模型看到的数字究竟是什么
这篇回顾讨论 CT 数据进入视觉模型之前的处理契约，归档月份仅用于整理主题。预处理最危险的问题往往不是公式复杂，而是数字看起来正常，含义却已经改变。
同样是一个浮点数组，它可能保存探测器读数、负对数投影、重建衰减量、经标定的 CT 值，也可能只是显示截图。它们对应不同的物理意义。看到扩展名或文件夹名里有「CT」，不足以直接套用固定 HU 窗口。
把存储转换与显示转换分开
DICOM CT 模块定义了存储值与输出单位之间的线性关系，并对输出为 HU 的条件作出规定；多能量或派生图像需要额外核对类型与单位。DICOM CT Image Module
output_value = rescale_slope * stored_value + rescale_intercept
应确认读取工具是否已经应用转换，再决定是否执行公式。重复乘斜率、加截距会悄悄改变整个分布。增强多帧对象还需要检查每帧的变换信息，不能假定所有帧都共享某个顶层字段。
显示窗决定如何把数值映射到屏幕亮度，不等同于恢复物理量。若输入只有导出的显示图，应保留这个限制，不能假装通过反归一化还原完整 CT 数值。
让归一化成为明确契约
一种可审查的策略是：在确认单位后固定裁剪范围，再线性映射到模型输入区间。范围可以来自任务先验，也可以由训练集统计得到；不能看完测试集后再调整。
import numpy as np
def fixed_scale(image, low, high):
if not np.isfinite([low, high]).all() or high <= low:
raise ValueError("invalid intensity bounds")
x = np.asarray(image, dtype=np.float32)
if not np.isfinite(x).all():
raise ValueError("inspect invalid pixels before scaling")
x = np.clip(x, low, high)
return (x - low) / (high - low)
函数故意不内置 HU 范围，也不自动填补缺失值。填补策略需要结合背景、坏点和任务含义决定。输出配置应保存单位、上下界、转换顺序以及统计所用数据版本。
填充值还应与真实背景区分。为了补齐尺寸而加入的常数，可能在计算均值、分位数和前景范围时占据很大权重。应保留有效区域掩膜，在约定区域内计算统计，并明确填充值进入模型时使用什么数值。
每次转换可同时记录上下界的截断比例。如果某批输入突然出现大量截断，应先核查单位与转换是否一致，再判断是否真的存在分布变化。均值相近不代表整个输入分布相同。
逐图拉伸可能抹去有用差异
逐图最小最大归一化能让每张图填满显示范围，却可能把不同样本的绝对强度差异消掉。一个孤立异常值也可能支配整个比例尺。逐体标准化则要说明统计范围：全体素、前景区域，还是某个稳定参考区域。
这不意味着所有任务都必须保留绝对强度，而是要明确模型应获得什么信息。可在验证集比较固定范围、训练集统计和逐体统计，并同时观察任务结果与异常样本。nnU-Net 强调预处理、训练和推理选择需要共同考虑；这里借鉴的是配置应成体系的思路。nnU-Net，2018
强度正确，还要守住空间关系
预处理记录不能只有均值和标准差。轴顺序、方向、体素间距、裁剪范围以及回填位置，会直接影响标签对齐与结果解释。图像和离散标签可以使用不同插值方法，但必须应用同一空间变换。
常见失败包括：训练使用已缩放数据，推理却重复缩放；重采样后仍沿用旧间距计算边界误差；为去背景而裁掉目标边缘。建议固定几份人工核对样本，保存变换前后的同一解剖位置与数值分位数。发现异常先追转换链，再改网络。
参考
- DICOM CT Image Module：存储值、线性变换和单位的定义。
- nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation：数据适配与完整分割流程的研究背景。