简介面向医学图像分割与计算机视觉学习者、算法工程师提供一套X光线下掌骨分割的完整二分类数据集及配套工具可直接用于模型训练、效果评估与分割方法验证。压缩包共2000个文件包含1486张PNG二值mask、512张JPG原图、1个txt类别说明文件和1个Python可视化脚本整体约15.47MB体积紧凑、便于快速下载。数据按训练集与测试集组织均含images原图目录与masks标签目录图像统一为256×512分辨率前景背景采用0/1阈值标注边界清晰部分样本已做缩放、翻转增广有助于提升模型泛化能力。随包提供的可视化脚本无需修改即可运行可随机抽取一张图片将原始图、GT标签及GT在原图上的蒙版效果同屏展示并保存便于快速核查数据质量与分割结果。已有193人学习适合需要标准掌骨分割数据及现成可视化工具的研究者或开发者。1. 一张X光掌骨图要进训练先过标签这道关拿到一份图像分割数据集大多数人的第一反应是挑几张X光片看看骨头轮廓清不清楚。但掌骨分割2分割背景掌骨两个类别这个任务里真正决定训练能不能一次跑通的往往是那个不起眼的classes文件和每张mask的像素值。X光片是灰度图目标结构固定看上去比自然图像分割简单实际上一堆人在这里翻车。这篇笔记按数据检查、classes文件、可视化、训练避坑的顺序把从“拿到数据集”到“能放心训练”这段路完整走一遍适合刚接触医学图像分割的入门者也适合被标签错位和灰度反转坑过的人。2. X光掌骨分割数据集的目录与2分割本质先搞清你的数据在说什么掌骨分割这个题目看着小但它把医学图像分割的常见细节都占了灰度原图、单通道标签、二值mask以及一份容易被忽略的classes文件。在动手敲训练代码之前先把这三样东西的结构和语义对齐后面能省下大量排错时间。2.1 标准目录结构images、masks与classes文件的关系我见过的掌骨分割数据集绝大多数长这样hand_bone_seg/ ├── images/ # X光原图png或jpg灰度为主 │ ├── 001.png │ ├── 002.png │ └── ... ├── masks/ # 分割标签单通道png │ ├── 001.png │ ├── 002.png │ └── ... └── classes.txt # 类别清单一共两行images里放原始X光片masks里放和原图一一对应的分割标签两个目录靠文件名配对。这里最忌讳的是一边叫001.png、另一边叫001_mask.png或者编号整体错位一旦配对断了训练时模型看到的原图和标签就不是同一个手。拿到数据第一件事不是看图像内容而是先检查配对。import os img_names {os.path.splitext(f)[0] for f in os.listdir(images)} mask_names {os.path.splitext(f)[0] for f in os.listdir(masks)} print(只在images里出现的:, img_names - mask_names) print(只在masks里出现的:, mask_names - img_names)这段脚本用集合差集把两个目录里对不上的文件名全部列出来。输出为空说明样例配对完整可以继续输出不为空先补文件或统一重命名别急着进训练。文件名stem不一致是数据集最常见的内伤比模型参数错一档难排查得多。2.2 2分割的标签语义mask里0和255分别代表什么X光片的成像原理是X射线穿过手掌时骨密度高的区域对射线衰减更强到达探测器上的剂量更少反映在图像上就是更亮。掌骨在X光片上是一块块亮白色的区域周围软组织相对灰暗。分割要做的就是把这块亮白的骨头从背景里抠出来。2分割在这里就是像素级二分类每个像素要么属于背景0要么属于掌骨1。mask通常存成单通道png掌骨区域写255、背景写0也有数据集直接用0和1存储两种写法在读入训练代码时需要统一处理。灰度X光片在输入网络时有一个容易忽略的通道选择。很多分割模型基于ImageNet预训练第一个卷积层需要三通道输入所以常见做法是把单通道X光图复制三次拼成三通道代价是计算量多三分之一。如果从头训练或使用医学影像专用的轻量2D模型直接用单通道输入即可显存占用更小训练速度也更快。我的习惯是用预训练backbone就复制通道搭轻量UNet就单通道两种路线的可视化流程完全一致。2.3 图像分割算法选型2分割任务为什么首选UNet掌骨分割的输入尺寸一般不用太大512x512足够看清骨骼边缘再往上对精度提升有限、显存压力却涨得很快。算法选型上这类小数据量、灰度图、目标结构固定的医学分割任务首选依然是UNet及其变体。常见选择对比如下模型核心设计适合场景本任务的注意点UNet编码-解码跳跃连接小数据医学分割默认选择收敛快DeepLabV3空洞卷积ASPP多尺度目标需要更大输入和显存PSPNet金字塔池化场景分割对结构固定目标偏重UNet胜在数据效率高几十到几百张样本就能训练出可用的结果跳跃连接把浅层边缘细节直接传给解码器对掌骨这种边缘清晰的硬组织目标特别友好。