简介本资源为面向医学图像分割任务的人体骨骼多类别分割数据集适合从事医学影像分析、深度学习分割算法研究的学生与工程师使用。数据涵盖训练集与测试集训练集约2800张图像及对应mask测试集约700张合计约3500张样本。类别划分细致1至9为L5与头位朝向10为椎管11至19为L5/S1椎间盘间隙及头位具体可参考classes文件。压缩包共约2000个文件以1998个png图像与标签为主另含1个txt类别说明和1个py可视化脚本整体约366.97MB。该脚本可随机抽取一张图片展示原始图像、GT图像及GT在原图上的蒙板效果并保存至当前目录便于快速核验标注质量。目前已有339人学习下载配套医学图像分割网络介绍专栏可帮助读者搭建训练流程、理解多类别标注体系并开展模型验证。1. 骨骼分割数据集3500 张多类别标注到底能训出什么模型拿到一份约 3500 张、带多类别标签的人体骨骼图像分割数据集第一反应往往不是兴奋而是怀疑——这个量级够不够训一个能用的分割模型我在做骨科术前规划和运动姿态分析时反复验证过3500 张在医学图像分割里属于「小而精」的档位关键不在数量而在类别定义是否干净、标注边界是否一致。骨骼分割的难点从来不是背景太杂而是相邻骨结构灰度接近、关节间隙窄、皮质骨与松质骨过渡带模糊多类别标签一旦把「股骨/胫骨/髌骨」混成一个前景模型学到的就是一团糊。这份数据集的价值在于它把多类别分割这个诉求显式拆开了适合做膝关节、脊柱、手骨这类结构清晰但类别间易粘连的场景。它适合两类人一类是想验证自己分割网络在医学域泛化能力的算法工程师另一类是手里有临床图像、想先拿公开数据跑通流程再迁移的研发。别指望它直接产出临床级模型但用它把数据管线、类别映射、评估指标全部跑顺是完全够的。2. 多类别骨骼分割的数据组织与标签解析2.1 骨骼多类别标签到底长什么样医学图像分割数据集的标签格式直接决定你后面要不要写转换脚本。骨骼类数据集常见三种落地形态PNG 索引掩码每个像素值就是类别 id、多通道二值掩码每个类别一张图、以及 COCO 风格的 polygon JSON。约 3500 张这个体量绝大多数是 PNG 索引掩码配一份类别映射表因为存储省、读取快。你要做的第一件事不是写模型而是把标签的像素值分布统计出来——用 numpy 读一张掩码看 unique 值确认背景是 0、各类别是 1/2/3 还是 0/128/255。我见过太多人直接拿 255 当类别 1 训结果 loss 一直不降查了两天才发现标签没归一化。多类别分割和普通前景分割的本质区别在于损失函数和评估方式。前景分割用二值交叉熵就行多类别必须用交叉熵或 Dice 的 one-vs-all 变体评估也不能只看整体 IoU要按类别算 Dice否则大骨头股骨会把小骨头髌骨的分数完全掩盖。骨骼数据里类别面积差异极大脊柱数据里椎体面积可能差三倍所以 per-class Dice 是必须的。2.2 用脚本统计类别分布并生成映射表下面这段代码是我每次拿到新分割数据集必跑的第一步作用是扫描全部掩码、统计像素值、输出类别映射草表。import os import numpy as np from PIL import Image from collections import Counter mask_dir dataset/masks # 掩码目录 pixel_counter Counter() for fname in os.listdir(mask_dir): if not fname.endswith(.png): continue mask np.array(Image.open(os.path.join(mask_dir, fname))) # 掩码必须是单通道索引图若是 RGB 需先转灰度 if mask.ndim 3: mask mask[:, :, 0] pixel_counter.update(mask.flatten().tolist()) total sum(pixel_counter.values()) for val, cnt in sorted(pixel_counter.items()): print(f像素值 {val:4} | 占比 {cnt/total*100:6.2f}% | 像素数 {cnt})逻辑说明Counter累加所有掩码的像素值输出每个值占总像素的比例。参数上mask_dir指向掩码根目录如果你的数据是 train/val 分文件夹要对每个子集分别跑一遍确认训练集和验证集的类别分布一致。占比低于 0.1% 的类别要警惕可能是标注噪声或极少数样本训练时容易被忽略。跑完这一步你会得到一张「像素值 → 语义」的对照草表再人工核对官方类别说明确认 0 是背景、1 到 N 是各骨类别。2.3 训练/验证划分与类别不平衡处理3500 张按 8:1:1 切验证集只有 350 张对多类别评估偏少我一般用 7:1.5:1.5或者做 5 折交叉验证取平均 Dice。