Python深度学习训练医疗影像识别模型的数据准备流程是什么

医疗影像识别模型的训练效果很大程度上取决于数据准备的质量，完整的Python深度学习数据准备流程需要覆盖数据收集、预处理、标注、划分等多个环节，每个环节都有对应的操作规范。

一、医疗影像数据收集

首先需要收集对应病种的医疗影像数据，常见的医疗影像类型包括CT、MRI、X光片等，数据来源可以是公开的医疗影像数据集，也可以是合规的医疗机构内部数据。收集时需要注意数据的合规性，确保使用的数据符合医疗数据隐私保护相关规定。

收集到的原始数据通常是DICOM、NIfTI等格式，我们需要先将其转换为深度学习模型常用的格式，比如PNG、JPG。以下是使用pydicom库读取DICOM格式影像并转换为PNG的示例代码：

import pydicom
import cv2
import numpy as np
import os

def dicom_to_png(dicom_path, save_dir):
    # 读取DICOM文件
    dicom_data = pydicom.dcmread(dicom_path)
    # 获取影像像素数据
    img_array = dicom_data.pixel_array
    # 归一化到0-255范围
    img_array = (img_array - img_array.min()) / (img_array.max() - img_array.min()) * 255
    img_array = img_array.astype(np.uint8)
    # 保存为PNG
    file_name = os.path.basename(dicom_path).replace('.dcm', '.png')
    save_path = os.path.join(save_dir, file_name)
    cv2.imwrite(save_path, img_array)
    return save_path

# 使用示例
dicom_path = 'data/dicom/example.dcm'
save_dir = 'data/png'
if not os.path.exists(save_dir):
    os.makedirs(save_dir)
dicom_to_png(dicom_path, save_dir)

二、医疗影像数据预处理

原始影像数据存在尺寸不一致、对比度差异大、存在噪声等问题，需要进行预处理操作，提升数据质量。常见的预处理操作包括尺寸统一、灰度归一化、去噪、数据增强等。

1. 基础预处理操作

首先将所有影像统一到相同的尺寸，比如统一为224*224，同时进行灰度归一化，将像素值缩放到0-1区间，适配深度学习模型的输入要求。以下是使用OpenCV和numpy实现基础预处理的代码：

import cv2
import numpy as np

def basic_preprocess(img_path, target_size=(224, 224)):
    # 读取影像
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 尺寸统一
    img = cv2.resize(img, target_size)
    # 灰度归一化
    img = img.astype(np.float32) / 255.0
    # 增加通道维度，适配模型输入
    img = np.expand_dims(img, axis=-1)
    return img

# 使用示例
img_path = 'data/png/example.png'
processed_img = basic_preprocess(img_path)
print(processed_img.shape)  # 输出(224, 224, 1)

2. 数据增强

医疗影像数据通常样本量有限，通过数据增强可以扩充数据集规模，提升模型的泛化能力。常见的增强方式包括旋转、翻转、缩放、亮度调整等，注意不要使用会改变影像病理特征的增强操作。以下是使用imgaug库实现数据增强的示例：

import imgaug.augmenters as iaa
import cv2

def augment_image(img):
    # 定义增强序列
    aug_seq = iaa.Sequential([
        iaa.Fliplr(0.5),  # 50%概率水平翻转
        iaa.Flipud(0.3),  # 30%概率垂直翻转
        iaa.Affine(rotate=(-15, 15)),  # 随机旋转-15到15度
        iaa.Multiply((0.8, 1.2))  # 随机调整亮度
    ])
    # 执行增强
    augmented_img = aug_seq(image=img)
    return augmented_img

# 使用示例
img = cv2.imread('data/png/example.png', cv2.IMREAD_GRAYSCALE)
augmented_img = augment_image(img)
cv2.imwrite('data/png/augmented_example.png', augmented_img)