我一般用512x512输入、batch_size取8、BCE加Dice的组合loss配合Adam优化器初始学习率3e-4。如果手上的数据集是几百张规模这个配置基本够用。DeepLabV3在目标尺度差异大时更稳但掌骨尺寸在图像里相对固定优势不明显PSPNet更像是为场景级分割准备的。选型结论一句话别在入门任务上追求复杂网络把UNet调稳比换模型收益大。显存吃紧时优先降低batch_size而不是输入尺寸512x512的输入下batch_size从8降到2对显存影响不大但输入缩到256x256掌骨边缘细节会明显丢失单卡跑不动就换更轻的encoder比直接缩小输入划算。3. classes文件怎么写类别顺序、索引对齐与两种框架的用法classes文件在这类数据集里的作用是告诉训练脚本“你的mask里每个像素值对应什么含义”。对2分割来说它往往只是两行文本但这两行的顺序直接决定标签映射错了会悄悄污染整个训练过程。3.1 最小可用的classes.txt一行一个类名行号就是像素值# classes.txt background hand_bone文件里的行号就是类别索引第一行background对应索引0也就是mask里像素值0第二行hand_bone对应索引1对应mask里的前景区域。如果mask用255表示掌骨训练代码读入后需要把它归一化到1再和索引对齐。顺序写反的后果很隐蔽训练时背景和前景角色互换loss照常下降但预测出来的mask整片颠倒直到可视化阶段才发现颜色反了。读取这个文件时我习惯用下面的函数顺手把空行和首尾空格去掉避免Windows下换行符带来的字符串匹配问题def load_classes(path): with open(path, r) as f: classes [line.strip() for line in f if line.strip()] return classes classes load_classes(classes.txt) print(classes) # [background, hand_bone]逻辑很简单逐行读取、strip去掉换行和首尾空格、过滤空行。不推荐用splitlines加索引的方式因为文件末尾多一个空行时会把空字符串也当成类名后续构建标签映射时凭空多出一类。3.2 从classes文件到框架配置YOLOv8分割与MMSegmentation的对齐实际训练时classes文件的内容通常要迁移到框架自己的配置文件里。拿现在用得多的YOLOv8分割来举例它的data.yaml长这样# data.yaml path: ./datasets/hand_bone_seg train: images val: images names: 0: background 1: hand_bonenames里的顺序必须和classes.txt保持一致0还是背景、1还是掌骨。YOLO的mask读取逻辑会把255归一化成1所以不需要额外处理像素值。如果用的是MMSegmentation则要同时给出classes和palette两样东西# mmsegmentation配置风格 classes (background, hand_bone) palette [[0, 0, 0], [255, 255, 255]]palette是每个类别在可视化时对应的RGB颜色背景给黑色、前景给白色刚好对应X光片里骨骼亮白的观感。对照关系可以这样记classes文件第1行对应索引0、像素值0、背景、YOLO names 0、palette第1个颜色classes文件第2行对应索引1、像素值255、掌骨、YOLO names 1、palette第2个颜色。四个位置只要有一个错位训练和评估就会在同一点翻车。3.3 mask像素值只有0和255训练代码里的两种归一化写法读入mask后下一步是把像素值转成模型需要的类别索引。对2分割数据集常见写法有两种# 写法一直接除以255 mask cv2.imread(masks/001.png, cv2.IMREAD_GRAYSCALE) label mask // 255 # 255 - 1, 0 - 0 # 写法二二值化 label (mask 127).astype(np.int64)两种写法在mask只有0和255时等价。差别在边界上如果mask经过有损压缩或resize产生过灰色插值像素写法一会被迫落到0或1写法二统一按阈值处理鲁棒性更强所以我的训练代码一律用第二种。与之相对的错误做法是直接判断mask 10/255存储的数据集这么一写整个标签全是背景模型什么都学不到。还有一个容易被忽略的脏数据数据集里可能混入若干张只有背景没有前景的mask。这类样本可以作为负样本保留但要在统计阶段标记出来否则它们会被当成普通标注参与loss计算把整体Dice拉低。把它们单独列出或是在训练时做soft label处理都有帮助。4. 