骨骼数据集的类别不平衡有两个层面一是类别间像素数差异二是某些类别只在少数图像里出现。前者用加权交叉熵或 Focal Loss 缓解后者要靠分层抽样——按「每张图包含哪些类别」做 stratify保证验证集里每个类别都出现足够次数。import numpy as np from sklearn.model_selection import train_test_split # image_ids 与每张图出现的类别集合 image_ids [...] # 全部样本 id labels_per_image [...] # 每个样本的类别集合如 {1,2,3} stratify_key [_.join(map(str, sorted(s))) for s in labels_per_image] train_ids, val_ids train_test_split( image_ids, test_size0.3, random_state42, stratifystratify_key )stratify_key把类别集合拼成字符串作为分层依据test_size0.3先切出 30% 再对半分成验证和测试。random_state 固定住保证每次复现一致。这一步不做验证集 Dice 会剧烈波动你根本分不清是模型问题还是划分问题。3. 从掩码到训练骨骼分割模型的落地流程3.1 网络选型U-Net 系还是 Transformer 系3500 张这个量级我的建议是先用 U-Net 或 nnU-Net 打底别一上来就上 Swin-UNet 或 TransUNet。原因很直接Transformer 系分割网络对数据量敏感3500 张训到收敛容易过拟合除非你做强增强或加载大规模预训练权重。骨骼结构有强形状先验卷积的局部归纳偏置反而更匹配。nnU-Net 是医学分割里最稳的基线它自动配置预处理、patch size、网络深度你只要把数据整理成它要求的格式跑出来的 Dice 往往比手调 U-Net 高几个点。如果你要发论文或做对比实验再上 Transformer 系做 ablation。选型时看三个指标类别数、图像分辨率、单类别最小面积。类别数超过 5、分辨率超过 512、最小类别面积小于图像 1%优先 nnU-Net否则一个带残差连接的 U-Net 加 DiceFocal 组合损失就够。3.2 数据增强骨骼分割不能乱翻转医学图像增强和自然图像不一样骨骼有解剖左右对称性但左右翻转会改变类别语义——左股骨翻成右股骨标签就错了。所以水平翻转要么禁用要么同步交换左右类别标签。我常用的增强组合是随机旋转 ±15°、随机缩放 0.9~1.1、弹性形变轻微、亮度对比度扰动。弹性形变对骨骼要克制形变太强会把关节间隙抹掉。import albumentations as A train_tf A.Compose([ A.RandomRotate90(p0.0), # 骨骼禁用 90 度旋转 A.Rotate(limit15, border_mode0, p0.5), A.RandomScale(scale_limit0.1, p0.3), A.ElasticTransform(alpha30, sigma5, p0.2), # 轻度弹性形变 A.RandomBrightnessContrast(p0.3), ]) val_tf A.Compose([]) # 验证集不做增强border_mode0保证旋转后填充的是背景值不会引入假类别。ElasticTransform的 alpha 和 sigma 控制形变强度骨骼数据建议 alpha 不超过 40。验证集必须用空增强否则 Dice 不可比。3.3 损失函数与评估指标配置多类别骨骼分割我一般用 Dice Loss CrossEntropy 按 0.5:0.5 加权。Dice 负责类别不平衡CE 负责像素级稳定梯度。评估时用 per-class Dice 和 Hausdorff Distance 95后者对边界敏感骨骼分割里关节面边界差 2 个像素临床意义就不同。import torch import torch.nn as nn class DiceCE loss(nn.Module): def __init__(self, num_classes, weightNone): super().