounding box，确定了x, y, z范围。 这样裁剪出来的3D小块，里面的像素就是肺部的一部分+结节。

5. 插值补齐（统一切片数量） ——可以在这里改变你想要的数量

有的裁剪块厚，有的薄，为了训练深度学习，需要统一每个样本的切片数（例如统一到120片）。如果原本切片数不够，就做插值上采样。

scipy.ndimage.zoom()
➔ 对第三个维度(z轴)做缩放插值。

• 插值后要确保最终切片数恰好是目标值（如120 slice）。
• 这里用的是线性插值 (order=1)，平滑过渡，不会产生噪点。

6. 遍历切片（过滤小面积掩膜）

每一片切片都单独检查：

• 如果当前mask面积太小（比如很少像素是结节区域），就跳过这张片。
• 这样避免保存很多无意义的图片。

判断掩膜面积：np.sum(mask[:, :, slice_idx])， 阈值来自 config 文件里的 mask_threshold 参数。

这样可以大大减少无效样本，提升训练时数据质量。

7. 肺部分割（清理背景）【去除所有非肺部区域、 如气管、肺外的组织等】

把CT切片上除了肺以外的部分（比如骨骼、气管）剔除，只留下纯净的肺部区域。

segment_lung() 函数（项目自带的）

• 典型实现是：

• • 用 K-Means 聚类找出低密度的肺部。
  • 形态学操作（如闭运算）连通肺部区域。
  • 再用 largest connected component 提取左右肺叶。

1. 聚类算法：无监督学习算法、根据数据点之间的相似性来将其分组

2. K-Means： 一种聚类算法、 用于将数据分成多个类别（或簇）

将数据中的样本点分配到预定数量的簇中，使得簇内的样本点相似度尽可能高，而簇之间的样本点相似度尽可能低。

a. K-Means 算法的工作原理：

1. 初始化：选择 K 个初始簇的中心（通常随机选择 K 个点）。
2. 分配：将每个数据点分配到离它最近的簇中心。
3. 更新：计算每个簇的平均值，并将这个平均值作为新的簇中心。
4. 迭代：重复步骤 2 和 3，直到簇中心不再变化，或者变化非常小，达到收敛条件。

b. K-Means 算法应用在肺部分割中的作用：

• 我们可以将这些点分成两个簇，一个簇表示肺部的低密度区域，另一个簇表示高密度区域（如骨骼）
• 低密度区域（肺部）会被分到一个簇中。——我们要的
• 高密度区域（骨骼、血管等）会被分到另一个簇中。

3. 形态学操作：处理图像中形状的方法

更简单举个例子

想象一张黑白图片：

• 白色代表肺部
• 黑色代表背景

但这张图可能：

• 有很多小白点噪声（误判成肺）
• 肺部有小黑洞（断开的地方）

这个时候，

• 形态学操作可以帮我们"修修补补"，
  让真正的肺叶连起来，让错误的小噪声消失掉。

就像是在清洗、修整一张地图，让肺部轮廓干净漂亮。

常见四种形态学操作

操作	直白解释	用在哪
腐蚀 (Erosion)	白色区域缩小、收缩，小白点会被吃掉	去掉小的噪声点
膨胀 (Dilation)	白色区域变大、扩张，小洞被补起来	连通断开的部分
开运算 (Opening)	腐蚀 + 膨胀	清理小白点，但不影响大块肺部
闭运算 (Closing)	膨胀 + 腐蚀	填补小黑洞，连接断裂的肺叶

腐蚀：用一个5X5的滑动窗口扫描，如果周围都是0，那就把中间这个像素填成0

用 K-Means 聚类找出低密度的肺部+ 形态学操作（如闭运算）连通肺部区域可以减少模型搜索的60%空间：

• 肺只占整幅CT的约30%～40%，剩下的60%～70%都是没用的背景、骨头——> 感兴趣区域
• 跳过背景噪声

传统的方法是： 灰度阈值分割——>肺部分割精度差，边界不平滑、无法处理复杂区域（气管、血管等）和小结节。

（原始的肺部区域体积-优化后的区域体积）/原始肺部区域体积X100%=减少的模型搜索空间

8. 保存图像（肺部切片 + 掩膜）

• 把分割好的单张切片(肺部图像)和对应的掩膜(mask)分别保存为 PNG 文件。
• 每个病人有单独的文件夹，按slice编号存。
• matplotlib.pyplot.imshow() + savefig()
• 保存时关掉坐标轴(axis('off'))，并去除白边(bbox_inches='tight', pad_inches=0)。
• 保存一张图后用 plt.clf() 清空画布，防止内存泄漏。

9. 保存Meta信息表

• 记录每一张图片的元数据（病人ID、结节编号、切片编号、图像文件名、掩膜文件名、恶性程度、是否癌症、是否是干净片）
• 最后把所有记录保存成CSV表格，供训练/验证时检索。
• 是否癌症、是否清洁图(is_cancer, is_clean)也是直接存在meta里面，免得推理时重复计算。