ITK报错：输入图像物理空间不一致，计算分割指标是否需重采样？

核心结论 #

• 是的，两个分割结果必须处于相同的物理空间，你遇到的错误就是因为两张图像的物理空间参数（原点、像素间距、方向矩阵）不匹配导致的。
• 必须执行重采样操作，将其中一张图像对齐到另一张的物理空间上才能正常计算指标。

错误原因解析 #

ITK的绝大多数图像运算（包括你代码里的b_contour * (dist_to_a <= tau)这类图像相乘操作）都要求输入图像的物理空间完全一致——原点、像素间距、方向矩阵三个参数必须完全匹配，否则就会抛出Inputs do not occupy the same physical space!的错误。

解决方法：添加重采样步骤 #

在计算Surface DSC之前，先把其中一张标签图像重采样到另一张的物理空间（建议以手动标注/原始影像的空间为参考）。用ITK的ResampleImageFilter即可实现，修改后的完整代码如下：

import SimpleITK as sitk

def resample_to_reference(image, reference_image):
    """将输入图像重采样到参考图像的物理空间"""
    resampler = sitk.ResampleImageFilter()
    resampler.SetReferenceImage(reference_image)
    # 分割标签是离散值，必须用最近邻插值避免生成非整数标签
    resampler.SetInterpolator(sitk.sitkNearestNeighbor)
    resampler.SetDefaultPixelValue(0)
    return resampler.Execute(image)

def compute_surface_dsc(label_a, label_b, tau=2.0):
    """Compute Surface Dice

    From: Nikolov S et al. Clinically Applicable Segmentation of Head and Neck Anatomy for
    Radiotherapy: Deep Learning Algorithm Development and Validation Study J Med Internet Res
    2021;23(7):e26151, DOI: 10.2196/26151

    Args:
        label_a (sitk.Image): A mask to compare
        label_b (sitk.Image): Another mask to compare
        tau (float): Accepted deviation between contours (in mm)

    Returns:
        float: The Surface DSC between the two labels
    """
    # 先执行重采样对齐物理空间
    label_b = resample_to_reference(label_b, label_a)
    
    # 原函数逻辑保持不变
    binary_contour_filter = sitk.BinaryContourImageFilter()
    binary_contour_filter.FullyConnectedOn()
    a_contour = binary_contour_filter.Execute(label_a)
    b_contour = binary_contour_filter.Execute(label_b)

    dist_to_a = sitk.SignedMaurerDistanceMap(
        a_contour, useImageSpacing=True, squaredDistance=False
    )

    dist_to_b = sitk.SignedMaurerDistanceMap(
        b_contour, useImageSpacing=True, squaredDistance=False
    )

    b_intersection = sitk.GetArrayFromImage(b_contour * (dist_to_a <= tau)).sum()
    a_intersection = sitk.GetArrayFromImage(a_contour * (dist_to_b <= tau)).sum()

    surface_sum = (
        sitk.GetArrayFromImage(a_contour).sum()
        + sitk.GetArrayFromImage(b_contour).sum()
    )

    return (b_intersection + a_intersection) / surface_sum

关键注意事项 #

• 重采样分割标签时必须用最近邻插值，绝对不能用线性插值等连续插值方法，否则会生成0/1之外的中间值，破坏标签的离散性，导致后续指标计算错误。
• 参考空间的选择要合理：通常以原始医学影像（CT/MRI）的物理空间为基准，把自动分割结果重采样到该空间后，再和已经处于该空间的手动标注对比。

内容的提问来源于stack exchange，提问作者Mrmr