__init__() self.ce nn.CrossEntropyLoss(weightweight) self.num_classes num_classes def forward(self, logits, target): ce_loss self.ce(logits, target) probs torch.softmax(logits, dim1) dice_loss 0.0 for c in range(1, self.num_classes): # 跳过背景 p probs[:, c] t (target c).float() inter (p * t).sum() dice_loss 1 - (2 * inter 1e-5) / (p.sum() t.sum() 1e-5) dice_loss / (self.num_classes - 1) return 0.5 * ce_loss 0.5 * dice_lossweight参数传入按类别频率倒数计算的权重缓解不平衡。循环从 1 开始跳过背景因为背景 Dice 通常接近 1算进去会虚高整体分数。平滑项 1e-5 防止除零。这个组合我在多个骨骼数据集上验证过比纯 CE 的 per-class Dice 平均高 3~5 个点。4. 骨骼分割训练中的避坑与排查清单4.1 掩码像素值与类别 id 错位现象训练 loss 正常下降但验证时某一类 Dice 始终为 0。原因掩码里该类别的像素值是 128 或 255而模型输出通道按 0/1/2 索引标签没做重映射。解决在 Dataset 的__getitem__里加一步映射把原始像素值通过 lookup table 转成连续类别 id转换后再送进损失函数。4.2 关节间隙被增强抹掉现象模型在训练集上 Dice 很高测试时关节面附近总是粘连。原因弹性形变或大角度旋转把窄的关节间隙压缩了模型学到的是模糊边界。解决降低弹性形变概率到 0.1 以下旋转限制在 ±15°并在损失里加边界加权项对掩码边缘像素给更高权重。4.3 验证集类别缺失导致 Dice 虚高现象整体 Dice 0.9但临床看某些骨头完全没分出来。原因验证集里小类别样本太少per-class Dice 被平均掉了。解决分层抽样保证每个类别在验证集出现至少 20 次评估时单独打印每个类别的 Dice不只看均值。4.4 图像与掩码插值方式不一致现象预测边界系统性偏移 1~2 像素。原因预处理时图像用双线性插值缩放掩码也用双线性导致类别边界产生中间值。解决图像用双线性或双三次掩码必须用最近邻插值保证像素值仍是合法类别 id。4.5 显存不足导致 patch 太小丢失全局结构现象大骨头分割完整但需要全局形状先验的类别如脊柱序列断裂。原因patch 切太小网络看不到完整结构。解决用 nnU-Net 的 patch 重叠推理或把 patch 提到 256×256 以上配合梯度累积降 batch size。5. 把 3500 张用到极致迁移与半监督的进阶技巧3500 张想再往上提点靠的不是换更大的网络而是把数据利用率拉满。我常用的两个手段一是先在这份数据上预训练一个编码器再迁移到你自己只有几百张的目标域冻结浅层只微调解码器二是半监督用训练好的模型对无标注骨骼图像生成伪标签置信度阈值设 0.9 以上只取高置信区域加入训练。伪标签别全图用只取模型熵低的区域否则错误会累积。验证方法上我习惯留一个「困难子集」——把所有关节间隙窄、类别粘连严重的样本单独拎出来训练过程中每 10 个 epoch 在这个子集上单独算一次 Dice。整体 Dice 涨但困难子集不涨说明模型在走捷径这时候要回头查增强和损失权重。下面这个评估脚本片段是我每次必挂的def eval_hard_subset(model, hard_loader, num_classes): model.eval() dice_per_class {c: [] for c in range(1, num_classes)} with torch.no_grad(): for img, mask in hard_loader: pred model(img).argmax(dim1) for c in range(1, num_classes): p (pred c).float() t (mask c).float() inter (p * t).sum().item() dice_per_class[c].append( (2 * inter 1e-5) / (p.sum().item() t.sum().item() 1e-5) ) for c, vals in dice_per_class.items(): print(f类别 {c} 困难子集 Dice: {np.mean(vals):.4f})这个脚本只算困难子集不看整体。类别 c 的 Dice 如果低于整体 10 个点以上就说明该类在困难样本上崩了优先补这类样本的增强或加权。最后说个我踩过的坑别在 3500 张上反复调参调到过拟合验证集。我一般把验证集锁死只调一次超参之后所有决策看测试集和困难子集。数据集小的时候验证集被你「看」多了指标就不可信了。希望帮到你。本文还有配套的精品资源点击获取