数据可视化代码实战原图、mask、伪彩叠加与批量预览数据可视化在这个数据集里不是配图用的而是第一道质检关卡。下面的脚本读一对原图和mask输出原图、二值标签和伪彩叠加三张子图并保存成一张PNG。4.1 一个开箱即用的可视化脚本读X光、读mask、叠加保存import cv2 import numpy as np from pathlib import Path import matplotlib.pyplot as plt def load_xray(path): # X光可能是8位或16位先按原样读入再统一到8位三通道 img cv2.imread(str(path), cv2.IMREAD_UNCHANGED) if img.dtype np.uint16: img cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX) img img.astype(np.uint8) if img.ndim 2: img cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) return img def load_mask(path): mask cv2.imread(str(path), cv2.IMREAD_GRAYSCALE) return (mask 127).astype(np.uint8) def visualize_pair(image_path, mask_path, out_path, alpha0.5): img load_xray(image_path) mask load_mask(mask_path) # 伪彩色叠加把前景区域染成红色 overlay np.zeros_like(img) overlay[mask 1] [0, 0, 255] # BGR红色 blended cv2.addWeighted(img, 1 - alpha, overlay, alpha, 0) fig, axes plt.subplots(1, 3, figsize(15, 5)) axes[0].imshow(img[:, :, ::-1]); axes[0].set_title(X-ray) axes[1].imshow(mask, cmapgray); axes[1].set_title(mask) axes[2].imshow(blended[:, :, ::-1]); axes[2].set_title(overlay) for ax in axes: ax.axis(off) plt.tight_layout() plt.savefig(out_path, dpi150, bbox_inchestight) plt.close() visualize_pair(images/001.png, masks/001.png, vis/001.png)load_xray先按原样读图16位tiff先做min-max归一化到8位再转成三通道BGR。这个处理对X光片是必须的X光原图经常以12位或16位深度存储直接用imread默认的8位模式读会丢掉大量低灰度区细节掌骨和软组织之间的边界会变得模糊。load_mask用阈值转成0/1而不是除以255和上一章的建议保持一致。叠加时用cv2.addWeightedalpha取0.5表示原图和红色前景各占一半骨骼边缘的锯齿一眼就能看出来。alpha越小越接近原图适合检查误检区域alpha越大越接近纯红适合看标签覆盖是否完整。关键参数如下参数作用建议值alpha前景透明度0.4-0.6dpi保存清晰度150colormap前景配色红色或绿色避免用蓝色dpi低于100时叠加图边界区域的细缝会糊掉前景配色不建议用蓝X光灰度图里蓝和黑的区分度在显示器上不理想红色或绿色辨识度最高。4.2 批量预览做到三件事配对检查、漏标发现、边界确认单张可视化只能看局部批量预览才能发现问题。把visualize_pair的结果保存到vis目录后我会按三个标准过一遍第一左右两张图里的手型方向是否一致有没有某张mask被旋转过第二mask里有没有不该出现的孔洞比如掌骨中央出现黑点说明标注时漏掉了骨小梁区域第三mask边缘是否和原图中亮白区域的轮廓基本重合。任何一条不满足先回数据集处理不要急着调模型。批量预览时顺手检查每张mask的像素值是否干净能提前发现格式混用的问题from pathlib import Path import cv2 for p in Path(masks).glob(*.png): mask cv2.imread(str(p), cv2.IMREAD_GRAYSCALE) values set(mask.flatten().tolist()) if not values.issubset({0, 255}): print(p.name, sorted(values)[:10])正常情况下每张mask只包含0和255。