直接用torchvision.transforms会报错，因其仅支持2D图像（CHW），而3D医学影像为CHWD格式，导致维度不匹配；应改用monai.transforms，它原生支持3D张量并提供空间/强度变换分离、标签同步处理等医学影像专用功能。
为什么直接用 torchvision.transforms 会报错？
因为 torchvision.transforms 默认只支持 2D 图像（CHW 格式），而 3D 医学影像通常是 CHWD（如 [1, 128, 128, 64]，C=1 表示灰度通道），传进去会触发 ValueError: Expected 3D or 4D input (batch mode) 或维度不匹配。
解决思路不是硬套 2D 变换，而是改用专为体积数据设计的库，或手动适配。最稳妥的选择是：monai.transforms —— 它原生支持 3D 张量，且针对医学影像做了归一化、插值、标签一致性等优化。
怎么用 monai.transforms 做基础 3D 增强？
它把增强操作按「空间变换」和「强度变换」分得很清楚，且所有变换都默认接受 [C, H, W, D] 输入。注意：必须确保输入是 torch.Tensor 类型，且设备一致（不要混 CPU/Tensor）。
常见组合示例：
立即学习“Python免费学习笔记（深入）”；
-
RandFlip(prob=0.5, spatial_axis=[0, 1, 2])：在三个轴上随机翻转，spatial_axis必须显式指定，否则默认只翻 H/W（2D） -
RandRotate90(prob=0.5, max_k=3, spatial_axes=(0, 1))：仅在 XY 平面旋转 90° 的整数倍；若想在 YZ 或 XZ 面旋转，改spatial_axes -
RandGaussianNoise(prob=0.3, std=0.01)：加高斯噪声，std要小（医学影像像素值常为 HU 单位，大噪声会破坏解剖结构） -
ScaleIntensity(minv=0.0, maxv=1.0)：推荐放在 pipeline 开头，避免后续变换因数值范围过大导致插值溢出
标签图（segmentation mask）和图像必须同步变换吗？
必须。但不能对 label 直接用 RandGaussianNoise 这类强度变换 —— 会污染语义信息。正确做法是：用同一随机种子控制空间变换，并为 label 指定插值模式。
关键配置点：
- 用
Compose包裹所有变换时，把图像和 label 放进同一个字典（如{'image': img, 'label': seg}），再传给MapTransform子类（如RandFlipd、RandRotated） - 对 label 使用
mode='nearest'（而非默认的'bilinear'），防止多类别分割图出现非整数标签值 - 避免使用
RandAdjustContrast、RandGaussianSmooth等强度变换作用于 label
示例代码片段：
from monai.transforms import Compose, RandFlipd, RandRotated
transforms = Compose([
RandFlipd(keys=['image', 'label'], prob=0.5, spatial_axis=[0, 1]),
RandRotated(keys=['image', 'label'], prob=0.5, range_x=0.1, mode='nearest'),
])
data = {'image': img_tensor, 'label': seg_tensor}
out = transforms(data) # 返回字典，image 和 label 已同步变换
自己写 3D 随机裁剪要注意什么？
monai.transforms.RandSpatialCrop 是首选，但容易忽略两个细节：
- 参数
roi_size必须是长度为 3 的 tuple（如(64, 64, 32)），不能写成64—— 否则会降维成 2D 裁剪 - 如果原始数据 Z 轴（深度）较短（比如只有 20 层），
roi_size[2]设太大就会报RuntimeError: roi shape larger than image；建议先用EnsureChannelFirst+CropForeground预处理，再裁剪 - 训练时常用
RandSpatialCropSamples生成多个子块提升样本多样性，但 batch 内每个样本会变成 N 个 patch，需在 DataLoader 中设置collate_fn重新堆叠
真正难的是保持 patch 和 label 的空间对齐精度 —— 插值方式、坐标系原点、padding 模式都会影响最终 Dice 分数，这些细节在小数据集上尤为敏感。