三、医疗影像数据标注

监督学习训练医疗影像识别模型需要标注数据，标注类型根据任务不同分为分类标注、目标检测标注、分割标注等。标注工作需要由专业的医疗人员完成，确保标注的准确性。

标注完成后需要将标注信息保存为统一的格式，比如分类任务可以保存为CSV文件，每一行对应一张影像的路径和对应的类别标签。以下是生成分类标注CSV的示例代码：

import os
import pandas as pd

def generate_label_csv(img_dir, label_map, save_path):
    """
    img_dir: 影像存放目录
    label_map: 类别映射字典，比如{'normal': 0, 'pneumonia': 1}
    save_path: CSV保存路径
    """
    data = []
    for class_name, label in label_map.items():
        class_dir = os.path.join(img_dir, class_name)
        if not os.path.exists(class_dir):
            continue
        for img_name in os.listdir(class_dir):
            if img_name.endswith(('.png', '.jpg', '.jpeg')):
                img_path = os.path.join(class_dir, img_name)
                data.append([img_path, label])
    df = pd.DataFrame(data, columns=['img_path', 'label'])
    df.to_csv(save_path, index=False)
    return df

# 使用示例
img_dir = 'data/png'
label_map = {'normal': 0, 'pneumonia': 1}
save_path = 'data/labels.csv'
df = generate_label_csv(img_dir, label_map, save_path)
print(df.head())

四、数据集划分

准备好标注数据后，需要将数据集划分为训练集、验证集和测试集，通常划分比例为7:2:1或者8:1:1，确保三个集合的数据分布一致，避免数据泄露。

以下是使用sklearn库划分数据集的示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split

def split_dataset(label_csv_path, train_ratio=0.7, val_ratio=0.2, test_ratio=0.1):
    # 读取标注文件
    df = pd.read_csv(label_csv_path)
    # 先划分训练集和临时集
    train_df, temp_df = train_test_split(df, test_size=(val_ratio + test_ratio), stratify=df['label'], random_state=42)
    # 再划分验证集和测试集
    val_df, test_df = train_test_split(temp_df, test_size=(test_ratio/(val_ratio + test_ratio)), stratify=temp_df['label'], random_state=42)
    # 保存划分结果
    train_df.to_csv('data/train.csv', index=False)
    val_df.to_csv('data/val.csv', index=False)
    test_df.to_csv('data/test.csv', index=False)
    return train_df, val_df, test_df

# 使用示例
label_csv_path = 'data/labels.csv'
train_df, val_df, test_df = split_dataset(label_csv_path)
print(f'训练集大小: {len(train_df)}, 验证集大小: {len(val_df)}, 测试集大小: {len(test_df)}')

五、数据加载器构建

最后需要构建PyTorch或TensorFlow的数据加载器，实现数据的批量读取和预处理，适配模型训练的输入要求。以下是使用PyTorch构建数据加载器的示例：

import torch
from torch.utils.data import Dataset, DataLoader
import pandas as pd
import cv2
import numpy as np

class MedicalImageDataset(Dataset):
    def __init__(self, label_csv_path, target_size=(224, 224)):
        self.df = pd.read_csv(label_csv_path)
        self.target_size = target_size
    
    def __len__(self):
        return len(self.df)
    
    def __getitem__(self, idx):
        img_path = self.df.iloc[idx]['img_path']
        label = self.df.iloc[idx]['label']
        # 读取并预处理影像
        img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
        img = cv2.resize(img, self.target_size)
        img = img.astype(np.float32) / 255.0
        img = np.expand_dims(img, axis=0)  # 增加通道维度，变为(1, 224, 224)
        return torch.tensor(img), torch.tensor(label, dtype=torch.long)

# 使用示例
train_dataset = MedicalImageDataset('data/train.csv')
train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
# 测试数据加载器
for imgs, labels in train_loader:
    print(f'批次影像形状: {imgs.shape}, 批次标签形状: {labels.shape}')
    break

以上就是Python深度学习训练医疗影像识别模型的完整数据准备流程，每个环节都需要严格把控质量，才能保证后续训练的模型具备良好的识别效果。在实际操作中可以根据具体的任务需求调整对应环节的操作细节。

Python深度学习医疗影像识别数据准备修改时间：2026-07-20 07:24:32