如何对医学图像序列统一应用MONAI数据增强变换？

现成实现方案 #

MONAI提供两种直接实现序列内图像变换参数一致的方法，无需自行从头开发：

方法1：用EnsureSameTransform包裹随机变换 #

EnsureSameTransform是MONAI专门用于保证同一数据项内多幅图像（如序列帧）共享随机变换参数的工具，兼容性覆盖所有MONAI随机变换。

示例代码：

import numpy as np
from monai.transforms import Compose, Rand2DElastic, RandRotate, RandZoom, RandGaussianNoise, EnsureSameTransform

# 模拟输入序列：(10, 3, 128, 128)
sequence = np.random.rand(10, 3, 128, 128)

augment_transforms = Compose([
    EnsureSameTransform(Rand2DElastic(prob=0.6, spacing=(30, 30), magnitude_range=(0.1, 0.3))),
    EnsureSameTransform(RandRotate(range_x=np.pi / 60, prob=0.2, keep_size=True)),
    EnsureSameTransform(RandZoom(min_zoom=0.8, max_zoom=1.5, prob=0.6)),
    EnsureSameTransform(RandGaussianNoise(prob=0.5, mean=0, std=0.01))
])

# 处理后输出仍为(10, 3, 128, 128)，序列内所有图像变换参数完全一致
augmented_sequence = augment_transforms({"image": sequence})["image"]

方法2：启用变换的batchwise参数 #

部分MONAI随机变换（如RandRotate、RandZoom、RandGaussianNoise等）支持batchwise=True参数，开启后会对整个输入批量（这里将序列的10帧视为一个批量）生成一组统一的变换参数，应用到所有帧上。

示例代码：

import numpy as np
from monai.transforms import Compose, Rand2DElastic, RandRotate, RandZoom, RandGaussianNoise

sequence = np.random.rand(10, 3, 128, 128)

augment_transforms = Compose([
    Rand2DElastic(prob=0.6, spacing=(30, 30), magnitude_range=(0.1, 0.3), batchwise=True),
    RandRotate(range_x=np.pi / 60, prob=0.2, keep_size=True, batchwise=True),
    RandZoom(min_zoom=0.8, max_zoom=1.5, prob=0.6, batchwise=True),
    RandGaussianNoise(prob=0.5, mean=0, std=0.01, batchwise=True)
])

augmented_sequence = augment_transforms({"image": sequence})["image"]

原代码问题分析 #

你之前的代码未设置任何参数一致性约束，MONAI默认会将输入的(10, 3, 128, 128)中的10视为独立批量样本，为每帧单独生成变换参数，导致序列内图像变换不一致，不符合预期。

注意事项 #

• 若使用batchwise参数，需确认目标变换是否支持该参数；EnsureSameTransform是更通用的方案，适配所有随机变换。
• 处理完整数据集（形状(n,10,3,128,128)）时，需逐样本取出(10,3,128,128)的序列片段再应用变换，避免将n作为批量维度处理。

内容的提问来源于stack exchange，提问作者Prem Gorde