输出里出现其他值说明这张标签经过有损保存或错误的resize带上了灰色过渡像素。这类mask不处理直接训练会在loss计算时制造大量无效梯度。4.3 训练中和训练后的可视化复用预测mask同样可以走这条管线可视化不只在数据准备阶段用。训练时把模型的预测结果从概率图转成二值mask再用visualize_pair的叠加逻辑和原图合成每5个epoch存一张能直观看到网络是在学掌骨轮廓还是背景纹理。训练结束后用同一套脚本对比标签和预测的叠加图各种指标反映不出来的局部差异在图上反而一眼可见。写技术博客或做组会汇报时这类叠加图也是最有说服力的中间结果。5. 掌骨分割避坑实录标签错位、灰度反转与尺寸不一致4个翻车环节掌骨分割的训练流程不长但最容易出问题的恰恰是数据进入模型之前那几步。下面4个坑我都在不同数据集上踩过或帮人排查过。5.1 拆分数据集时原图和mask没配对验证指标像随机数现象训练loss正常下降验证集Dice却始终在0.2附近徘徊而且每次运行结果波动剧烈。原因拆分数据集时只shuffle了images目录里的文件列表masks目录单独切了一份两边顺序错位。更隐蔽的情况是两个目录的排序规则不一致images按数字序、masks按字典序101号在200号之前还是之后完全看命名位数。解决拆分前先把两个目录的文件名按stem合并成一张配对表对配对表统一shuffle再按索引切片。我习惯把配对逻辑写进数据集类里而不是在目录层面动手这样无论数据怎么换配对关系都不会断。5.2 读mask时用1判断前景标签整片丢失现象训练开始时loss很低但预测mask全黑模型完全没有学到前景。原因训练脚本用mask 1判断前景但这份数据集的前景是255。标签张量里没有任何像素属于类别1模型实际在做一个全背景任务。解决读mask后第一件事是打印np.unique(mask)确认像素区间。如果只有0和255用mask // 255或(mask 127)转成0/1只有0和1直接当标签用。不同来源的数据集存储习惯不同这个检查每次都做别假设格式一致。5.3 灰度图被反色或归一化方向不一致模型学到负像现象训练曲线没有异常但叠加可视化里预测区域和亮白骨骼区域错位模型把软组织区域预测成了前景。原因部分X光图是负片风格骨头发黑预处理时有人做了反色、有人没做。或者归一化时用了image - mean再除以stdmean方向和预期相反灰度极性被整体翻转。自然图像训练惯了的代码容易忽略这个医学图像特有的坑。解决统一数据预处理管线要么全部保持原始极性要么全部反色归一化参数写死在配置里不要从每张图的局部统计量推算。训练前把预处理后的图和mask叠一次确认骨骼亮白区域和mask前景方向一致再开跑。5.4 resize时mask用了线性插值边界糊成灰带现象mask可视化看起来正常但loss计算报错像素类别Dice忽高忽低不稳定。原因原图resize用了双线性插值mask也顺手用了同一套插值。双线性插值会产生0到1之间的过渡值比如0.4、0.7这些值落在类别映射之外被强行分类或直接丢弃后边界区域就乱了。解决原图可以用INTER_LINEAR或INTER_CUBICmask一律用INTER_NEAREST。最近邻插值不会生成新灰度值像素要么是0要么是255标签语义保持不变。如果数据集在resize后同时保存了原图和mask这个错误会永久写进数据最好重新生成一份。6. 训练前先跑10行像素统计一个被低估的入门技巧训练开始前先统计一下mask里前景像素占比这个数字直接决定loss怎么配。脚本不超过10行import cv2 import numpy as np from pathlib import Path total 0 fg 0 for p in Path(masks).glob(*.png): mask cv2.imread(str(p), cv2.IMREAD_GRAYSCALE) total mask.size fg int((mask 127).sum()) print(f前景像素占比: {fg / total:.2%})统计结果是后面所有选择的基准。前景占比低于10%背景严重占优单独用BCE会让模型趋于保守、倾向于全输出背景这时改用BCE加Dice的组合loss让预测区域和标签区域的重叠度直接进损失能有效抵消类别不平衡。前景占比高于30%类别压力不大普通交叉熵也能训练。另一个值得看的数字是单张图前景占比的方差。方差大说明不同样本之间掌骨大小差异明显输入尺寸建议用512以上太小会把小尺寸样本的特征细节磨掉。我第一次跑掌骨分割时跳过这一步直接训练一晚上过去模型输出的都是全黑mask第二天排查才发现问题不在网络结构而是mask像素阈值和前处理。也是那次之后我养成了“任何数据集到手先做配对检查、像素统计、可视化再谈模型”的习惯。这个流程不挑框架、不挑数据规模掌骨分割适用换成其他医学影像分割数据集照样成立。希望你少走这一晚上弯路希望帮到你。本文还有配套的精品资源点击获取